废话不多说，直接开始进入配对T检验
简单的说配对T检验就是单样本T检验的变形。用观察组和对照组相减。得到的差值做单样本T检验。
例：为研究某铁剂治疗和饮食治疗营养性缺铁性贫血的效果，将16名患者按年龄、体重、病程和病情相近的原则配成8对，分别使用饮食疗法和补充铁剂治疗的方法，3个月后测得两组患者血红蛋白质如表3-1，问两种方法治疗后患者的血红蛋白值有无差别?
1.SAS
SAS语句：
data ex3_2;
input x1 x2@@;
D=x1-x2;
cards;
113 138 120 116 138 125 120 136 100 110 118 132 138 130 123 110
;
proc univariate normal;
var D;
RUN;
类似单样本T,我们关注正态性检验和位置检验。正态性检验的结果表明，P>0.05,没有显著性。认为该样本符合正态分布。
再看位置检验，Student t,P>0.05没有显著性。两种方法治疗后患者的血红蛋白值没有差别。
2.SPSS
输入数据
点击计算变量，计算差值
再对差值进行单样本T检验即可
检验正态性
选择单样本T检验，这里是没有配对样本T检验的。
按照单样本T检验的做法。
看sig也就是P值。p>0.05,没有显著性。两种方法治疗后患者的血红蛋白值没有差别。
3.R语言
x<-c(113,120,138,120,100,118,138,123)
y<-c(138,116,125,136,110,132,130,110)
data=x-y
shapiro.test(data)#正态性检验
t.test(x,y,paired=T)
和SAS,SPSS一样先看正态性检验，再看T检验的结果。结论如上。
4.Python
也是和单样本T检验很一样的做法。结论也是一样的。
附上一个单样本T检验的链接，写的不够好，请见谅！！！单样本T检验，如果你想看单样本T检验的资料，这里有一份也是这种style的资料。
从上四种方法中，我看到比较直观的看到数据的变化的是用R和PYTHON。用软件相比没那么直接。不过SPSS入门简单。但是R和Python都是免费的。选哪一种就看个人选择了。
这是第二篇的整理T检验。每个一篇希望能好好复习一下统计学。
转播
