คุณควรใช้การทดสอบยศลงนามเมื่อข้อมูลที่จะถูกจับคู่
คุณจะพบคำจำกัดความจำนวนมากของการจับคู่ แต่หัวใจสำคัญที่เกณฑ์เป็นสิ่งที่ทำให้คู่ของค่าอย่างน้อยค่อนข้างขึ้นอยู่กับเชิงบวกในขณะที่ค่า unpaired จะไม่ขึ้นอยู่กับ บ่อยครั้งที่การจับคู่แบบพึ่งพาอาศัยเกิดขึ้นเนื่องจากพวกเขากำลังสังเกตการณ์ในหน่วยเดียวกัน (มาตรการซ้ำ ๆ ) แต่มันไม่จำเป็นต้องอยู่ในหน่วยเดียวกัน แต่อย่างใดมีแนวโน้มที่จะเชื่อมโยงกัน (ในขณะที่วัดสิ่งเดียวกัน) จะถือว่าเป็น 'จับคู่'
คุณควรใช้การทดสอบผลรวมอันดับเมื่อข้อมูลไม่ได้จับคู่
นั่นคือทั้งหมดที่มีให้
nn
ผลของการใช้การทดสอบแบบจับคู่เมื่อข้อมูลถูกจับคู่คือโดยทั่วไปแล้วจะให้พลังงานมากขึ้นในการตรวจจับการเปลี่ยนแปลงที่คุณสนใจหากการเชื่อมโยงนำไปสู่การพึ่งพาอย่างมาก * การเพิ่มขึ้นของพลังงานอาจมีนัยสำคัญ
* โดยเฉพาะ แต่พูดค่อนข้างหลวมถ้าขนาดเอฟเฟกต์มีขนาดใหญ่เมื่อเทียบกับขนาดทั่วไปของความแตกต่างของคู่ แต่ขนาดเล็กเมื่อเทียบกับขนาดปกติของความแตกต่างที่ไม่ได้คู่คุณอาจรับความแตกต่างด้วยการจับคู่ที่ ขนาดตัวอย่างค่อนข้างเล็ก แต่มีการทดสอบแบบไม่จับคู่ที่ขนาดตัวอย่างใหญ่กว่าเท่านั้น
อย่างไรก็ตามเมื่อข้อมูลไม่ได้ถูกจับคู่มันอาจจะเป็น (อย่างน้อยเล็กน้อย) ต่อต้านการปฏิบัติต่อข้อมูลที่จับคู่ ที่กล่าวว่าค่าใช้จ่าย - ในการสูญเสียพลังงาน - ในหลาย ๆ กรณีอาจมีขนาดค่อนข้างเล็ก - การศึกษาการใช้พลังงานที่ฉันทำเพื่อตอบคำถามนี้ดูเหมือนจะแนะนำว่าโดยเฉลี่ยแล้วการสูญเสียพลังงานในสถานการณ์ตัวอย่างขนาดเล็กทั่วไป 10 ถึง 30 ในแต่ละตัวอย่างหลังจากปรับเพื่อความแตกต่างในระดับนัยสำคัญ) อาจมีขนาดเล็กอย่างน่าประหลาดใจ
[หากคุณไม่แน่ใจอย่างแท้จริงว่าข้อมูลถูกจับคู่หรือไม่การสูญเสียในการจัดการข้อมูลที่ไม่ได้รับการจับคู่นั้นมักจะค่อนข้างน้อยในขณะที่กำไรอาจมีความสำคัญหากจับคู่กัน สิ่งนี้แนะนำว่าถ้าคุณไม่รู้จริง ๆ และมีวิธีการหาสิ่งที่จับคู่กับสิ่งที่พวกเขาถูกจับคู่ - เช่นค่าที่อยู่ในแถวเดียวกันในตารางในทางปฏิบัติอาจทำให้รู้สึกถึงการกระทำ ราวกับว่าข้อมูลได้รับการจับคู่เพื่อความปลอดภัย - แม้ว่าบางคนอาจมีแนวโน้มที่จะออกกำลังกายมากกว่าที่คุณทำเช่นนั้น]