在分析两组数据是否存在差异时，我们通常倾向于计算它们的均值以比较其特征。这种方法只能反映出样本的某些特点，并不能直接反映出总体的分布特征。若单独依赖这些参数去判断两组数据的差异，可能会导致较大的误差。为此，统计学家常借助t检验来深入验证两组数据之间是否存在差异。
t检验（也称为Student’s t检验）主要适用于小样本量的情形，尤其是当总体标准差σ未知且呈正态分布时。t检验根据研究方法和性质的不同，可细分为单样本t检验、配对样本t检验以及独立样本t检验等类型。本文将着重介绍常用的两独立样本t检验。
以某县医院4月份骨科和妇产科的住院病人为例，我们各随机抽取了10名病人，并统计了他们的住院天数，如表-1所示。虽然我们可以直接观察数据或计算平均数来比较骨科与妇产科病人的住院天数，但这样仍无法判断这种差异是否源于抽样误差。我们需要采用更为科学的统计学方法进行深入分析。
表-1：骨科与妇产科病人住院天数统计
为方便后续分析，我们先梳理解题思路：
（1）设立假设检验：我们首先假设H0：μ1=μ2，即妇产科和骨科病人住院时间的总体均数相同。然后设定备择假设H1：μ1≠μ2，即两者总体均数存在差异。
（2）计算检验统计量：我们利用SPSS统计分析软件对这组数据进行t检验。在将统计数据导入SPSS并设置相应参数后，我们得到如表-2和表-3所示的结果。
表-2列出了两组病人住院天数的标准差和平均值等数据。而表-3则首先对两组数据的方差齐性进行了检验。根据莱文方差等检验的结果，两组数据的P值为0.659，明显大于0.05的临界值，说明我们可以认为两组数据的方差是齐的。在方差齐的前提下，我们采用表-3中第一列的t检验结果，观察到t检验的P值小于0.001。
（3）根据P值作出推断：两独立样本t检验的自由度为18，且P值小于0.05，因此我们按照α=0.05的水平拒绝H0并接受H1。这表明两组数据之间存在统计学上的差异，即骨科和妇产科病人的平均住院天数确实存在不同。
值得注意的是，使用t检验的前提是两组样本的整体分布需符合要求。要使用两独立样本T检验，两组数据的总体方差σ1和σ2必须相近或一致。当两组样本方差不齐时，可采用变换变量法、t’检验或非参数检验方法等进行分析。
【参考文献】
李康、贺贾合著.《医学统计学（第六版）》[M].卫生出版社, 2013年.第62-63页.