t 简单介绍 学生 t 检验基础讲解

t 也就是学生 t 检验，是统计学里面非常常用的参数检验方法，主要用来在总体标准差未知，样本量偏小的场景下，判断样本均值和总体均值，或者两组样本均值之间是否存在统计学差异，它之所以被广泛使用，是因为现实实验和调研经常拿不到总体标准差，大样本条件不容易满足，这时候 z 检验不再合适，样本统计量会服从 t 分布，也就是学生 t 分布，这个分布形态由自由度决定，自由度越小曲线尾部越厚，随着自由度增大逐步趋近标准正态分布，使用的时候先确认数据类型和分组形式，核对正态性方差齐性这些前提，再计算 t 统计量，结合 p 值或者 t 分布分位数表完成显著性判断，它是科研课程医学实验社会调查数据分析里面最基础也最常用的检验工具。

t 检验主要分类

单样本 t 检验，用来检验一组样本均值，和已知的理论总体均值有没有差别，自由度等于样本量减一。

配对样本 t 检验，针对同一组对象前后测量，或者一一配对的两组数据，对配对差值做 t 检验，本质等同于单样本 t 检验，自由度等于配对对数减一。

两独立样本 t 检验，对比两组互相独立样本的均值，需要满足两组数据近似正态，方差齐性，方差不齐的时候改用校正 t 检验，自由度等于两组样本量相加再减二。

三类 t 检验对照表

t 检验核心原理

t 统计量的核心逻辑，是把均值之间的差值，除以对应的标准误，得到标准化的统计数值，这个数值越大，代表观测到的差异相对随机波动来说越突出。原假设默认均值没有差异，计算得到 t 值之后，对照 t 分布，就可以算出对应的 p 值，判断这个差异是不是随机误差造成的。

t 检验属于参数检验，这个属性很关键，参数检验的前提就是总体近似正态分布，如果数据严重偏态 outliers 很多，t 检验结果可靠性下降，这种情况一般替换成非参数检验。

t 检验使用基本步骤

第一步 明确研究问题，选定对应的 t 检验类型，写好原假设和备择假设，确定单侧或者双侧检验，提前设定显著性水平 α，常用 0.05。

第二步 检验前提假设，检查数据正态性，两独立样本 t 检验额外做方差齐性检验。

第三步 计算均值标准差标准误，代入公式求出 t 统计量。

第四步 查询 t 分布分位数表或者软件输出 p 值，对比 p 和 α，判断是否拒绝原假设。

第五步 补充解读，除了显著性判断，还要结合效应量置信区间，区分统计学显著和实际意义。

t 检验重要特点

t 检验只适合均值类的连续数值数据，不适合计数分类数据，分类数据一般用卡方检验。

当样本量非常大的时候，t 分布几乎和正态分布重合，t 检验结果和 z 检验差别很小，但是严格来说总体标准差未知，依然优先使用 t 检验。

多组均值对比的时候，不能反复多次两两做 t 检验，多次检验会累积一类错误，多组场景优先使用方差分析 F 检验，F 显著之后再做事后多重比较。

【常见问题】

问题 1 t 检验属于参数检验吗，t 检验对数据有什么基础要求

回答 1 t 检验属于参数检验，t 检验要求数据为连续数值型，总体近似正态分布，两独立样本 t 检验还需要满足方差齐性，数据严重偏态的时候不适合直接使用 t 检验。

问题 2 t 检验里面自由度是什么，t 检验自由度会影响 t 临界值吗

回答 2 t 检验里面自由度是 t 分布的核心参数，t 检验自由度会直接影响 t 临界值，自由度越小，t 分布尾部越厚，相同显著性水平下 t 临界值更大，不同类型 t 检验的自由度计算公式不一样。

问题 3 t 检验可以用来比较三组均值吗，为什么

回答 3 t 检验不推荐直接用来比较三组均值，多次两两 t 检验会累积一类错误，假阳性概率上升，三组均值比较优先选择方差分析，需要两两对比的时候，t 检验要搭配多重比较校正。

问题 4 t 检验和 z 检验核心差别是什么，什么时候优先选 t 检验

回答 4 t 检验和 z 检验核心差别是总体标准差是否已知，总体标准差未知样本偏小的时候优先选 t 检验，总体标准差已知或者大样本场景才考虑 z 检验，t 检验统计量服从 t 分布，z 检验统计量服从标准正态分布。

【免责申明】

本文内容仅用于统计学学习教学参考，t 检验基础介绍不能替代专业统计人员审核，实际科研数据分析请结合研究设计数据特征以及统计规范综合判断，因为检验方法误用产生的分析结论偏差，本文不承担相关责任。