统计学中p值和t值的区别如下：
p值为显著性值，或者Sig值，用于描述某件事件发生的概率情况，其取值范围介于0到1之间，不包括0或者1。通常情况下P值有三个标准，分别是0.01，0.05和0.1。如果P值小于0.01即说明某件事情的发生至少有99%的把握，如果P值小于0.05（并且大于0.01）则说明某件事情的发生至少有95%的把握。针对大部分分析，都需要通过显著性检验，说明分析具有统计学意义。
t值一般是指统计量，可以通过计算得到t值，得到t值后可以得到p值。在分析中一般关注p值较多。
使用SPSSAU举例说明如下：
结果如下：
性别对于创新绩效呈现出0.01水平显著性(t=-5.704，p=0.000)，以及具体对比差异可知， 男的平均值(-0.22)，会明显低于女的平均值(0.30)。不同性别样本对于创新绩效全部均呈现出显著性差异。
统计中t值和p值的区别为：
1、t值，指的是T检验，主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。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。
2、P值，就是当原假设为真时，所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
p值代表的是不接受原假设的最小的显著性水平，可以与选定的显著性水平直接比较。例如取5%的显著性水平，如果P值大于5%，就接受原假设，否则不接受原假设。这样不用计算t值，不用查表。
扩展资料：
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未知的正态分布资料。
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Z检验、卡方检验并列。
P值来源于六西格玛管理，是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进 行比较。由R·A·Fisher首先提出。
P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
参考资料来源：百度百科-P值
参考资料来源：百度百科-t检验