无论是单样本T检验、独立样本T检验还是配对样本T检验，都有几个基本前提：
1. T检验属于参数检验，用于检验定量数据（数字有比较意义的），若数据均为定类数据则使用非参数检验。
2. 样本数据服从正态或近似正态分布。
独立T检验（也称T检验），要求因变量需要符合正态分布性，如果不满足，此时可考虑使用非参数检验，具体来讲应该是MannWhitney检验进行研究。
单样本T检验，其默认前提条件是数据需要符合正态分布性，如果不满足，此时可考虑使用单样本Wilcoxon检验进行研究。
配对样本T检验，其默认前提条件是差值数据需要符合正态分布性，如果不满足，此时可考虑使用配对Wilcoxon检验进行研究。
独立样本t 检验用于分析定类数据与定量数据之间的关系情况。例如研究人员想知道两组学生的智商平均值是否有显著差异。t 检验仅可对比两组数据的差异,如果为三组或更多,则使用方差分析。如果刚好仅两组,建议样本较少(低于100时)使用t 检验,反之使用方差分析。
配对t 检验,用于配对定量数据之间的差异对比关系.例如在两种背景情况下(有广告和无广告);样本的购买意愿是否有着明显的差异性;配对t 检验通常用于实验研究中。
单样本t 检验用于分析定量数据是否与某个数字有着显著的差异性,比如五级量表,3分代表中立态度,可以使用单样本t 检验分析样本的态度是否明显不为中立状态;系统默认以0分进行对比。
独立样本t检验的数据格式
配对样本t检验的数据格式
单样本t检验的spssau操作
区别如下：
1、t检验分为单总体检验和双总体检验。
2、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。
单总体t检验统计量为：
独立样本t检验统计量为：
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。
当总体呈正态分布，如果总体标准差未知，而且样本容量 <30，那么这时一切可能的样本平均数与总体平均数的离差统计量呈t分布。
检验是用 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。 检验分为单总体 检验和双总体检验。
1.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。
2.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。
参考资料来源：百度百科：T检验
t检验用于比较两组独立样本的均值是否存在显著差异，其公式为：
t = (x1 - x2) / sqrt(s1^2/n1 + s2^2/n2)
其中，x1和x2分别表示两组样本的均值，s1和s2分别表示两组样本的标准差，n1和n2分别表示两组样本的样本量。配对t检验公式：
配对t检验用于比较同一组样本在不同时间点或不同条件下的差异，其公式为：
t = (x̄d - μd) / (sd / sqrt(n))
其中，x̄d表示差值（即第二次测量减去第一次测量），μd表示差值的总体均值，sd表示差值的标准差，n表示样本数量。应用条件的区别：t检验适用于两组独立的、近似正态分布的数据。配对t检验适用于相对小样本，且样本数据配对或相关的情况
为使楼主能更好的理解，我将以淘宝购物为例的情景，说明何时使用t检验和配对t检验。
题目：某服装网店针对某款连衣裙进行了促销活动，想要了解促销前后客户购买该款连衣裙的平均花费是否存在显著差异。假设有两组随机抽取的客户，一组是促销前购买的客户，另一组是促销后购买的客户。请分别用t检验和配对t检验来分析这个问题。
先是t检验的应用：
如果我们想要比较促销前后购买该款连衣裙的客户平均花费是否存在显著差异（客户独立，非同一组），我们可以使用t检验。
假设有以下数据：
促销前购买的连衣裙的客户购买金额（元）：120，145，130，110，150，135，125，140，115，180
促销后购买的连衣裙的客户购买金额（元）：118，140，135，120，160，150，130，129，123，168
具体的计算：
促销前购买组：x1 = (120+145+130+110+150+135+125+140+115+180) / 10 ≈ 134
促销后购买组：x2 = (118+140+135+120+160+150+130+129+123+168) / 10 ≈ 135.3
促销前购买组的标准差：s1 ≈ 21.88
促销后购买组的标准差：s2 ≈ 17.51
计算t值：
t = (x1 - x2) / sqrt(s1^2/n1 + s2^2/n2) = (134 - 135.3) / sqrt((21.88^2/10) + (17.51^2/10)) ≈ -0.14
根据自由度和选择的显著水平查找临界值，判断是否存在显著差异。
配对t检验的应用：
如果我们想要比较同一组客户在促销前后购买该款连衣裙的平均花费是否存在显著差异，我们可以使用配对t检验。
假设有以下数据：
同一组客户在促销前的购买金额（元）：120，145，130，110，150，135，125，140，115，180
同一组客户在促销后的购买金额（元）：118，140，135，120，160，150，130，129，123，168步骤：计算每个客户的差值（促销后购买金额-促销前购买金额）：
差值：-2，-5，5，10，10，15，5，-11，8，-12计算差值的均值和标准差：
差值的均值：x̄d = (-2-5+5+10+10+15+5+(-11)+8+(-12)) / 10 = 3.3
差值的标准差：sd ≈ 8.2
计算t值：
t = (x̄d - μd) / (sd / sqrt(n)) = (3.3 - 0) / (8.2 / sqrt(10)) ≈ 1.25
根据自由度和选择的显著水平查找临界值，判断是否存在显著差异。