直接结论：配对样本 t 检验回答的是“一组有自然对应关系的差值，其总体平均数是否偏离某个预设值”，而不是“两列均值看起来是否不同”。同一批人培训前后测量、同一人在两个随机顺序条件下评分，或同一对象由两种仪器测量，都可能构成配对；两轮调查人数刚好相同但参与者不同，不构成配对。发布结果时应报告完整配对数、平均差、差值标准差、置信区间和效应量，并把失访、顺序效应和没有对照组的因果限制单独说明。
配对的单位是差值，不是两列分数
设第 i 人的后测分数为 Yᵢ、前测为 Xᵢ，先固定方向 dᵢ＝Yᵢ－Xᵢ。每一行 dᵢ 都必须来自同一对象和可比口径。若标识符错配、同一人重复提交、前后量表题目或计分方向改变，后续检验再精确也没有可解释性。建表时保留研究对象标识、两个测量时点、原始值、差值、完成状态、版本和异常说明；标识应满足配对所需，又不在分析表暴露无关身份信息。
配对设计的统计效率来自个体内比较：一个始终打高分的人作为自己的参照，稳定的个体差异从差值中被抵消。相关越强，差值波动通常越小。但配对不是天然更优；它要求同一对象接受两次测量，因此更容易出现练习、记忆、疲劳、时间变化和失访。是否配对必须在研究设计阶段决定，不能看到哪种检验更容易显著后再更换。
64 对前后测的完整计算
某培训项目在开始前测量 80 名员工的技能量表，四周后只有 64 人完成同一量表。以“后测减前测”为方向，在这 64 对完整数据中，前测均值为 61.0 分，后测均值为 64.2 分，因此平均差 d̄＝3.2 分；64 个个体差值的样本标准差 sd＝8.0 分。注意，公式需要的是“差值的标准差”，不是前测标准差与后测标准差的平均。
平均差的标准误为 sd÷√n＝8.0÷√64＝1.0 分。检验总体平均差为零时，t＝3.2÷1.0＝3.20，自由度为64－1＝63；双侧 p 值约为0.002。63个自由度下的95%临界值约为2.00，所以平均差区间为3.2±2.00×1.0，即约1.2至5.2分。正确表述是：“完整配对者平均提高3.2分，95%区间约1.2至5.2分”；不能只写“培训效果显著”。
配对标准化效应量 dz＝平均差÷差值标准差＝3.2÷8.0＝0.40。它便于描述相对于个体内波动的变化，但不应机械贴上“小、中、大”的通用标签。假如团队事先规定提高5分才值得推广，当前区间跨过5分，数据既兼容低于行动门槛的改善，也勉强兼容达到门槛的改善；统计显著没有替团队完成成本收益判断。
先看差值分布和异常点
t 检验对平均差进行推断，其分布假设针对 dᵢ，而不是要求前测和后测两列各自都呈正态。应画差值的点图、直方图或正态分位图，检查偏斜、厚尾和少数极端变化。样本较大时，均值推断对温和偏离通常更稳定；样本很小且差值严重偏斜时，一两个对象可能主导结论。不要先做一个正态性检验，然后把“未显著”误写成已经证明正态；图形、数据来源和结果对异常点的敏感性更重要。
异常差值先回到记录判断：是录入反向、量表版本变化、错配，还是一个真实的重要案例。数据错误按预设规则修正；真实值不能只因让 p 值变大就删除。可同时报告包含与排除已说明异常值的敏感性分析，或采用稳健方法。若改用 Wilcoxon 符号秩检验，也要理解它依赖差值分布的相应条件，检验目标并不自动等同于平均差。
16 名失访者可能改变什么
配对 t 检验通常只使用两次都有数据的人，本例从80人缩到64人，完整配对率为64÷80＝80%。如果16名未完成后测者的前测均值为72分，而完成者为61分，失访明显与起点有关；“完整配对者提高3.2分”不能自动外推给最初80人，更不能用零替代缺失后测。
可以做透明的情景分析，而不是假装知道缺失值。若16名失访者平均变化为－2分，则全体80人的情景平均变化为（64×3.2＋16×－2）÷80＝2.16分；若他们平均下降8分，情景均值只有（204.8－128）÷80＝0.96分。这不是对缺失数据的估计，而是在告诉决策者：结论需要多悲观的未观察结果才会明显减弱。正式处理还可基于预设缺失机制使用混合模型或多重插补，并报告模型假设。
前后变化不等于干预因果
即便 t＝3.20，也只能说明完整配对者的平均差与零不太相容。没有随机对照组时，学习同一量表、同期业务变化、自然成熟、回归均值和选择性失访都可能造成前后差。若目标是评价培训效果，应尽量设置同期对照并比较“两组的变化差”，而不是只检验培训组自己是否改变。随机化解决的是组间可比性；配对检验解决的是观测相关性，两者不是同一个概念。
同一人依次体验 A、B 两个方案时，应随机或平衡 AB 与 BA 顺序，记录周期，并判断第一条件的学习是否带到第二条件。界面学习、品牌暴露或知识获得常常无法通过短暂间隔消除；此时平行组可能更可信。简单把 A、B 分数做配对 t 检验，却忽略顺序和携带效应，会把处理差与周期差混在一起。
哪些数据不应使用这个检验
单个有序等级题不一定适合当连续均值处理，应根据量表性质、分布和解释目标选择有序模型或配对秩方法；前后都是“是/否”时，关键数据是从否变是与从是变否的不一致对，可使用 McNemar 类方法；超过两个时间点、时间间隔不齐、有协变量或人员嵌套在团队时，重复测量或混合效应模型通常更合适。要证明两次测量等效或新方案不劣于旧方案，也不能把“不显著”当作证据，而应预设等效界值并使用相应区间检验。
样本规划同样要围绕差值：需要预估有意义的平均差、差值标准差、显著性水平、把握度和失访率。若只有两次原始分数的标准差而不知道相关性，配对设计的所需样本仍不确定；可用小型预测试估计差值波动，并用多个合理值做情景规划。
可直接发布的结果模板
一段合格结果应说明：“80人完成基线，64人完成四周后测并成功配对；量表与计分规则未变。完整配对者平均变化为＋3.2分（差值标准差8.0，95%区间1.2至5.2，t(63)=3.20，双侧p≈0.002，dz=0.40）。16名失访者基线得分更高，情景分析显示其平均变化为－2分时，全体情景均值降为2.16分。研究没有同期对照，因此结果描述前后变化，不单独归因为培训。”
分析前可借助调查数据检验选择指南判断变量类型，使用问卷缺失数据处理审查失访，并结合统计显著性与效应量设定行动阈值；若研究目标是因果判断，还应先区分探索、描述与因果研究。配对 t 检验只是证据链中的计算工具，研究设计决定它最终可以支持多强的结论。