t检验能用来检验两组数据是否有显著差异性

双总体t检验才是检验两个样本平均数与其各自所代表的总体的差异是否显著。

双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；

一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。

所选择的检查方法必须符合其适用条件。

理论上，即使样本量很小，也可以进行t检验。（例如，如果样本量为10，有些学者认为即使是更小的样本量也可以），只要每组的变量都是正态分布的，两组之间的差方将不会有显著差异。如上所述，数据的正态假设可以通过观察数据的分布或进行正态检验来估计。

方差齐性假设可以用F检验，更有效的是用Levene检验。如果不满足这些条件，可以使用修正后的t检验，或者使用非参数检验代替t检验来比较两组之间的均值。

以上内容参考：百度百科—t检验

可以。

图一：因为置信区间为95%，看最后一栏，Sig=0.003<0.05，说明两组数据具有显著的差异性。

图二：这是独立样本t检验，同样的置信区间为95%，F=5.003>0.05，满足方差齐性检验（如果不满足方差齐性条件，不能进行均值差异检验）。再看Sig=0.03<0.05，说明两组数据具有显著的差异性。

拓展资料：

单总体t检验：单总体 检验是检验一个样本平均数与一已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量 <30，那么样本平均数与总体平均数的离差统计量呈正态分布。

双总体t检验：双总体 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体检验又分为两种情况，一是相关样本平均数差异的显著性检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。二是独立样本平均数的显著性检验。各实验处理组之间毫无相关存在，即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性。

选用的检验方法必须符合其适用条件(注意：t检验的前提：1.来自正态分布总体 2.随机样本 3.均数比较时，要求俩总体方差相等，即具有方差齐性) 。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。

如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。

参考资料：t检验 百度百科

图一：

因为置信区间为95%，看最后一栏，Sig=0.003<0.05，说明两组数据具有显著的差异性。

图二：

这是独立样本t检验，同样的置信区间为95%，F=5.003>0.05，满足方差齐性检验（如果不满足方差齐性条件，不能进行均值差异检验）。再看Sig=0.03<0.05，说明两组数据具有显著的差异性。

拓展资料

t检验分为单总体检验和双总体检验。

单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。

双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况，一是独立样本t检验，一是配对样本t检验。

百度百科t检验

这两个表都是比较两列变量的均值是否差异显著。
第一个表是相关样本t检验，所用的两列变量来自同一批被试，差异是否显著看后面的t值和sig值，主要是sig，一般只要sig<0.05，就认为两组出具的差异显著，具备统计学意义
第二个表是独立样本t检验，这个表由两部分组成，前面一部分是方差齐性检验（levene检验），方差齐性是独立样本t检验的基本前提条件之一，理论上说要满足齐性的条件（也就是方差齐性的F检验的sig>0.05)才可以继续分析，如果条件满足，看后面t检验的sig值，同样是小于0.05就差异显著。如果不满足方差齐性，理论上不能进行均值差异检验，不过实际上还是可以参考第二行假设方差不等的t检验部分的sig。

拓展资料

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。

t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的。戈斯特在位于都柏林的健力士酿酒厂担任统计学家，基于Claude Guinness聘用从牛津大学和剑桥大学出来的最好的毕业生以将生物化学及统计学应用到健力士工业程序的创新政策。戈斯特于1908年在Biometrika上公布t检验，但因其老板认为其为商业机密而被迫使用笔名（学生）。实际上，跟他合作过的统计学家是知道“学生”的真实身份是戈斯特的。

（参考资料 百度百科 t检验）

这两个表都是比较两列变量的均值是否差异显著，
第一个表是相关样本t检验，所用的两列变量来自同一批被试，差异是否显著看后面的t值和sig值，主要是sig，一般只要sig<0.05，就认为两组出具的差异显著，具备统计学意义
第二个表是独立样本t检验，这个表由两部分组成，前面一部分是方差齐性检验（levene检验），方差齐性是独立样本t检验的基本前提条件之一，理论上说要满足齐性的条件（也就是方差齐性的F检验的sig>0.05)才可以继续分析，如果条件满足，看后面t检验的sig值，同样是小于0.05就差异显著。如果不满足方差齐性，理论上不能进行均值差异检验，不过实际上还是可以参考第二行假设方差不等的t检验部分的sig