你手上有兩個小組的資料，想確認它們的平均值是否存在真正的差別？比如：A/B測試裡兩組使用者轉化率不同、新舊教學方法下考試成績不同、兩種肥料對作物產量的影響。這時候就用得上t檢驗。

開啟我們的t檢驗計算器，你會看到左右兩個資料組輸入區。

填寫第一組資料：在“均值1”框填入第一組的平均值，比如85；在“標準差1”框填入第一組的標準差，比如10；在“樣本量1”框填入第一組的人數，比如30。
填寫第二組資料：同樣填好“均值2”、“標準差2”、“樣本量2”。
選擇顯著性水平（α）：一般用0.05，也可以選0.01或0.1。這個值表示你願意承擔多大的“假陽性”風險。
選擇檢驗型別：如果你只關心“組1均值是不是大於組2”，選“單尾（右）”；只關心“是不是小於”選“單尾（左）”；關心“是不是存在差異（不管大還是小）”選“雙尾”。
點選“計算”：右側會立即顯示計算出的t值、p值，以及一句白話結論——“差異顯著”或“差異不顯著”。

你可以同時看t值的絕對值大小，絕對值越大差異越明顯。但真正決策還是以p值爲準。

主算例：你想驗證一種新減肥藥是否有效。實驗組（服藥）30人，平均減重5.2kg，標準差1.8kg；對照組（安慰劑）30人，平均減重1.1kg，標準差1.5kg。顯著性水平選0.05，雙尾檢驗。

在計算器裡輸入：均值1=5.2，標準差1=1.8，樣本量1=30；均值2=1.1，標準差2=1.5，樣本量2=30；α=0.05；檢驗型別=雙尾。點選計算，得到t≈9.65，p≈4.2×10⁻¹²（非常小）。結論：p遠小於0.05，差異極顯著。意思是新藥有明擺着的減重效果。

對照例（邊緣情況）：如果實驗組只有5人，其他數字不變。輸入樣本量1=5，其他相同。得到t≈4.31，p≈0.002。雖然p仍小於0.05，但樣本太小，結論穩定性差，最好多收資料再下結論。計算器下方會提示“樣本量過小，結果僅供參考”。

把配對資料當獨立樣本用：如果同一批人測了兩次（比如用藥前後），應該用配對t檢驗，不是獨立樣本t檢驗。我們這個計算器目前只支援獨立樣本t檢驗，如果你有前後測資料，別用錯。
忽略方差齊性：獨立t檢驗預設兩組方差相等，如果兩組標準差相差很大（比如一組是另一組的2倍以上），結果可能不準。我們的計算器沒有自動校正韋爾奇檢驗，所以當方差差異大時，建議參考其他工具。
顯著性水平亂選：多數領域預設0.05，但某些嚴格場合（比如藥品審批）需用0.01。別隨便改，否則結論可信度會變。
單尾/雙尾選錯：如果你事先沒有明確方向（比如“新藥效果更好”），卻選了單尾檢驗，會更容易得到顯著結果，可能產生誤導。不確定時一律選雙尾。

適用條件：資料大致符合正態分佈（或樣本量≥30時中心極限定理保障）；兩組獨立，不是配對；樣本是隨機抽取的。
不適用情況：比較兩組以上的均值（那時要用方差分析ANOVA）；資料明顯偏態且樣本量很小（比如每組不到10個）；已知方差不相等時，優先選Welch's t檢驗。
精度：我們的計算器採用標準公式，p值計算到小數點後6位，但對於非常極端的t值（比如|t|>100），p值會顯示0.000000，此時只能說“非常顯著”，無法區分更細微差異。
免責宣告：本工具僅供學習參考，不能替代專業統計諮詢。在生命健康、法律等嚴肅領域請使用經認證的統計軟體。

t值多大才算顯著？: t值沒有固定門檻，要看你的自由度和顯著性水平。我們的計算器直接給出p值，你只需看p是否小於你設定的α（比如0.05）即可。
我只有每組的總和和樣本量，沒有標準差怎麼辦？: 那種情況需要其他公式，本工具目前必須輸入標準差。你可以用估算值（比如根據過往資料或同類研究的標準差），但會降低準確性。
t檢驗和z檢驗有什麼區別？: z檢驗要求總體標準差已知且樣本量大；t檢驗在總體標準差未知時用樣本標準差代替，尤其適合小樣本。我們的t檢驗計算器自動使用t分佈，比z檢驗更安全。
為什麼我的p值是0.000000？: 說明t值非常大（比如大於5），p值太小計算器無法顯示精確值。你可以認為p<0.000001，差異極其顯著。
這個計算器能做配對t檢驗嗎？: 不能。本工具只支援獨立樣本t檢驗（兩組樣本來自不同人群）。配對資料請使用差值法手動計算。
輸入了均值、標準差、樣本量，為什麼結果和SPSS不一樣？: 可能是SPSS使用了Welch校正或不同自由度演算法。我們採用經典公式，結果通常非常接近。如果差異大，請檢查輸入是否有誤。

現在你可以在上方計算器裡試試自己的數字，幾秒鐘就能得到結論。

T檢驗計算器