1,t檢驗和f檢驗的由來
一般而言，為了確定從樣本(sample)統計結果推論至總體時所犯錯的概率，我們會利用統計學家所開發的一些統計方法，進行統計檢定。
通過把所得到的統計檢定值，與統計學家建立了一些隨機變數的概率分布(probabilitydistribution)進行比較，我們可以知道在多少%的機會下會得到目前的結果。倘若經比較後發現，出現這結果的機率很少，亦即是說，是在機會很少、很罕有的情況下才出現；那我們便可以有信心的說，這不是巧合，是具有統計學上的意義的(用統計學的話講，就是能夠拒絕虛無假設nullhypothesis,ho)。相反，若比較後發現，出現的機率很高，並不罕見；那我們便不能很有信心的直指這不是巧合，也許是巧合，也許不是，但我們沒能確定。
f值和t值就是這些統計檢定值，與它們相對應的概率分布，就是f分布和t分布。統計顯著性（sig）就是出現目前樣本這結果的機率。
2，統計學意義（p值或sig值）
結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的乙個遞減指標，p值越大，我們越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.05提示樣本中變數關聯有5%的可能是由於偶然性造成的。即假設總體中任意變數間均無關聯，我們重複類似實驗，會發現約20個實驗中有乙個實驗，我們所研究的變數關聯將等於或強於我們的實驗結果。（這並不是說如果變數間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變數存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.05的p值通常被認為是可接受錯誤的邊界水平。
3，t檢驗和f檢驗
至於具體要檢定的內容，須看你是在做哪乙個統計程式。
舉乙個例子，比如，你要檢驗兩獨立樣本均數差異是否能推論至總體，而行的t檢驗。
兩樣本(如某班男生和女生)某變數(如身高)的均數並不相同，但這差別是否能推論至總體，代表總體的情況也是存在著差異呢？
會不會總體中男女生根本沒有差別，只不過是你那麼巧抽到這2樣本的數值不同？
為此，我們進行t檢定，算出乙個t檢定值。
與統計學家建立的以「總體中沒差別」作基礎的隨機變數t分布進行比較，看看在多少%的機會(亦即顯著性sig值)下會得到目前的結果。
若顯著性sig值很少，比如<0.05(少於5%機率)，亦即是說，「如果」總體「真的」沒有差別，那麼就只有在機會很少(5%)、很罕有的情況下，才會出現目前這樣本的情況。雖然還是有5%機會出錯(1-0.05=5%)，但我們還是可以「比較有信心」的說：目前樣本中這情況(男女生出現差異的情況)不是巧合，是具統計學意義的，「總體中男女生不存差異」的虛無假設應予拒絕，簡言之，總體應該存在著差異。
每一種統計方法的檢定的內容都不相同，同樣是t-檢定，可能是上述的檢定總體中是否存在差異，也同能是檢定總體中的單一值是否等於0或者等於某乙個數值。
至於f-檢定，方差分析(或譯變異數分析，analysis ofvariance)，它的原理大致也是上面說的，但它是透過檢視變數的方差而進行的。它主要用於：均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的互動作用、方差齊性(equality of variances)檢驗等情況。
3，t檢驗和f檢驗的關係
t檢驗過程，是對兩樣本均數(mean)差別的顯著性進行檢驗。惟t檢驗須知道兩個總體的方差(variances)是否相等；t檢驗值的計算會因方差是否相等而有所不同。也就是說，t檢驗須視乎方差齊性(equality of variances)結果。所以，spss在進行t-testfor equality of means的同時，也要做levene's test for equality of variances
。1.在levene's test for equality of variances一欄中 f值為2.36,sig.為.128，表示方差齊性檢驗「沒有顯著差異」，即兩方差齊(equalvariances)，故下面t檢驗的結果表中要看第一排的資料，亦即方差齊的情況下的t檢驗的結果。
2.在t-test for equality of means中，第一排(variances=equal)的情況：t=8.892, df=84, 2-tail sig=.000, mean difference=22.99
既然sig=.000，亦即，兩樣本均數差別有顯著性意義！
3.到底看哪個levene's test for equality of variances一欄中sig,還是看t-test for equality of means中那個sig. (2-tailed)啊?
答案是：兩個都要看。
先看levene's test for equality of variances，如果方差齊性檢驗「沒有顯著差異」，即兩方差齊(equal variances)，故接著的t檢驗的結果表中要看第一排的資料，亦即方差齊的情況下的t檢驗的結果。
反之，如果方差齊性檢驗「有顯著差異」，即兩方差不齊(unequal variances)，故接著的t檢驗的結果表中要看第二排的資料，亦即方差不齊的情況下的t檢驗的結果。
4.你做的是t檢驗，為什麼會有f值呢?
就是因為要評估兩個總體的方差(variances)是否相等，要做levene's test for equality of variances，要檢驗方差，故所以就有f值。
另一種解釋：
t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。
單樣本t檢驗：是用樣本均數代表的未知總體均數和已知總體均數進行比較，來觀察此組樣本與總體的差異性。
配對t檢驗：是採用配對設計方法觀察以下幾種情形，1，兩個同質受試物件分別接受兩種不同的處理；2,同一受試物件接受兩種不同的處理；3，同一受試物件處理前後。
f檢驗又叫方差齊性檢驗。在兩樣本t檢驗中要用到f檢驗。
從兩研究總體中隨機抽取樣本，要對這兩個樣本進行比較的時候，首先要判斷兩總體方差是否相同，即方差齊性。若兩總體方差相等，則直接用t檢驗，若不等，可採用t'檢驗或變數變換或秩和檢驗等方法。
其中要判斷兩總體方差是否相等，就可以用f檢驗。
若是單組設計，必須給出乙個標準值或總體均值，同時，提供一組定量的觀測結果，應用t檢驗的前提條件就是該組資料必須服從正態分佈；若是配對設計，每對資料的差值必須服從正態分佈；若是成組設計，個體之間相互獨立，兩組資料均取自正態分佈的總體，並滿足方差齊性。之所以需要這些前提條件，是因為必須在這樣的前提下所計算出的t統計量才服從t分布，而t檢驗正是以t分布作為其理論依據的檢驗方法。
簡單來說就是實用t檢驗是有條件的，其中之一就是要符合方差齊次性，這點需要f檢驗來驗證。
卡方檢驗，U檢驗，t檢驗，F檢驗
卡方檢驗 主要用於等級資料 t檢驗 適用於計量資料 正態分佈 方差具有齊性的兩組間小樣本比較。包括配對資料間 樣本與均數間 兩樣本均數間比較三種，三者的計算公式不能混淆。也可以這樣理解主要是用於小樣本 樣本容量小於30 的兩個平均值差異程度的檢驗方法。u檢驗 檢驗應用條件與t檢驗基本一致，只是當大樣...
統計中的f檢驗和t檢驗的區別
參考 首先是目的不同。f檢驗用於比較兩種分析方法是否存在顯著差異 單邊檢驗 或者兩種方法緊密度是否存在差異 雙邊檢驗 我記得老師說是用於檢驗新方法是否可行，相當於系統誤差。而t檢驗是利用統計量t，檢驗操作是否存在誤差，或者不同人 不同實驗組 之間是否存在誤差。按這種說法，如果為了徹底檢驗新方法，就得...
統計中的f檢驗和t檢驗的區別
參考 首先是目的不同。f檢驗用於比較兩種分析方法是否存在顯著差異 單邊檢驗 或者兩種方法緊密度是否存在差異 雙邊檢驗 我記得老師說是用於檢驗新方法是否可行，相當於系統誤差。而t檢驗是利用統計量t，檢驗操作是否存在誤差，或者不同人 不同實驗組 之間是否存在誤差。按這種說法，如果為了徹底檢驗新方法，就得...