t检验的原理是什么
有什么意义
t检验有三类，单样本t检验，相关样本t检验以及独立样本t检验最大的差别在于他们本身的概念，单样本t检验指变量与某一单一数值的差异性检验，比如检验某一变量是否不为0，就是和0做比较相关样本t检验是检验两列配对数据差异显著性的分析，所谓相关或者配对，意思是说这两列变量数据是从同一批被试那里收集来的独立样本t检验相对于相关样本t检验，用来检验两列独立数据的均值差异，意指数据取自不同的被试。
SPSS结果的分析
t检验结果的意义
方差检验用的F统计量，均值检验用的是t统计量
F值后面的sig>0.05，说明接受原假设，即方差相等，在这个假设成立的情况下，检验均值是否相等，也就是后面的t检验，t后面的sig=0.00<0.05，拒绝原假设，均值不等。
一家之言
年度优秀检验员的总结报告怎么写
表1假设检验的基本形式表2大样本情况下一个总体均值的检验方法表3Z检验的临界值检测表表4z检验的P值检测表表5小样本情况下一个总体均值的检验方法表6t检验的临界值检测表表7t检验的P值检测表总体比率的检验与总体均值的检验基本上是相同的，区别只在于参数和检验统计量的形式不同。
所以总体均值检验的整个程序可以作为总体比率检验的参考，甚至有很多内容可以完全“照搬”。
表8大样本情况下一个总体比率的检验方法与总体均值和总体比率检验所通常使用的抽样分布（正态分布或分布）不同，一个总体方差的检验用的是卡方分布。
此外，总体方差的检验，不论样本容量的大小，都要求总体服从正态分布，这是由检验统计量的抽样分布决定的。
表9一个总体方差检验的方法
独立样本T检验
t检验过程，是对两样本均数(mean)差别的显著性进行检验。
惟t检验须知道两个总体的方差(Variances)是否相等；t检验值的计算会因方差是否相等而有所不同。
也就是说，t检验须视乎方差齐性(Equality of Variances)结果。
所以，SPSS在进行t-test for Equality of Means的同时，也要做Levene's Test for Equality of Variances 。
1.\ 在Levene's Test for Equality of Variances一栏中 F值为2.36, Sig.为.128，表示方差齐性检验「没有显著差异」，即两方差齐(Equal Variances)，故下面t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。
2.\ 在t-test for Equality of Means中，第一排(Variances=Equal)的情况：t=8.892, df=84, 2-Tail Sig=.000, Mean Difference=22.99\ 既然Sig=.000，亦即，两样本均数差别有显著性意义
3.\ 答案是：两个都要看。
\ 先看Levene's Test for Equality of Variances，如果方差齐性检验「没有显著差异」，即两方差齐(Equal Variances)，故接著的t检验的结果表中要看第一排的数据，亦即方差齐的情况下的t检验的结果。
\ 反之，如果方差齐性检验「有显著差异」，即两方差不齐(Unequal Variances)，故接著的t检验的结果表中要看第二排的数据，亦即方差不齐的情况下的t检验的结果。
4.\ 就是因为要评估两个总体的方差(Variances)是否相等，要做Levene's Test for Equality of Variances，要检验方差，故所以就有F值。
\ 不知这算不算详细回答了你所有的问题。
u检验与t检验的区别是什么
u检验是已知一个正态总体的方差б2，用给定的一组样本x1、x2，…，xn,检验总体均值μ是否等于已知常数μ0的统计检验法。
其检验步骤如下：①提出统计假设H0: μ=μ0；②计算样本均值及u；③按给定的显著水平 ，查正态分布表求值；④进行统计推断。
u检验是在大样本（n＞30）的情况下，检验随机变量的数学期望是否等于某一已知值的一种假设检验方法。
设X1，X2，……，Xn是正态随机变量X的一个样本，总体方差为σ2，假设X的数学期望MX等于某个已知值m0。
根据统计理论，当假设成立时，统计量如右图。
由预先给定的信度α，查正态分布表，得uα。
若计算的│u│＜uα，则接受假设，即X的数学期望MX与m0无显著差异；若│u│≥uα，则拒绝假设，认为X的数学期望与m0有显著差异。
两个正态随机变量在方差已知的条件下，u—检验法可用来检验它们的数学期望是否有显著差异。
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未知的正态分布资料。
简介 t检验是对各回归系数的显著性所进行的检验，（－－这个太不全面了，这是指在多元回归分析中，检验回归系数是否为0的时候，先用F检验，考虑整体回归系数，再对每个系数是否为零进行t检验。
t检验还可以用来检验样本为来自一元正态分布的总体的期望，即均值；和检验样本为来自二元正态分布的总体的期望是否相等） 目的：比较样本均数 所代表的未知总体均数μ和已知总体均数μ0。
计算公式： t统计量： 自由度：v=n - 1适用条件 (1) 已知一个总体均数； (2) 可得到一个样本均数及该样本标准误； (3) 样本来自正态或近似正态总体。
