t检验（亦称student's T test）是医学统计学中常用的一种假设检验方法，t检验通过比较不同数据的均值，来研究两组数据之间是否存在差异。我们可以用来确定一个治疗方法或一种药物是否显著地改善了患者的症状或生理指标。其本质是基于t分布的统计理论，处理两个总体间的计量资料之间的差异。它可分为3种情况—单样本t检验，独立样本t检验以及配对样本t检验。

一、单样本t检验

单样本t检验用于比较样本数据与一个特定数值之间的差异情况。例如某药品标准重量为100g，我们要检测某一批药品是否符合标准，则可随机抽取50瓶，测取每瓶重量用以检验该批次的药品是否符合标准。

单样本t检验的使用条件—要求数据服从正态性分布。（不服从时，可用检验）

单样本t检验的结果解读—

1、三核心（样本量，样本均数和标准差），产生主观意识。

2、找t和p（p＜0.05则有差异）

二、独立样本t检验

独立t样本检验用于分析定类数据与定量数据之间的关系。定类数据一般为二分类。是通过比较从两个不同总体中抽取的两个样本均值的差异，来推断两个总体的均值是否存在差异。例如我们想要比较A地区和B地区的某个疾病患病率是否存在差异，即可抽取A地区和B地区的人群样本，通过两者的均值是否存在差异来推测两地区此类疾病的患病率是否存在差异。

独立样本t检验的使用条件—独立性、正态性、方差齐性以及定量变量。即我们所抽取的两个样本必须是相互独立的，两个样本的观察值没有重叠，两个样本中的数据必须是正态分布的（可以用正态性检验来检验），两样本方差必须相等（如果不相等，可以使用Welch'sT检验或Mann-Whitney U 检验等其他非参数方法），且数据为定量变量（如果是定性资料，如二分类变量等，需要用非参数检验）

独立样本 t检验的结果解读——

1、看三核心（样本量，均数，标准差），产生主观意识。

2、方差齐性F和P（两个抽样均数之间比较，要求两个t分布形态相差不大才可以。统计上采用levene方差齐性检验判定两个分布是否相同，当p＜0.05时，即有差异，不在一个重量级别，不适合进行比较，需要进行相关规则的调整，即校正的两独立t'检验）

3、t检验t和p（根据第二步的判定选择，第一行为方差齐的结果，第二行为方差不齐进行校正的结果）

三、配对样本t检验

配对样本t检验用于比较配对定量数据之间的差异情况。例如我们可以用于研究某种药物是否具有治疗某种疾病的作用，检测服用该药物前后的生理指标是否发生变化。

配对设计包括四种类型（干预前后配对，同一受试者不同部位配对，条件配对，同一份标本不同检测方法配对）

配对样本t检验使用条件—要求数据服从正态性分布。（不服从正态时，可用配对检验）

配对样本t检验的结果解读—

1、三核心（获取服用该药物前后的样本量、均数和标准差）

2、看相关（有下列四种情况）

a.相关与t检验p均＜0.05，则说明数据一致性好，差异有统计学意义，且差异的产生就是干预因素的作用效果

b.相关不显著，t检验显著，暗示均数存在差异，但个体均数差异变化不一致，均数的差异还受其他因素影响。

c.相关显著，但t检验不显著，说明数据有一致性，但均数差异不显著，即干预措施未发挥作用。

d.相关与t检验均不显著，受试者在两组不具备一致性，组间均数差异没有意义。

3.找t和p（p＜0.05则有差异，认为前后差异有统计学意义）

四、三种t检验的区别——数据格式不同，应用不同，前提条件不同。

见下图：