我对选择适当的统计测试有疑问，如下所示：

我有一群人参加培训课程，以衡量培训课程是否有效地提高了参加者的知识。我们做了以下事情：

1. 参加者将在培训前完成预测试（仅限真或假）
2. 参加培训的人员
3. 参加者将在培训后完成后测（仅限真或假）

前测和后测都有完全相同的问题，测试用条形码标记，以便我们能够追踪哪些前测和后测是一对。

通过进一步分解研究问题，可以分为两个部分：

1.培训是否普遍有效

2. 培训能否提高对特定问题（项目）的回答

对于问题1，我认为配对t检验比较合适：我们标记所有测试，每个参加者都会有一个前测和后测分数，我们分别取前测和后测分数的平均值，然后进行配对 t 检验。

对于第 2 题，起初我正在考虑做一个 McNemar 的测试：因为前测和后测中每个问题的答案都可以匹配。我打算做这样的事情。但是后来我收到了一些替代方法，我不确定它是否合适：

1. 统计前测中答对X题的参加者人数，除以答题X的参加者总数，即为百分比
2. 在后测中做同样的事情，所以我们这里有两个百分比
3. 对其执行“配对”t检验

当我第一次看到它时，我想知道如何“配对”每个问题，因为分类数据已经转换为连续数据。也许提议者不小心添加了“pair”这个词，他实际上只表示“t-test”。但我仍然想知道为什么要丢弃基于配对的信息。

这里有几个问题：

1. 对于问题 1，使用配对 t 检验是否合适？
2. 对于问题 2，McNemar 的测试是否合适？
3. 对于问题 2，“t 检验”是否仍然合适？有什么理由首选“t检验”吗？