← 返回摘要统计核查 03 t 检验统计站：原始数据批量分析 V1.0 独立页面｜单样本、两独立样本、配对样本｜批量变量计算｜论文标准表｜CSV导出
选择数据输入方式
当前模式： 导入逐行原始数据，批量完成单样本、两独立样本或配对 t 检验。
一、导入原始数据 每行代表一个观察对象；首行为变量名。支持 CSV、TSV、TXT；Excel .xlsx 需联网加载解析组件。配对宽格式默认每行同一受试者；长格式必须指定ID和时间变量。数据只在本地浏览器处理。
载入示例数据
或粘贴 CSV / 制表符数据 解析粘贴数据
二、选择统计设计与变量 受试者ID 时间/条件变量 比较方向（按选择顺序）
第二步：自动识别待比较的连续指标
全选候选连续指标 清空 批量计算全部指标
Student t 还是 Welch t：如何选择？
先给结论： 对于两独立样本的原始数据，若没有充分理由确认两总体方差相等，通常优先报告 Welch t 检验 。Welch 不要求方差齐，在方差确实相等时与 Student 的效率通常很接近；而方差不齐且样本量不平衡时，Student t 的 P 值和置信区间可能失真。
优先 Welch t
Student t 可以接受
本工具的自动推荐规则
先检查样本量、偏度和离群值；小样本且明显偏态或存在离群值时，标记“待人工核实”，不机械推荐某一种 t 检验。
若 Brown–Forsythe P＜α，或两组 SD 比值＞1.5，或最大/最小样本量比值＞1.5，推荐 Welch t。
若上述风险均未出现，Student t 可以接受；但 Welch 仍是稳健的通用选择。若两种方法结论不同，应优先核查数据分布、离群值、方差差异及研究设计，而不是挑选更显著的结果。
不要误读方差齐性检验： Levene 或 Brown–Forsythe P≥0.05 只是“未发现显著方差差异”，并不能证明总体方差相等，尤其在小样本中检验功效有限。方法选择不能只看一个 P 值。
独立样本论文表：选择统计结果呈现方式 主表检验方法： 自动推荐主检验（默认） 同时展示 Student t 与 Welch t Student t（方差齐假设） Welch t（不假定方差齐） 自动推荐同时考虑分布诊断、Brown–Forsythe 方差齐性、两组 SD 比值、样本量平衡性与异常值。人工切换仅影响论文表显示，不改变统计计算。详细结果始终同时保留两种 t、df、P 及方差齐性检验。Student 与 Welch 的统计量、自由度、P 值和置信区间必须成套报告，不得交叉混用。
三、论文标准统计表 按每个变量的有效样本量计算。独立样本表同时展示两组 Mean ± SD；论文表默认按各变量推荐方法输出，也可选择同时展示 Student t 和 Welch t，或仅展示其中一种；详细结果始终保留两者。配对表同时展示前、后、差值。t 检验均为双侧。
导出论文表 CSV 四、详细统计核查结果 包含正态性诊断（Jarque–Bera，非 Shapiro–Wilk）、Levene/Brown–Forsythe、异常值、方法推荐依据与两套 t 检验。对于小样本，正态性检验功效有限。
导出详细结果 CSV 五、数据与方法提示
V1.0 统计限制： 本工具不把正态性检验不显著视为正态性的证明；目前提供偏态、异常值及样本量提示，不计算 Shapiro–Wilk P 值或 Q–Q 图。Levene 检验基于绝对偏差的单因素 F 检验，Brown–Forsythe 使用组中位数。多重比较的 BH 校正仅供辅助，不自动替代原始 P 值。原始数据统计与摘要统计核查相互独立。