1T检验和F检验的由来一般而言，為了确定从样本(sample)统计结果推论至总体时所犯错的概率我们会利用统计学家所开发的一些统计方法，进行统计检定通过把所得到的统计檢定值，与统计学家建立了一些随机变量的概率分布(probabilitydistribution)进行比较我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现出現这结果的机率很少，亦即是说是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合是具有统计学上的意義的(用统计学的话讲，就是能够拒绝虚无假设nullhypothesis,Ho)相反，若比较后发现出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合也许是巧合，也许不是但我们没能确定。F值和t值就是这些统计检定值与它们相对应的概率分布，就是F分布和t分布和t检验一样吗统计显著性（sig）就是出现目前样本这结果的机率。2统计学意义（P值或sig值）结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上p值为结果可信程度的一个递减指标，p值越大我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值昰将观察结果认为有效即具有总体代表性的犯错概率如p=/usercenter?uid=0f2d05e79abb3&teamType=1">F

独立样本t检验1.在进行独立样本T检验之前，要先对数据进行正态性检验

满足正态性才能进一步分析，不满足可以采用数据

转化或非参数秩和检验；2.在菜单栏上执行：分析-比较均数-独立样本t检验；3.将要比较平均数的变量放到检验变量将分组变量放到分组变量，点击定义组；4.打开的对话框中设置组1和组2的值分别是分组类别，然后点