请完成以下步骤来解释双样本等价检验。主要输出包括差值（或比值）的估计值、置信区间、等价图和其他图形。
第 1 步：确定检验均值与参考均值是否等价
将置信区间与等价限值进行比较。如果置信区间完全在等价限值内，则可以声明检验总体均值等于参考总体均值。如果部分置信区间超出等价限值，则无法声明等价。
差值: 均值(折扣) - 均值(原始)
| 差值 | SE | 对等项的 95% CI | 等价区间 |
|---|---|---|---|
| -0.12122 | 0.20324 | (-0.483449, 0.241005) | (-0.5, 0.5) |
主要结果：95% 置信区间，等价区间
在这些结果中，95% 置信区间完全位于由等价下限 (LEL) 和等价上限 (UEL) 定义的等价区间内。因此，您可以得出检验均值等于参考均值的结论。
注意
您还可以使用 p 值评估等价检验的结果。为了证明等价，这两个原假设的 p 值必须都低于 Alpha。
步骤 2：检查数据是否有问题
您数据中存在的问题（如偏度或异常值）可对结果产生不利影响。可使用图形来查找偏度（通过检查数据的散布）以及确定可能的异常值。
确定数据是否偏斜
如果数据偏斜，则大多数数据会靠近于图形的高端或低端。通常情况下，在箱线图或直方图中最易于识别偏度。
右偏斜
左偏斜
例如，右偏斜的直方图显示薪金数据。很多员工的薪金相对较低，而薪金较高的员工越来越少。左偏斜的直方图显示故障率数据。少数项目在早些时候发生故障，而在后期发生故障的项目逐渐增多。
如果您的样本较小（小于 20 个值），严重偏斜的数据可能会影响检验结果的有效性。如果您的数据严重偏斜，并且样本较小，请考虑增大样本数量。
标识异常值
异常值是远离其他数据的数据点，可能会显著影响您的结果。在箱线图上最容易识别异常值。
在箱线图上，异常值用星号 (*) 标识。
您应该尝试找出导致任何异常值的原因。更正任何数据输入错误或测量误差。可以考虑删除与特殊原因相关的数据，然后重新执行分析。有关特殊原因的更多信息，请转到使用控制图检测常见原因变异和特殊原因变异。
比较数据的散布（可选）
默认情况下，等价检验不假定每个组的方差相等。但是，如果您为检验选中假定等方差选项，请比较每个组的图形以确保数据的散布相似。如果散布显著不同，则在执行检验时不应当假定等方差。
注意
要正式检查等方差，请使用双方差检验。
在这些图形中，数据看上去不偏斜，而且没有异常值。
检验组和参考组的数据散布看上去并不相同。因此，您不应该为检验假定等方差。
