Le test t indépendant ou non apparié est une mesure statistique de la différence entre les moyennes de deux échantillons indépendants et identiquement distribués. Par exemple, vous voudrez peut-être tester pour déterminer s'il y a une différence entre les niveaux de cholestérol des hommes et des femmes. Ce test calcule une valeur t pour les données qui est ensuite liée à une valeur p pour la détermination de la signification. L'un des programmes statistiques les plus reconnus est SPSS, qui génère une variété de résultats de tests pour des ensembles de données. Vous pouvez utiliser SPSS pour générer deux tables pour les résultats d'un test t indépendant.

Group Statistics Table

Recherchez le tableau Statistics Group dans la sortie de données. Ce tableau présente les valeurs statistiques descriptives générales telles que la moyenne, l'écart-type, etc.

Interpréter les valeurs N comme le nombre d'échantillons testés dans chacun des deux groupes pour le test t. Par exemple, la comparaison des taux de cholestérol de 100 hommes et de 100 femmes aurait deux valeurs de N respectivement de 100 et 100.

Trouvez les valeurs d'écart-type et reliez-les aux ensembles de données. L'écart type identifie la proximité de l'ensemble des points de données de chaque groupe de test par rapport à leurs moyennes respectives. Ainsi, un écart-type plus élevé signifie que les données sont plus étalées sur un large éventail de valeurs par rapport à un écart-type plus petit.

Observez la valeur moyenne d'erreur standard pour les deux groupes de tests. Cette valeur est calculée à partir de l'écart type et de la taille de l'échantillon de la population et identifie la précision de la moyenne de chaque échantillon. Une erreur standard plus petite indique que la moyenne est plus susceptible d'être celle de la population réelle.

Table de test des échantillons indépendants

Trouvez la table de test des échantillons indépendants dans la sortie de données. Ce tableau donne les résultats réels du test t.

Vérifie si la variance dans les deux groupes de tests est similaire. Ceci est fait en regardant les résultats du test de Levene pour l'égalité des variances qui est donné dans le tableau. Les variances égales seront notées avec une valeur p (notée "Sig") supérieure à 0,05 (p <0,05), tandis que les variances inégales afficheront une valeur p inférieure à 0,05 (p <0,05). Choisissez la colonne de nombres que vous devez utiliser selon que vous avez des variances égales ou inégales.

Identifiez les p-values ​​dans la section "t-test for Equality of Means" du tableau pour déterminer la signification. La colonne est désignée par "Sig. (2-queue) ". La plupart des études sont effectuées sur un intervalle de confiance de 95%; ainsi, une valeur p inférieure à 0,05 doit être considérée comme significative, ce qui signifie qu'il existe une différence significative dans les moyennes des deux populations testées (c.-à-d. qu'il y aurait une différence significative entre les taux de cholestérol des hommes et ceux des femmes). exemple précédent).

Observez la section Intervalle de confiance à 95% de la section Différence de la table. Cette valeur donne un intervalle pour lequel, avec une certitude de 95%, vous pouvez prédire que la différence dans la population réelle sera basée sur vos résultats. Ainsi, un intervalle de confiance plus étroit fournit des résultats plus concluants et une meilleure estimation de la population réelle qu'un intervalle de confiance plus large.

Avertissement

Assurez-vous que vos deux ensembles de données sont normalement distribués ou les résultats peut ne pas être valide. Cela peut être vérifié en utilisant un test de normalité dans SPSS pour voir si l'ensemble de données correspond à une courbe en cloche standard.