教程 · 2026-06-24

配对样本 t 检验完整教程 — 前后测/自身对照用 AI 一句话完成 + APA 报告

配对样本 t 检验（前后测/自身对照）专项教程：与独立样本 t 区分、d_z 效应量计算、APA 7th 格式报告句式，以及在 ChatSRS 用一句话完成 SPSS/R/Stata 三引擎全套输出。

同一批人测了两次，干预前 vs 干预后，每人自己跟自己比——这就是配对设计。SPSS 里找对话框、手算差值、再查 Cohen's d 公式……一套下来半小时。这篇教程教你用 AI 一句话跑完整个流程，差值分布、t 检验、d_z 效应量、APA 报告全部一次给齐。

为什么前后测数据不能用独立样本 t 检验

很多初学者在拿到前后测数据时，会下意识地把"干预前"和"干预后"当作两个独立组来比较——用独立样本 t 检验。这是一个经典且严重的方法论错误。

独立样本 t 检验的前提假设是：两组观测值互相独立，两组之间没有任何匹配关系。 但在前后测设计中，同一个人同时贡献了"前测"和"后测"两个数值，这两个数值天然相关——记忆力好的人在前测和后测都可能偏高，焦虑水平低的人两次都可能偏低。这种被试间的个体差异如果不加控制，就会混入误差项，使检验功效大幅下降。

配对样本 t 检验（paired-samples t-test） 的做法是：先计算每个被试的差值 d_i = 后测 - 前测，再对这 n 个差值做单样本 t 检验（检验差值均值是否等于 0）。通过这一步，个体差异被彻底消除，检验功效显著提升。

对比维度	独立样本 t 检验	配对样本 t 检验
被试结构	两组不同的人	同一批人测两次（或两个匹配的人）
误差来源	包含被试间个体差异	个体差异已从误差中剥离
检验功效	较低	较高（尤其当个体差异大时）
自由度	df = n1 + n2 - 2	df = n - 1（n 为配对数）
效应量	Cohen's d（两组均值差/合并标准差）	Cohen's d_z（均值差/差值标准差）
典型场景	实验组 vs 对照组	干预前 vs 干预后；左手 vs 右手；同一人两种条件

何时必须用配对 t 检验：

前后测设计（Pre-Post Design）：同一批人接受干预，测量干预前后指标
自身对照（Crossover Design）：同一个体先后接受两种处理
匹配对设计（Matched-Pairs Design）：按某些特征人为匹配的两组（如双胞胎研究、按年龄体重1:1配对）

效应量 d_z：配对设计的专属指标

配对 t 检验有自己的效应量计算公式，不能直接套用独立样本 t 检验的 Cohen's d 公式。

d_z 的定义与公式

d_z = M_diff / SD_diff

其中：

M_diff：差值（d_i = 后测 - 前测）的均值
SD_diff：差值的标准差（注意：不是两次测量标准差的平均，而是差值序列本身的标准差）

d_z 又称"差值效应量"，直接反映干预产生的变化量相对于差值变异的大小。

为什么不能用普通 Cohen's d

普通 Cohen's d 的分母是两组合并标准差（pooled SD），包含了被试间的个体差异。配对设计中个体差异已从误差中消除，如果仍用 pooled SD 作分母，会低估真实效应量，因为分母被额外的个体差异"稀释"了。

例如，同样的干预效果，如果被试间原始分数差异很大（SD_pooled 很大），用普通 Cohen's d 计算出来的效应量会偏小；而 d_z 只关注差值的变异，不受被试间差异影响，更准确地刻画干预效应。

Cohen's d_z 效应量阈值（Cohen 1988 标准）

d_z 值	效应量等级	含义
< 0.20	可忽略	干预效果极小
0.20 - 0.49	小效应	有统计意义但实践意义有限
0.50 - 0.79	中效应	具有实践价值的干预效果
>= 0.80	大效应	干预效果显著，实践价值高

特别说明：部分文献（如 Lakens, 2013）指出 d_z 在不同软件中可能有两种计算口径：一种以 sqrt(n) 缩放（等价于 t/sqrt(n)），另一种直接用 SD_diff。ChatSRS 输出的 d_z 采用 APA 推荐的 M_diff/SD_diff 定义，与 SPSS 输出一致，并在结果中明确标注计算口径。

案例数据：正念冥想对焦虑水平的干预效果

研究背景

某高校心理健康中心评估为期 4 周的正念冥想课程对大学生焦虑水平的改善效果。研究对象为 42 名自愿参加的大学生，课程前后各用广泛性焦虑量表（GAD-7，0-21 分，分数越高焦虑越重） 测量一次。

数据结构

participant_id    pre_gad7    post_gad7
001               14          9
002               11          8
003               16          10
004               8           6
...（共 42 行，每人 1 行，含前测和后测两列）

研究问题：4 周正念冥想课程是否显著降低大学生的焦虑水平？效应量有多大？

用 AI 一句话完成配对样本 t 检验

在 chatsrs.com 上传数据后输入：

"以 pre_gad7 为干预前、post_gad7 为干预后，对 42 名被试做配对样本 t 检验。请输出：

前测和后测的描述统计（M、SD、95% CI）及差值描述统计（M_diff、SD_diff）

差值正态性检验（Shapiro-Wilk）及差值分布图（直方图 + QQ 图）

配对 t 检验结果（t 值、df、p 值、95% CI of difference）

Cohen's d_z 效应量（M_diff / SD_diff 口径）及效应量等级

三线表格式

APA 7th 中文报告句式"

60 秒后 ChatSRS 输出完整六部分结果，SPSS、R、Stata 三引擎任选，结果保持一致。

输出结果怎么读

第一块：描述统计

表 1  正念冥想干预前后 GAD-7 焦虑得分描述统计（N = 42）

                    M        SD       95% CI
前测（pre_gad7）   11.83    3.47     [10.75, 12.91]
后测（post_gad7）   8.26    3.12     [7.29, 9.23]
差值（pre - post）  3.57    2.84     [2.69, 4.45]

注：差值 = 前测 - 后测，正值表示焦虑分数下降（改善）。

怎么看：均值差 3.57 分，95% CI 不含 0（[2.69, 4.45]），从描述统计阶段就可以看出干预方向。

第二块：差值正态性检验

Shapiro-Wilk 正态性检验（差值序列，n = 42）
  W = 0.972, p = .382

-> 差值服从正态分布，满足配对 t 检验前提假设。

配对 t 检验的正态性假设对象是差值序列，而非前测或后测的原始分布。差值 W = 0.972，p = .382 > .05，正态假设满足，可直接使用参数检验。

若差值不服从正态分布（p < .05），且样本量较小（n < 30），应改用 Wilcoxon 符号秩检验（非参数配对检验）。ChatSRS 在 Shapiro-Wilk p < .05 时会自动警告并提供非参数替代方案。

第三块：配对 t 检验结果三线表

表 2  配对样本 t 检验结果（N = 42）

                  M_diff   SD_diff   95% CI           t       df    p          d_z
pre - post        3.57     2.84     [2.69, 4.45]     8.14    41    < .001     0.84

注：CI = 差值均值的 95% 置信区间；d_z = M_diff / SD_diff；效应量等级参照 Cohen（1988）：
   小 >= 0.20，中 >= 0.50，大 >= 0.80。d_z = 0.84 为大效应。

逐列解读：

列名	含义	本例解读
M_diff	差值均值（前测 - 后测）	3.57 分，干预后平均改善 3.57 分
SD_diff	差值标准差	2.84，被试改善幅度的个体差异
95% CI	差值均值的置信区间	[2.69, 4.45]，不含 0，干预有效
t	t 统计量 = M_diff / (SD_diff / sqrt(n))	8.14，远超临界值
df	自由度 = n - 1	41
p	双尾 p 值	< .001，极显著
d_z	差值效应量	0.84，大效应

论文里怎么报告（APA 7th 格式）

APA 7th 对配对样本 t 检验的报告要求：必须报告 t、df、p 值和效应量 d_z，并报告 95% CI。

方法节（统计方法说明）：

采用配对样本 t 检验比较正念冥想干预前后 GAD-7 焦虑得分的差异。在分析前对差值序列进行 Shapiro-Wilk 正态性检验，以确认参数检验前提假设。采用 Cohen's d_z（M_diff/SD_diff）作为效应量指标，效应量等级参照 Cohen（1988）标准：小效应 d_z >= 0.20，中效应 d_z >= 0.50，大效应 d_z >= 0.80。统计分析以 SPSS 27 实施，检验水准 alpha = .05（双尾）。

结果节（可直接复制进论文）：

Shapiro-Wilk 检验结果显示差值序列正态性良好，W = 0.97, p = .382，满足配对 t 检验前提假设。

配对样本 t 检验结果表明，正念冥想干预前的 GAD-7 焦虑得分（M = 11.83, SD = 3.47）显著高于干预后（M = 8.26, SD = 3.12），t(41) = 8.14, p < .001, 95% CI [2.69, 4.45], d_z = 0.84，为大效应，表明 4 周正念冥想课程对大学生焦虑水平有显著改善作用。

APA 格式规范总结：

要素	格式示例
t 值 + df	t(41) = 8.14
p 值	p < .001（小数点前不写 0）
95% CI of difference	95% CI [2.69, 4.45]
效应量	d_z = 0.84
描述统计	M = 11.83, SD = 3.47
效应量来源引用	Cohen（1988）

APA 7th 细节提醒：

t 的自由度写在括号内：t(41) 而非 t = 8.14 (df = 41)

95% CI 用方括号 [ ]，两端数值间用逗号加空格

p 值小数点前不写 0（p < .001，不写 p < 0.001）

效应量 d_z 需注明计算口径，避免与普通 Cohen's d 混淆

配对 t 检验 vs 其他检验方法：选对的关键

许多研究者对"两次测量"数据的方法选择感到困惑，下表提供决策框架：

场景	推荐方法	理由
同一批人测 2 次，差值正态	配对样本 t 检验	参数检验，功效最高
同一批人测 2 次，差值不正态且 n 小	Wilcoxon 符号秩检验	非参数替代
同一批人测 3 次及以上	重复测量方差分析（Repeated Measures ANOVA）	处理多时点全局检验
两组不同的人各测 1 次	独立样本 t 检验	无配对关系
两组不同的人各测多次	混合 ANOVA（Mixed ANOVA）	组间 + 组内双因素

配对 t 检验与重复测量 ANOVA 的关系：当被试内因素只有 2 个水平时，重复测量 ANOVA 与配对 t 检验完全等价，F = t^2，p 值一致。被试内因素 >= 3 个水平时，必须使用重复测量 ANOVA（含球形检验 + Greenhouse-Geisser 校正）。

常见问题 FAQ

Q1：配对 t 检验的"配对"是什么意思？非前后测的数据能用吗？

A：配对（paired）的本质是：每两个观测值之间存在一一对应的关联，这种关联导致它们不再相互独立。典型的三类配对设计：(1) 时间配对——同一人的前测和后测；(2) 条件配对——同一人在两种实验条件下的表现；(3) 人为匹配——按年龄、性别、体重等特征将两组受试者1:1配对（如双胞胎研究、匹配病例对照研究）。只要满足"每个第一组数值都有唯一对应的第二组数值"，均可使用配对 t 检验。

Q2：我的差值分布不正态，还能用配对 t 检验吗？

A：取决于样本量。当 n >= 30 时，中心极限定理保证 t 统计量近似正态分布，即使差值轻度偏斜也可继续使用配对 t 检验，结果仍然可靠。当 n < 30 且 Shapiro-Wilk p < .05 时，应改用 Wilcoxon 符号秩检验（非参数配对检验），报告中位数差而非均值差。ChatSRS 在检测到正态性违反时会自动同时输出参数和非参数两套结果，方便你根据审稿要求选择。

Q3：d_z = 0.84 是"大效应"，这个阈值是怎么来的？

A：来自 Cohen（1988）提出的效应量分级标准，适用于 t 检验族。对于 d 系列效应量，小效应 d >= 0.20、中效应 d >= 0.50、大效应 d >= 0.80。需要注意：这些阈值是 Cohen 基于行为科学研究惯例提出的经验参考值，不是绝对标准。在医学或生理研究中，0.30 的 d_z 可能已有显著临床意义；在心理学教育研究中，0.80 的效应量才能说明实践价值。报告时需结合具体领域背景解读效应量大小。

Q4：配对 t 检验 p < .05，但 95% CI 很窄（比如 [0.02, 0.08]），这个结果有实践意义吗？

A：这是统计显著性与临床/实践显著性的经典区分。大样本下，即使效应量极小（d_z = 0.03）也能达到统计显著（p < .05），但实际改善幅度微乎其微。APA 要求同时报告效应量和 95% CI 正是为了这个目的：CI 的范围告诉你效应大小的精确区间，d_z 告诉你效应的实践意义。只有同时关注 p 值（是否有效）和 d_z（效应多大），才能得出完整的统计结论。

Q5：单尾还是双尾？我有方向假设（预期后测 < 前测），能用单尾检验吗？

A：原则上，如果在数据收集前（而非看完结果后）已有明确的方向性假设，使用单尾检验在统计上是允许的，检验功效更高（相当于把 alpha = .05 全部放在一侧）。但实践中，大多数心理学和医学期刊、APA 及 CONSORT 指南均建议使用双尾检验，原因是：(1) 单尾检验容易被事后合理化滥用；(2) 双尾检验更保守、结论更可信。ChatSRS 默认输出双尾结果，若需单尾可在指令中明确说明"预期方向为下降，用单尾检验"，系统将同时输出双尾和单尾 p 值并加注说明。

小结

配对样本 t 检验是处理前后测 / 自身对照数据的标准方法，三个核心要点：

与独立样本 t 区分：同一批人测两次，差值检验，绝不能当作两个独立组
效应量用 d_z：分母是差值标准差，不是合并标准差，准确刻画干预效应
APA 报告格式：t(df) + p + 95% CI of difference + d_z，缺一不可

在 chatsrs.com 上传前后测数据，一句自然语言指令即可获得：

Shapiro-Wilk 差值正态性诊断
差值描述统计 + 三线表
t 值、df、双尾 p 值、95% CI
Cohen's d_z 效应量及等级解读
可直接粘贴进论文的 APA 7th 中文报告句式
SPSS、R、Stata 三引擎结果，论文附注引用任选