独立样本t检验和单样本t检验的区别
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。
（1）独立样本
（2）正态性
独立样本t检验要求两组数据满足正态性检验；正态性检验的方法有很多，例如：正态性检验、直方图、P-P图/Q-Q图等。但是独立样本t检验具有一定的耐受性，如果数据只是稍稍偏离正态，结果仍然是稳定的，但是如果数据严重偏离，此时均数不能很好的代表数据的集中趋势，这种情况下最好考虑采用变量转化（其中包括：取对数，开根号，BoxCOX变换等）或者使用非参数检验：MannWhitney检验（SPSSAU通用方法->非参数检验）。
（3）方差齐性
对于独立样本t检验，除了要满足正态性，还需要满足方差齐的前提条件。即方差齐的情况下，才可以使用t检验。在做t检验时，SPSSAU会自动完成方差齐检验，并根据检验结果，自动判断结果输出哪一种结果，因此研究者不需要再单独检验方差齐性。
背景：研究不同性别群体对网购满意度是否有差异。
（1）t 检验分析结果
从上表可以看出：不同性别样本对于网购满意度全部均呈现出显著性(p<0.05)，意味着不同性别样本对于网购满意度均有着差异性。具体分析可知：性别对于网购满意度呈现出0.01水平显著性(t=-13.816，p=0.000)，以及具体对比差异可知， 女的平均值(0.50)，会明显低于男的平均值(1.63)。总结可知：不同性别样本对于网购满意度全部均呈现出显著性差异。
单样本t检验是检验什么的？
是与某数字对比的差异。
SPSSAU分析结果：
从上表可以看出：14岁女孩身高全部均呈现出显著性(p<0.05)，意味着14岁女孩身高共1项的平均值均与数字150.0有着统计意义上的差异。具体分析可知：14岁女孩身高共1项，它们的平均值会明显的低于数字150.0。
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