Hvad er parrede data?

Når data eller observationer er parrede, hænger observationerne sammen.

Ofte vil det være differencen mellem to målinger, der er interessant at undersøge. Et eksempel kan være, at man ønsker at måle effekten af en slankekur. Først vejer man alle forsøgsdeltagerne, før kuren starter. Så kan man få et gennemsnit og en spredning på udgangsværdien. Så kan forsøgsdeltagerne gå igennem kuren, og når kuren er slut, kan man veje alle forsøgsdeltagerne igen. Her er det jo tydeligt, at observationerne til at starte med har betydning for observationerne til at slutte med. F.eks. er udgangsvægten jo betydende for slutvægten, og det bør man tage højde for, når man laver sine statistiske tests, for at se om kuren havde effekt.

Hvis data var uparrede, altså man havde målt én gruppe der ikke var på kur og sammenlignet med en anden gruppe der var på kur, så ville man sammenligne gennemsnittene i de 2 grupper. Det man gør, når man har før og efter målinger er, at man for hver forsøgsperson udregner­­­­­­­ differencen mellem udgangsvægt og slutvægt. Så vil man få en række nye observationer, og gennemsnittet af de nye observationer – altså gennemsnittet af differencen – vil beskrive kurens effekt.

Den test man så vælger skal, hvis det er normalfordelt, være en parret t-test. En parret t-test sammenligner ikke gennemsnittet i udgangspunktet med gennemsnittet i slutningen, men undersøger om gennemsnittet af differencen afviger fra 0. Afviger gennemsnittet fra 0, så har kuren haft en effekt. Afviger gennemsnittet af differencen ikke fra 0, så har kuren ikke haft en effekt. Er data ikke normalfordelt bør man bruge Wilcoxon’s test i stedet.