面对来自不同人群的数据，到底以people作为样本还是所有people的samples作为样本？

最近在自己的课题上遇到了很多的参数检验问题，有时候不知道被试间的差异到底应该以什么作为样本
这个问题涉及到统计学上的：独立性假设问题

例如，有9个被试，每个被试有100个Trials，那我是拥有900个独立的samples还是说9个？

1. 统计检验（如 $t$ 检验）有一个基本前提：每一个样本点必须是相互独立的。

• 全部 Trials 放在一起 ($n=900$)：
  这种做法假设这 900 个数据点像 900 个互不认识的人提供的一样。但事实是，被试 A 提供的 100 个数据点高度相关——他可能今天咖啡喝多了反应很快，或者他天生在这个任务上比较慢。后果： 这种做法忽略了“人”这个层面的差异。统计学上这叫 “伪重复（Pseudoreplication）” 。 $p$ 值会变得异常小（极易显著），但这个显著是虚假的。
• 被试均值放在一起 ($n=9$)：这种做法承认：虽然你测了 900 次，但你其实只有 9 个独立的观察对象（9 个大脑）。后果： 样本量虽然变小了，但每一个点（被试均值）都是独立的，符合统计前提。

2. 推论范围：你想代表“这几个人”还是“人类群体”？

• 如果你用全部 Trials ($n=900$)：你的结论只能是：“在这 9 个特定的被试身上，汉字和拼音有差异。”如果其中一个被试贡献了特别多的 trial，或者某个被试极其离群，他会直接带偏整个 900 个点的结果。你无法把结论推向其他没参加实验的人。
• 如果你用被试均值 ($n=9$)：你的结论是：“在人类这个群体中，汉字和拼音的反应时存在差异。”因为你把“被试”看作是从整个人类群体中随机抽取的样本。

3. 一个直观的例子想象
   你要研究“某种药物是否能让猫变聪明”：
   方法 A： 找 1 只猫，让它做 100 次迷宫，发现给药后比不给药快了。如果你说 $n=100$，结论显著。但这科学吗？这只能说明这只猫变快了，也许它只是学会了走迷宫。
   方法 B： 找 9 只猫，每只做 100 次迷宫。你算出每只猫给药前后的平均速度。如果你发现 9 只猫全都变快了，那么 $n=9$ 的检验会告诉你：这种药对所有的猫都有效。

建议：
对于 Master 论文或常规学术发表，先计算 $n=9$ 的均值进行配对 $t$ 检验。
如果 $n=9$ 实在不显著（因为 $n$ 太小），再考虑学习使用 线性混合模型 (LMM)。LMM 的神奇之处在于它允许你输入全部 900 个 trials，但它会在模型里加入一个“随机截距（Random Intercept）”，告诉软件：“这 100 个点是属于被试 1 的，那 100 个是属于被试 2 的，请把他们的个体差异扣除掉。”

明明是同一个被试做的实验，为什么“被试内”的试次（trials）比较反而建议用“不配对”的检验？

两种检验方法：

1. mannwhitneyu 是非参数、不配对（独立样本）检验；

2. wilcoxon 是非参数、配对检验。

3. 核心区别：到底什么是“配对”？

• Wilcoxon 符号秩检验 (Paired / Dependent)

  • 逻辑： 它计算的是每一对数据之间的差值。
  • 要求： 两组数据的样本量必须完全相等。
  • 场景： 比如你测量了 9 个被试“吃药前”和“吃药后”的血压。被试 A 的“前”只能和被试 A 的“后”减一下。如果你把顺序打乱，这个检验就失效了。

• Mann-Whitney U 检验 (Unpaired / Independent)

  • 逻辑： 它把两组数据混在一起排名（Rank），看哪一组的排名普遍更靠前。
  • 要求： 样本量可以不相等。
  • 场景： 比如你想比较“男生”和“女生”的反应时。男生的第 1 个数据和女生的第 1 个数据之间没有任何特殊的联系。

总结： 在单个被试内部比较不同条件的 trials 时，由于 trial 之间是独立的随机观测，我们通常把它们看作两堆独立的“采样点”，因此用 Mann-Whitney U。

4. 统计学意义上的“差距”假设不同：

• Mann-Whitney 检验的是：两组数据的分布是否有位置偏移（即一组是否普遍比另一组大）。
• Wilcoxon 检验的是：配对差值的中位数是否偏离 0。
• 统计效力 (Power)：如果你明明有配对关系（比如 $n=9$ 的组检验），却错误地用了不配对的 Mann-Whitney，你的 $p$ 值会变得很大，很难发现显著差异。因为不配对检验会把“被试间的个体差异”误认为是“随机噪音”，参数检验通常比非参数检验更灵敏。