在数据分析的工作中，经常用到的数据统计基本都是：均值、个数、百分比、求和等基本指标，接着从多个维度进行分析，最后刷刷地把统计的数据做成几十页PPT的分析报告，完毕后，会很自豪地说：数据分析其实很简单，那些基本统计的方法都熟练地掌握了。
       或许，在外人看来，你已经是一个比较专业的数据分析师了，但若是有人问你：“请教一下T检验如何做呢？”这个时候的你肯定在脑海中出现这样的情景“T检验是神马？”、“浮云”，弄得这个所谓专业的数据分析师一头雾水，因为很多数据分析师不是专业统计出身的，都是工作之后半路出家的，对很多高级统计分析都很少接触过，因为现实的工作都是均值、个数、百分比、求和居多，其他那些高级统计分析基本没有用过，或许也用不到。
       但是，可以肯定地对大家说：学会一点高级统计分析，对你的专业技能会有更大的提升。因为数据分析中应该把更多的高级统计和现实工作结合起来，能够发挥更大的作用。
       因为中国式教育的关系，大学时代的统计学教材中的很多例子都是和社会工作的现实脱轨的，也很多大学老师因为从毕业就一直留在大学里面任教，脱离了很多社会中的工作实践，在书本里面的很多东西都是很概念的，看起来很有用，但放在工作中却怎么也用不上，所以统计学的应用一直都是留在书本的记忆中。
       对于T检验，这个其实在现实数据分析工作中有很多用处：例如判断促销活动的效果是否显著、网站改版的效果是否显著、新产品对消费者的影响是否显著、新药物对病人的病情的治疗效果是否显著等。从一大串的应用中可以知道了T检验的应用方向：判断效果是否显著。
       大家可以细微地观察电视的广告中，经常会看到减肥的广告，在广告之前，总是出现一个很肥胖的女孩子，因为肥胖，身边缺少很多朋友，去面试好的工作又没希望，去交男朋友又没人看上，广告中会列出一大堆的肥胖的害处。在中间的时候，就会出现一个减肥的产品，该女孩服用了该产品后，过了几个月，女孩的Look完全变了另外一个形状：人苗条了，也漂亮了，更加有自信了，很多男的围绕这个女孩子转。最后会出现一个服用该产品的前后效果对比（如图1），该女孩会在广告中说因为我服用了该公司的这个产品后，觉得效果十分显著，请看我以前的身材和现在的身材对比.

       在这些广告中，我们在这里探讨的并不是广告的本身，而是该广告中所采用的效果评估方法是否就确定是因为该女孩子服用了该产品而出现了显著的效果么？是不是因为该女孩经常控制饮食，并且进行大量运动的效果呢？这些都无法去追述。但是在这里，可以用数据分析中T检验来评估一下该产品的效果是否显著。
       首先随机跟踪一下16个用户的使用该产品与肥胖相关的指标的前后变化，初步模拟的数据如下。

        通过在SPSS里面进行样本配对T检验，其操作如下：

        最后可以得到T检验的结果会得到以下三个表，那么应该如何去分析呢？

表1

表2

表3

       对于这3个表，所需要关注的信息其实不是很多，重点只需关注表3 的关键数据。      表3中的均值那一列是配对样本的平均差值，服用该产品前后的胆固醇平均相差了14.0625，而体重则平均相差了8.0625；重点关注最后一列的数据Sig.(双侧)那列，主要是为双尾检验概率p值，在置信水平为95%时，显著性水平为0.05，第一组的双尾概率p值为0.249，大于0.05，故零假设成立，可以认为服用该产品前后的胆固醇没有显著差异，即说明了服用该产品对降低胆固醇没有效果；第二组的双尾概率p值为0，小于0.05，拒绝零假设，可以认为服用该产品前后的平均体重有显著差异，即服用该产品对降低体重有显著效果。      从该数据分析中，可以得到了一个很关键的结论：服用该产品对降低体重有显著的效果。说明广告里面的产品应该不是骗人的。这下算是明白了T检验的作用了吧。      在进行促销活动评估中，对于评估促销活动是否对用户有显著的效果，建议可以从T检验进行分析一下（当然，要做T检验，首先要让数据服从正态分布，如果不是的话，可以尝试使用数据标准化或相关处理……），而不仅仅是从促销前后的数据上升了多少，提高了多少个百分比，新增了多少个客户，或者把数据变换一下做得更好看就上交。而应该更关注不同促销活动对用户影响程度是否显著进行总结，以便把那些促销显著效果的活动进行归档，对日后的工作提升有更好的帮助。

转自：http://blog.sina.com.cn/s/blog_72e6be57010146qb.html