独立样本T检验的输出

在本节中，我们将讨论独立样本t检验的输出。独立样本t检验的输出如下，是之前定义输入选项文件的输出

第一个表是一个描述性表格。因此，它给出了平均工资、人数以及均值、标准差、标准误差均值。我们有两组，1 和 2。当前工资是我们的因变量，性别是我们的自变量。我们有18 名男性和12 名女性。

男性平均工资为34008.06 美元，相比之下，女性平均工资为15427.42 美元。所以即使我们不做显着性检验，只是看看这些平均值数字，我们也会觉得男性和女性的工资存在巨大差异。因此，我们预计性别对工资有显着影响。

然后我们有这两组的标准差。男性再次获得较高的工资，但男性组的工资方差远高于女性组，实际上超过两倍。

独立样本 t 检验是一种推论检验，它基于样本特征。我们试图对人口进行推断。因此，均值的标准误差基本上是我们从总体中提取的各种样本均值的第一个两个标准差。现在想象一下，我们正在进行研究，并且我们正在从总体中提取大量的子样本。我们抽取一个样本，例如假设我们在员工类别中有10000 人，在 10000 人中，我们随机抽取一个100 样本。现在，这 100 个将具有平均工资和一些标准差。再次，我们抽取另外 100 个样本，这些样本将具有另一个平均值和标准差。同样，我们不断地从总体中抽取样本，我们将获得不同样本的不同平均值。如果我们要抽取的这些样本存在更多变化，这意味着我们在估计总体平均值时会犯更多的错误。这就是为什么我们有一个称为均值的标准误差的数字。因此，这基本上告诉我们从总体中抽取 n 个样本时的平均误差量。因此，我们的均值标准误差远小于平均工资，但相对于女性组而言，男性组的均值标准误差略高。同样，与女性组相比，男性组的标准差再次较高。这可能是由于异常值造成的，因为我们没有消除异常值，但如果我们消除异常值，它会下降。

总而言之，我们将记住我们的标准差不应超过我们的平均值。同样，我们的标准误差也不应超过标准差或平均值。所以这就是对描述性统计的解释。一般来说，我们不应该报告所有内容，但仅为了理解，我们可以了解它。