Member-only story
進行研究時，我們常常需要比較兩組資料是否有顯著差異，下列三種 t-test 為最常見的狀況，並附上SAS的程式碼 Proc ttest和R的程式碼
免費閱讀文章：[SAS][R]Proc Ttest 三種t-test一次搞懂
一組獨立樣本t檢定(One sample t-test)
當我們想要去檢驗手邊樣本和某特定值之間的關係時，我們會將樣本的平均數和該特定值加以比較 (例如：某班的平均分數是否與全校平均分數有差異)，此時則採用單一樣本t檢定來進行檢驗。
*資料必須為常態
H0: μ=μₒ (無顯著差異)
H1: μ≠μₒ (顯著差異)
example for R
t.test(x)
假設 x 為大華國小A班12位同學的數學成績，我們想知道A班的成績和全校的成績(60分)是否有差異
我們可以先看到A班的平均成績為61.25分，進行檢定前先使用 shapiro test 檢定這組資料是否為 normal
shapiro.test(x)
p-value=0.498 ， p>0.05 不拒絕虛無假設，表示常態性的假設是合理的
再來就是進入我們的 t-test 了，程式碼非常的簡單
t.test(x,mu=60,alternative=”two.sided”)
p-value=0.862 ， p>0.05 不拒絕虛無假設，沒有顯著性差異
那我們再來試試看A班的成績與100分是否有差異呢?
t.test(x,mu=100,alternative=”two.sided”)
p-value=0.0001816 ， p<0.05 拒絕虛無假設，有顯著差異
每一種 t-test都可以分成雙尾與單尾檢驗，R只要在alternative設定就可以了alternative的預測值為”two.sided”，所以上面兩種情形沒有寫也是可以的
alternative的另外兩種設定為”greater”和”less”，就是表示 對立假設(alternative hypothesis; H1; Ha)的狀態
H0: μ ≤ μₒ
H1: μ > μₒ
首先來嘗試A班的成績是否有顯著差異大於60呢?
t.test(x,mu=60,alternative=”greater”)
p-value=0.431 ， p>0.05 不拒絕虛無假設，沒有顯著大於60
