T檢定：

分析→比較平均法→獨立樣本T檢定

T檢定適用的條件是：當自變項是類別變項（nominal scale），依變項是等距（interval scale）時使用。但是僅是用於自變項只有兩類的變項中，像性別便只有兩種屬性。自變項若是超過兩類，則需要使用其他的資料分析方法，如ANOVA。

T檢定是用來檢測兩者的平均值是否有差異

使用T檢定有一個前提:若檢測結果不是常態分佈，則不可使用獨立 t 檢定，並須改為無母數分析.樣本數夠大 通常就當作是常態了。（通常我們設定30人以上就達到常態分配的標準）

理論：

假如你有一個統計問題, 是要推論群體的某項特性, 而該特性可以用一個實數θ來表示. 假設你有一組可以認為是由該群體抽取的隨機樣本, 可以計算一個統計量 S. 這統
計量 S 是θ的估計量, 意思就是用 S 估計(代替)未知的群體參數θ.

但θ是多少我們不知, 而我們的疑問是
    θ=θ*?   θ≦θ*?   θ≧θ*?
於是我們想用 S 來檢驗上列(之一) hypothesis 成立否?
例如:  H0: θ≦θ* against H1: θ>θ*
我們根據 S 的定義導出其抽樣分布之標準差的估計,稱 S
的標準誤, 以 se(S) 表示.

在適當條件下, 若 θ=θ*, 統計量
        t = (S-θ*)/se(S)
可認為服從或近似 t-distribution. 於是利用實際 t 值
與 t-distribution 某些臨界點比較以決定接受 H0 或棄
絕 H0 (接受 H1). 這就是 t-test.

一個簡單例子, 也是最初 t-test 來源, 是常態群體平均
數推論問題: 如果樣本是抽自一個平均數θ, 標準差σ的

常態分布群體, 而θ與σ均未知. 現在關心 H0: θ=θ*
是否成立, 則
    t = (Xbar - θ*)/se(Xbar)
在 H0 成立時服從 d.f. = n-1 的 t-distribution.

ANOVA：分析→比較平均法→單因子變異數分析

自變項三類以上時，就不能再用t檢定了，必須改採變異數分析，這是因為t檢定一次只能比較兩類之間的差異，當自變項有三類時，若用t檢定作兩兩比較，需比較三次，由於在作統計檢定時往往會有些許的誤差，若檢定一個假設需要比較那麼多次，則誤差會增加，檢定出來的結果較不準確，因此需改採ANOVA。它會把alpha值切割，不超過。