t檢驗（亦稱student's T test）是醫學統計學中常用的一種假設檢驗方法，t檢驗通過比較不同數據的均值，來研究兩組數據之間是否存在差異。我們可以用來確定一個治療方法或一種藥物是否顯著地改善了患者的癥狀或生理指標。其本質是基于t分布的統計理論，處理兩個總體間的計量資料之間的差異。它可分為3種情況—單樣本t檢驗，獨立樣本t檢驗以及配對樣本t檢驗。

一、單樣本t檢驗

單樣本t檢驗用于比較樣本數據與一個特定數值之間的差異情況。例如某藥品標準重量為100g，我們要檢測某一批藥品是否符合標準，則可隨機抽取50瓶，測取每瓶重量用以檢驗該批次的藥品是否符合標準。

單樣本t檢驗的使用條件—要求數據服從正態性分布。（不服從時，可用檢驗）

單樣本t檢驗的結果解讀—

1、三核心（樣本量，樣本均數和標準差），產生主觀意識。

2、找t和p（p＜0.05則有差異）

二、獨立樣本t檢驗

獨立t樣本檢驗用于分析定類數據與定量數據之間的關系。定類數據一般為二分類。是通過比較從兩個不同總體中抽取的兩個樣本均值的差異，來推斷兩個總體的均值是否存在差異。例如我們想要比較A地區和B地區的某個疾病患病率是否存在差異，即可抽取A地區和B地區的人群樣本，通過兩者的均值是否存在差異來推測兩地區此類疾病的患病率是否存在差異。

獨立樣本t檢驗的使用條件—獨立性、正態性、方差齊性以及定量變量。即我們所抽取的兩個樣本必須是相互獨立的，兩個樣本的觀察值沒有重疊，兩個樣本中的數據必須是正態分布的（可以用正態性檢驗來檢驗），兩樣本方差必須相等（如果不相等，可以使用Welch'sT檢驗或Mann-Whitney U 檢驗等其他非參數方法），且數據為定量變量（如果是定性資料，如二分類變量等，需要用非參數檢驗）

獨立樣本 t檢驗的結果解讀——

1、看三核心（樣本量，均數，標準差），產生主觀意識。

2、方差齊性F和P（兩個抽樣均數之間比較，要求兩個t分布形態相差不大才可以。統計上采用levene方差齊性檢驗判定兩個分布是否相同，當p＜0.05時，即有差異，不在一個重量級別，不適合進行比較，需要進行相關規則的調整，即校正的兩獨立t'檢驗）

3、t檢驗t和p（根據第二步的判定選擇，第一行為方差齊的結果，第二行為方差不齊進行校正的結果）

三、配對樣本t檢驗

配對樣本t檢驗用于比較配對定量數據之間的差異情況。例如我們可以用于研究某種藥物是否具有治療某種疾病的作用，檢測服用該藥物前后的生理指標是否發生變化。

配對設計包括四種類型（干預前后配對，同一受試者不同部位配對，條件配對，同一份標本不同檢測方法配對）

配對樣本t檢驗使用條件—要求數據服從正態性分布。（不服從正態時，可用配對檢驗）

配對樣本t檢驗的結果解讀—

1、三核心（獲取服用該藥物前后的樣本量、均數和標準差）

2、看相關（有下列四種情況）

a.相關與t檢驗p均＜0.05，則說明數據一致性好，差異有統計學意義，且差異的產生就是干預因素的作用效果

b.相關不顯著，t檢驗顯著，暗示均數存在差異，但個體均數差異變化不一致，均數的差異還受其他因素影響。

c.相關顯著，但t檢驗不顯著，說明數據有一致性，但均數差異不顯著，即干預措施未發揮作用。

d.相關與t檢驗均不顯著，受試者在兩組不具備一致性，組間均數差異沒有意義。

3.找t和p（p＜0.05則有差異，認為前后差異有統計學意義）

四、三種t檢驗的區別——數據格式不同，應用不同，前提條件不同。

見下圖：