Парный t-критерий

Парный t-критерий (также парный t-тест, t-критерий для зависимых выборок, t-критерий Стьюдента для связанных совокупностей) — это параметрический статистический критерий, используемый для проверки гипотезы о равенстве средних значений двух зависимых (парных) выборок. Применяется для анализа данных, где каждое наблюдение в одной выборке связано с конкретным наблюдением в другой выборке (например, измерения «до» и «после» на одних и тех же объектах, или сравнение парных наблюдений, подобранных по общим признакам). Критерий основан на распределении Стьюдента и позволяет оценить статистическую значимость различий между средними значениями, учитывая корреляцию между парами.

История

Метод был разработан Уильямом Сили Госсетом, работавшим под псевдонимом «Стьюдент» (Student) на пивоварне «Гиннесс» в Дублине. В 1908 году Госсет опубликовал работу «Вероятная ошибка среднего», в которой заложил основы t-распределения. Изначально критерий был создан для контроля качества пива — проверки однородности партий солода. Парный t-критерий как частный случай t-теста для зависимых выборок развился из более общего подхода, когда исследователи столкнулись с необходимостью анализировать данные, полученные на одних и тех же объектах в разных условиях. В 1920-х годах Рональд Фишер математически обосновал и популяризировал t-критерий, включив его в свою теорию дисперсионного анализа.

Условия применения

Для корректного использования парного t-критерия необходимо соблюдение ряда условий:

1. Зависимость выборок: Каждое значение первой выборки должно быть попарно связано с конкретным значением второй выборки. Пары формируются либо естественным образом (повторные измерения), либо искусственно (подбор пар по ключевым признакам).
2. Нормальность распределения разностей: Разности между парными значениями (d = X₂ — X₁) должны быть распределены приблизительно нормально. Сами исходные выборки могут не подчиняться нормальному закону. Нарушение этого условия при малых объёмах выборок (n < 30) может привести к искажению результатов.
3. Непрерывность данных: Измеряемая переменная должна быть количественной (интервальной или относительной шкалой).
4. Отсутствие значимых выбросов: Экстремальные значения в разностях могут сильно повлиять на результат, особенно при малых n.

Формула и расчёт

Статистика парного t-критерия (t-статистика) вычисляется по формуле:

\[ t = \frac{\bar{d}}{s_d / \sqrt{n}} \]

где:

• \(\bar{d}\) — среднее арифметическое разностей парных значений (\(\bar{d} = \frac{1}{n} \sum_{i=1}^{n} d_i\));
• \(s_d\) — стандартное отклонение разностей (\(s_d = \sqrt{\frac{\sum_{i=1}^{n} (d_i - \bar{d})^2}{n-1}}\));
• \(n\) — количество пар наблюдений.

Полученное значение t сравнивается с критическим значением из таблицы распределения Стьюдента с числом степеней свободы \(df = n - 1\) при заданном уровне значимости (обычно α = 0,05). Если \(|t|\) превышает критическое значение, нулевая гипотеза о равенстве средних отклоняется.

Пример вычисления

Пусть имеются данные о весе 5 человек до и после диеты (в кг):

1. Среднее разностей: \(\bar{d} = (-2 - 3 - 1 - 3 - 4) / 5 = -2,6\).
2. Стандартное отклонение разностей: \(s_d = \sqrt{\frac{(-2+2,6)^2 + (-3+2,6)^2 + (-1+2,6)^2 + (-3+2,6)^2 + (-4+2,6)^2}{4}} = \sqrt{\frac{0,36 + 0,16 + 2,56 + 0,16 + 1,96}{4}} = \sqrt{1,3} \approx 1,14\).
3. t-статистика: \(t = \frac{-2,6}{1,14 / \sqrt{5}} = \frac{-2,6}{0,51} \approx -5,1\).
4. Критическое значение t для df = 4 и α = 0,05 (двусторонний тест) составляет 2,776. Так как |−5,1| > 2,776, нулевая гипотеза отклоняется — диета статистически значимо снизила вес.

Виды гипотез

Парный t-критерий позволяет проверять три типа гипотез:

• Двусторонняя гипотеза: H₀: μ₁ = μ₂ (средние равны); H₁: μ₁ ≠ μ₂ (средние не равны). Используется, когда направление различий не предполагается.
• Односторонняя гипотеза (левосторонняя): H₀: μ₁ ≥ μ₂; H₁: μ₁ < μ₂. Применяется, если ожидается уменьшение среднего (например, снижение веса).
• Односторонняя гипотеза (правосторонняя): H₀: μ₁ ≤ μ₂; H₁: μ₁ > μ₂. Применяется, если ожидается увеличение среднего.

Выбор типа гипотезы должен быть обоснован до проведения анализа и не может меняться после получения результатов.

Применение

Парный t-критерий широко используется в различных областях:

• Медицина и фармакология: Сравнение показателей пациентов до и после лечения (например, уровень артериального давления, концентрация глюкозы в крови). Оценка эффективности лекарственных препаратов в перекрёстных исследованиях.
• Психология и педагогика: Измерение изменений в когнитивных способностях, уровне тревожности, успеваемости после образовательного вмешательства.
• Техника и производство: Сравнение точности измерений двух приборов на одних и тех же образцах. Оценка влияния модификации оборудования на параметры продукции.
• Экономика и маркетинг: Анализ эффективности рекламной кампании (продажи до и после). Сравнение оценок экспертов на одних и тех же объектах.
• Спорт: Оценка изменения физических показателей спортсменов после тренировочного цикла.

Ограничения и альтернативы

Несмотря на популярность, парный t-критерий имеет ограничения:

• Чувствительность к выбросам: Даже одно аномальное значение разности может существенно исказить результат.
• Требование нормальности: При малых выборках (n < 30) и ненормальном распределении разностей критерий теряет мощность. В таких случаях рекомендуется использовать непараметрическую альтернативу — критерий Уилкоксона для связанных выборок (знаковый ранговый критерий), который не требует нормальности распределения.
• Неприменимость для несвязанных данных: Если выборки независимы (например, две разные группы пациентов), следует использовать непарный t-критерий (t-критерий для независимых выборок) или его непараметрический аналог — U-критерий Манна-Уитни.
• Множественные сравнения: При одновременной проверке нескольких парных гипотез (например, сравнение показателей на 3, 6 и 9 месяцах) возрастает риск ошибки первого рода. Требуется коррекция (например, поправка Бонферрони) или использование дисперсионного анализа с повторными измерениями (ANOVA).

Интересные факты

• Парный t-критерий является частным случаем однофакторного дисперсионного анализа (ANOVA) для двух зависимых групп.
• В статистических пакетах (R, SPSS, Python SciPy) расчёт парного t-критерия обычно реализован как отдельная функция (например, ttest_rel в Python или t.test с параметром paired=TRUE в R).
• Критерий часто путают с тестом для независимых выборок, что является распространённой ошибкой в научных публикациях. Использование неверного критерия может привести к неправильным выводам.

Источники

1. Student. The Probable Error of a Mean. Biometrika, 1908, 6(1): 1-25.
2. Fisher R. A. Statistical Methods for Research Workers. Oliver and Boyd, 1925.
3. Гланц С. Медико-биологическая статистика. Практика, 1999.
4. Field A. Discovering Statistics Using IBM SPSS Statistics. SAGE Publications, 2018.
5. Zar J. H. Biostatistical Analysis. Pearson, 2010.