均值差异
非配对 t 检验比较两个组的平均值。请注意，这种检验通常称为独立样本 t 检验。
最有用的结果是均值差的置信区间。实验的目的是看两个均值相差多远。置信区间告诉你知道这个差值有多精确。如果分析假设成立，您就可以有 95% 的把握认为 95% 置信区间包含了均值之间的真实差值。
在很多情况下，这个置信区间就是你所需要的全部。请注意，您可以在 t 检验对话框的 "选项 "选项卡中更改差异的符号，您可以告诉 Prism 从 A 中减去 B 列，或从 B 中减去 A 列。
Prism 还会报告两个均值之间的差值以及该差值的标准误差。
P 值
P 值用于询问两组平均值之间的差异是否可能是偶然造成的。它可以回答这个问题：
使用 P 值来简单说明差异是否具有 "统计学显著性"是传统的做法，但没有必要，通常也没有用处。
您将根据 P 值的大小对结果做出不同的解读。
t 比率
要计算非配对 t 检验的 P 值，Prism 首先要计算 t 比率。t 比值是样本平均值之间的差异除以差异的标准误差，差异的标准误差是通过合并两组的 SEM 计算得出的。如果差值与差值的标准误差相比很大，那么 t 比值就会很大（或很大的负数），P 值就会很小。t 比值的符号只表示哪个组的平均值较大。Prism 会报告 t 比值，因此您可以与其他程序或教科书中的本示例进行比较。在大多数情况下，您需要关注置信区间和 P 值，可以放心地忽略 t 比值。
对于非配对 t 检验，自由度（df）等于样本量总数减 2。韦尔奇 t 检验（t 检验的一种改进，不假定等方差检验）通过一个复杂的方程计算 df。
不等方差的 F 检验
非配对 t 检验依赖于以下假设：两个样本来自具有相同标准偏差（因此具有相同方差）的群体。Prism 使用 F 检验来检验这一假设。
首先计算两组样本的标准偏差，然后将其平方得出方差。F 比率等于较大方差除以较小方差。因此 F 总是大于（或可能等于）1.0。
然后问 P 值：
如果两个种群真的具有相同的方差，那么得到这么大或更大的 F 比的机会有多大？
不要把检验等方差（标准偏差）的 P 值与检验平均值是否相等的 P 值混为一谈。后一个 P 值才是您在选择 t 检验时最有可能思考的问题的答案。
非配对 t 检验的 R 平方
与大多数统计程序不同，Prism 会报告一个R2值，作为非配对 t 检验结果的一部分。它量化了样本中所有变异中被组平均值差异所解释的部分。如果 R2=0.36，这意味着数值之间所有变异的 36% 归因于两组平均值之间的差异，剩下 64% 的变异来自于组内数值之间的分散。
如果两个组的平均值相同，那么数值之间的变化就都不是由组间平均值的差异造成的，因此R2等于零。如果组平均值之间的差异与组内的散布相比非常大，那么数值之间几乎所有的变化都是由组间差异造成的，R2将接近 1.0。
