什么是t检验
T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布。
t检验的前提：
1、来自正态分布总体；
2、随机样本 ；
3、均数比较时，要求两样本总体方差相等，即具有方差齐性
扩展资料
t检验可分为单总体检验和双总体检验，以及配对样本检验
1、单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。
2、双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。
3、配对样本t检验可视为单样本t检验的扩展，不过检验的对象由一群来自常态分配独立样本更改为二群配对样本之观测值之差。
参考资料来源：百度百科-t检验
比如想要分析如下数据：
第一组：44、55、67、45、46、56、69、34、59、78、99；
第二组：49、59、62、56、68、45、77、89、99、102、45；
分析不同组别之间的相关性（差异性）。
分析：由于是分析不同组别之间的相关性（差异性），由于组别是二分类变量，所以考虑使用t检验或者非参数检验，由于数据基本服从正态分布，所以采用t检验和可视化图形进行结合分析。
直方图（正态检验）的结果如下：
从结果中看到直方图呈现类似“倒扣的钟形”，所以认为数据基本服从正态分布。
01、分析流程
T检验的分析流程，大体可以分为四步：
整理成正确的数据格式；
验证t检验的前提条件；（前提条件：正态分布、）
进行操作；
T检验的结果分析；
Step1：
整理数据格式，组别为一列，数据为一列，所以整理的结果如下：
Step2：
T检验的前提条件：
样本独立
正态分布
方差齐性
Step3：t检验操作
上传数据后，点击通用方法的t检验，然后将分析项拖拽到对应分析框内，点击开始分析。
Step4：T检验的结果分析；
02、解读分析结果
从t检验分析结果可以看出，第一组的均值为59.27、第二组的均值为68.27，从均值中可以看出来第二组数据平均水平上大于第一组数据，然后t统计量为-1.077，p值为0.294大于显著性水平，说明模型不显著，也即说明第一组数据与第二组数据之间没有差异性。与此同时我们还可以使用柱形图或者条形图进行可视化分析：
从可视化图形中可以看出第二组数据均值大于第一组数据，但是柱形图中只能看处=出，两组数据的简单对比，对于模型的分析或者显著性的判断，还是需要进行假设检验。
03、指标解读
对于t检验中的t值如何计算得到呢？
样本1的均值，本例子中为59.27；
样本2的均值，本例子中为68.27；
样本1的方差，本例子中为（18.34）^2=336.3556;
样本2的方差, 本例子中为（20.78）^2=431.8084;
样本1的样本量, 本例子中为11;
样本2的样本量, 本例子中为11,
计算t值为：-1.077；其它指标的计算可以登录SPSSAU官网进行查看。
