มาทำความรู้จัก T-Test กันว่าคืออะไร?

T-Test เปรียบเทียบวิธีการของสองกลุ่ม ตัวอย่างเช่น เปรียบเทียบว่าความดันโลหิตซิสโตลิกแตกต่างกันระหว่างกลุ่มควบคุมและกลุ่มที่ได้รับการรักษา ระหว่างชายและหญิง หรืออีกสองกลุ่ม อย่าสับสนระหว่างการทดสอบcorrelation และ regression T-Test เปรียบเทียบหนึ่งตัวแปร (อาจเป็นความดันโลหิต) ระหว่างสองกลุ่ม ใช้สหสัมพันธ์และการถดถอยเพื่อดูว่าตัวแปรสองตัว (อาจเป็นความดันโลหิตและอัตราการเต้นของหัวใจ) แตกต่างกันอย่างไร อย่าสับสนระหว่างการทดสอบกับ Analysis of Variance T-test จะเปรียบเทียบสองกลุ่มพอดี Analysis of Varianceและการทดสอบแบบไม่อิงพารามิเตอร์ที่เกี่ยวข้อง เปรียบเทียบกลุ่มตั้งแต่สามกลุ่มขึ้นไป สุดท้าย อย่าสับสนระหว่าง T-Test กับ contingency table (ฟิชเชอร์หรือการทดสอบไคสแควร์) ใช้ T-Test เพื่อเปรียบเทียบตัวแปรแบบต่อเนื่อง เช่น ความดันโลหิต น้ำหนัก หรือการทำงานของเอนไซม์ ใช้ contingency table เพื่อเปรียบเทียบตัวแปรตามหมวดหมู่ เช่น ผ่าน vs. ล้มเหลว ทำงานได้ เทียบกับ ไม่ทำงาน

โดยพื้นฐานแล้ว T-Test ช่วยให้เราสามารถเปรียบเทียบค่าเฉลี่ยของชุดข้อมูลสองชุดและระบุว่ามาจากประชากรกลุ่มเดียวกันหรือไม่ ในตัวอย่างข้างต้น หากเราจะสุ่มตัวอย่างนักเรียนจากคลาส A และอีกตัวอย่างหนึ่งของนักเรียนจากคลาส B เราจะไม่คาดหวังว่าพวกเขาจะมีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานเหมือนกันทุกประการ ในทำนองเดียวกัน ตัวอย่างที่นำมาจากกลุ่มควบคุมที่เลี้ยงด้วยยาหลอกและกลุ่มตัวอย่างที่นำมาจากกลุ่มที่สั่งยาควรมีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานที่แตกต่างกันเล็กน้อย

ในทางคณิตศาสตร์ T-Test ใช้ตัวอย่างจากแต่ละชุดของทั้งสองชุด และสร้างข้อความแจ้งปัญหาโดยสมมติว่ามีสมมติฐานว่างว่าทั้งสองวิธีเท่ากัน ตามสูตรที่ใช้ได้ ค่าบางค่าจะถูกคำนวณและเปรียบเทียบกับค่ามาตรฐาน และสมมติฐานว่างที่สมมติขึ้นจะได้รับการยอมรับหรือปฏิเสธตามนั้น

หากสมมติฐานว่างมีคุณสมบัติที่จะถูกปฏิเสธ แสดงว่าการอ่านข้อมูลมีความแข็งแกร่งและอาจไม่ได้เกิดจากความบังเอิญ การ T-Test เป็นเพียงหนึ่งในการทดสอบจำนวนมากที่ใช้เพื่อการนี้ นักสถิติต้องใช้การทดสอบอื่นนอกเหนือจากการ T-Test เพื่อตรวจสอบตัวแปรเพิ่มเติมและการทดสอบด้วยขนาดตัวอย่างที่ใหญ่กว่า สำหรับกลุ่มตัวอย่างขนาดใหญ่ นักสถิติใช้การทดสอบ z ตัวเลือกการทดสอบอื่นๆ ได้แก่ การทดสอบไคสแควร์และการทดสอบเอฟ