计算不同条件不同应用不同SPSSAU分析路径计算不同T检验t=X¯−μσXnt=rac{ar{X}-mu}{rac{sigma_{X}}{sqrt{n}}}其中为样本平均数，为样本标准

偏差，为样本数该统计量升零假说为真的条件下服从自由度为的分布其中i=1…n,x¯=∑i=1nxin为样本平均数，s=∑i=1n(xi−x¯)2n为样本标准偏差，n为样本数该统计量升零假说:μ=μ0为真的

条件下服从自由度为n的分布其中 i=1 ldots n, ar{x}=rac{sum_{i=1}^{n} x_{i}}{n} 为样本平均数， s=sqrt{rac{sum_{i=1}^{n}left(x_{i}-ar{x} ight)^{2}}{n}} 为样本标准偏差， n 为样本数。

该统计量升零 假说: mu=mu_{0} 为真的条件下服从自由度为 n 的分布SPSSAUF检验样本标准偏差的平方，即：S2=Σ(x−x¯)2/(n−1)S^{2}=Sigma(x-ar{x})^{2} /(mathrm{n}-1)

两组数据就能得到两个 S2S^{2} 值, F=S12/S22mathrm{F}=mathrm{S_1}^{2} / mathrm{S_2} ^2然后计算的F值与查表得到的F表值比较，如果F < F表 表明两组数据没有显著差异；

F ≥ F表 表明两组数据存在显著差异条件不同T检验是有条件的，其中之一就是要符合方差齐次性，这点需要F检验来验证t检验的前提是方差齐，只有方差齐了，t检验的结果才反应两组数据的是否有差异，否则如果方差不齐的话，会把组内的差异也考虑进去，所以判定的概率就更宽松。

而F检验其实就是看组间差异和组内差异的比较，所以本质上和t检验方差齐的概念相似但是实际上在方差不齐的时候是无法进行t检验的，结果不具有统计学意义应用不同T检验（1）独立样本t检验（2）配对t检验（3）单样本t检验。

F检验（1）方差齐性分析（2）方差分析（3）线性回归分析SPSSAU分析路径T检验

F检验

SPSSAU​www.spssau.com/?100001000