独立样本t检验，看显著性，应该看什么值

在独立样本t检验中，我们可以通过计算t统计量来判断两组样本均值是否有显著差异。在进行假设检验时，我们需要计算出t值，并且与自由度为n1+n2-2的t分布相比较，得到P值。通常情况下，我们会比较P值和显著性水平α（一般取0.05），如果P值小于α，则拒绝原假设，认为两组样本均值有显著差异。因此，在独立样本t检验中，我们应该看P值，而不是t值。

相关问题

多个独立样本t检验后输出到一张表stata，并且要给显著性标星

要将多个独立样本t检验的结果输出到一张表中并标记显著性水平，可以使用Stata中的`tabstat`命令。

首先，需要进行多个独立样本t检验，这可以使用`ttest`命令完成。例如，假设我们有三组数据，分别为group1、group2和group3：

ttest group1 == group2
ttest group1 == group3
ttest group2 == group3

然后，使用`tabstat`命令将结果输出到一张表中。例如：

tabstat group1 group2 group3, stats(t p) s(label("p-value")) style(fixed) ///
    label c(mean fmt(%9.2f) s(label("Mean")) sd(fmt(%9.2f) s(label("SD"))))

这将输出一个表格，其中包含每个组的均值、标准差、t值、自由度和p值。使用`s(label("p-value"))`将p值标记为“p-value”以提高可读性。`style(fixed)`将表格中的数字格式设置为固定宽度，使其更易于阅读。`c(mean fmt(%9.2f) s(label("Mean")) sd(fmt(%9.2f) s(label("SD"))))`将表格中的每个列标签设置为“Mean”和“SD”以提高可读性，并将均值和标准差格式设置为两位小数。

最后，可以使用`mark`选项将显著性水平标记为星号。例如：

tabstat group1 group2 group3, stats(t p) s(label("p-value")) style(fixed) ///
    label c(mean fmt(%9.2f) s(label("Mean")) sd(fmt(%9.2f) s(label("SD")))) ///
    mark(* < 0.05 ** < 0.01)

这将在p值小于0.05的单元格中添加一个星号，并在p值小于0.01的单元格中添加两个星号。

t检验0.05显著性水平的境界t是多少

t检验的显著性水平通常是在假设检验中使用的，用于判断样本统计量是否与假设相符。在假设检验中，我们通常使用t分布表来查找临界值，以确定样本统计量是否显著不同于假设值。

在0.05显著性水平下，双尾t检验的临界值为t=±1.96。如果t值大于1.96或小于-1.96，则我们可以拒绝原假设，即样本统计量与假设值不同。如果t值在-1.96和1.96之间，则我们不能拒绝原假设，即样本统计量与假设值相似。

需要注意的是，在单尾t检验中，临界值可能会有所不同，具体取决于所使用的检验方法和检验方向。