两独立样本均值差异的检验 (Test for the Difference between Two Independent Sample Means)
两独立样本均值差异的检验 ，通常称为两样本t检验 (Two-Sample t-test) ，是一种在统计推断 中被广泛使用的假设检验 方法。其核心目标是，基于从两个独立的总体 中分别抽取的两个样本 ，来判断这两个总体的均值 是否存在显著差异。例如，比较两种教学方法下学生的平均考试成绩，或比较新药与安慰剂 对病患生理指标的影响。该检验是计量经济学 、生物统计学和社会科学等领域进行实验数据分析的基础工具。
检验逻辑与基本假设
假设有两个独立总体，均值分别为 μ 1 \mu_1 μ 1 μ 2 \mu_2 μ 2 x ˉ 1 \bar{x}_1 x ˉ 1 x ˉ 2 \bar{x}_2 x ˉ 2 抽样误差 的存在，即使 μ 1 = μ 2 \mu_1 = \mu_2 μ 1 = μ 2 观测到的样本均值之差 ( x ˉ 1 − x ˉ 2 ) (\bar{x}_1 - \bar{x}_2) ( x ˉ 1 − x ˉ 2 ) 两样本t检验通过构建标准化检验统计量来回答。
进行检验前须满足三个关键假设：
独立性 (Independence) ：两个样本相互独立，样本内部观测值亦独立。随机分组可确保独立性。正态性 (Normality) ：两总体服从正态分布 。根据中心极限定理 ，当两样本容量足够大时（通常 n 1 ≥ 30 n_1 \ge 30 n 1 ≥ 30 n 2 ≥ 30 n_2 \ge 30 n 2 ≥ 30 方差齐性或非齐性 ：方差齐性 假设两总体方差 相等 σ 1 2 = σ 2 2 \sigma_1^2 = \sigma_2^2 σ 1 2 = σ 2 2 方差非齐性 则不假设相等。这一区分决定使用何种t检验形式。检验统计量计算
合并t检验（方差齐性）
当有理由相信两总体方差相等时，使用合并t检验 (Pooled t-test) 。先计算合并样本方差：
s p 2 = ( n 1 − 1 ) s 1 2 + ( n 2 − 1 ) s 2 2 n 1 + n 2 − 2 s_p^2 = \frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2} s p 2 = n 1 + n 2 − 2 ( n 1 − 1 ) s 1 2 + ( n 2 − 1 ) s 2 2 其中 s 1 2 , s 2 2 s_1^2, s_2^2 s 1 2 , s 2 2 n 1 , n 2 n_1, n_2 n 1 , n 2
t = ( x ˉ 1 − x ˉ 2 ) − D 0 s p 2 ( 1 n 1 + 1 n 2 ) t = \frac{(\bar{x}_1 - \bar{x}_2) - D_0}{\sqrt{s_p^2 \left( \frac{1}{n_1} + \frac{1}{n_2} \right)}} t = s p 2 ( n 1 1 + n 2 1 ) ( x ˉ 1 − x ˉ 2 ) − D 0 D 0 D_0 D 0 D 0 = 0 D_0 = 0 D 0 = 0 d f = n 1 + n 2 − 2 df = n_1 + n_2 - 2 df = n 1 + n 2 − 2 t分布 。
韦尔奇t检验（方差非齐性）
在大多数实际应用中推荐使用韦尔奇t检验 (Welch's t-test) ，它不要求方差齐性，更稳健。统计量为：
t = ( x ˉ 1 − x ˉ 2 ) − D 0 s 1 2 n 1 + s 2 2 n 2 t = \frac{(\bar{x}_1 - \bar{x}_2) - D_0}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}} t = n 1 s 1 2 + n 2 s 2 2 ( x ˉ 1 − x ˉ 2 ) − D 0 自由度采用韦尔奇-萨特思韦特方程 近似：
d f ≈ ( s 1 2 n 1 + s 2 2 n 2 ) 2 ( s 1 2 / n 1 ) 2 n 1 − 1 + ( s 2 2 / n 2 ) 2 n 2 − 1 df \approx \frac{\left(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}\right)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}} df ≈ n 1 − 1 ( s 1 2 / n 1 ) 2 + n 2 − 1 ( s 2 2 / n 2 ) 2 ( n 1 s 1 2 + n 2 s 2 2 ) 2 统计决策与置信区间
假设设立
原假设 H 0 H_0 H 0 备择假设 H a H_a H a
双尾检验 ：H 0 : μ 1 = μ 2 H_0: \mu_1 = \mu_2 H 0 : μ 1 = μ 2 H a : μ 1 ≠ μ 2 H_a: \mu_1 \neq \mu_2 H a : μ 1 = μ 2 右尾检验 ：H 0 : μ 1 ≤ μ 2 H_0: \mu_1 \le \mu_2 H 0 : μ 1 ≤ μ 2 H a : μ 1 > μ 2 H_a: \mu_1 > \mu_2 H a : μ 1 > μ 2 左尾检验 ：H 0 : μ 1 ≥ μ 2 H_0: \mu_1 \ge \mu_2 H 0 : μ 1 ≥ μ 2 H a : μ 1 < μ 2 H_a: \mu_1 < \mu_2 H a : μ 1 < μ 2 决策方法
临界值法 ：设定显著性水平 α \alpha α α \alpha α 临界值 t critical t_{\text{critical}} t critical ∣ t ∣ > t critical |t| > t_{\text{critical}} ∣ t ∣ > t critical H 0 H_0 H 0
p值法 ：计算与统计量t对应的p值 。p值是在 H 0 H_0 H 0 p < α p < \alpha p < α H 0 H_0 H 0
若拒绝 H 0 H_0 H 0
均值差异的置信区间
为 μ 1 − μ 2 \mu_1 - \mu_2 μ 1 − μ 2 置信区间 ：
( x ˉ 1 − x ˉ 2 ) ± t α / 2 , d f × 标准误 (\bar{x}_1 - \bar{x}_2) \pm t_{\alpha/2, df} \times \text{标准误} ( x ˉ 1 − x ˉ 2 ) ± t α /2 , df × 标准误 合并t检验的标准误为 s p 2 ( 1 / n 1 + 1 / n 2 ) \sqrt{s_p^2(1/n_1 + 1/n_2)} s p 2 ( 1/ n 1 + 1/ n 2 ) n 1 + n 2 − 2 n_1+n_2-2 n 1 + n 2 − 2 s 1 2 / n 1 + s 2 2 / n 2 \sqrt{s_1^2/n_1 + s_2^2/n_2} s 1 2 / n 1 + s 2 2 / n 2 H 0 H_0 H 0 H 0 H_0 H 0
与其他检验的关系
两独立样本t检验与Z检验 的区别在于，Z检验要求两总体方差已知，这在实践中较少见，故t检验更常用。与方差分析 （ANOVA）的关系上，两独立样本t检验可视为方差分析在比较两个组别时的特例。当需比较三个或更多组别均值时须使用ANOVA。该检验依赖独立同分布 条件，违反独立性假设时应采用配对t检验 或其他相关样本方法。
关于知经 KNOWECON
知经 KNOWECON 是深圳市卢可教育科技有限公司旗下的教育科技品牌，长期面向北京大学、清华大学、中国人民大学等顶尖院校，提供经济学、金融学、统计学、管理学等相关科目的专业课考研辅导与复试辅导。每年都有数十名同学在我们的帮助下完成系统备考，并成功进入理想院校。
知经主讲人喵喵学长毕业于北京大学汇丰商学院经济学专业和新加坡国立大学金融工程专业，获经济学硕士与金融工程硕士学位。他同时也是软件工程师和教育科技创业者，长期探索用讲义、题库、记忆系统、智能答疑与学习数据工具改善专业课学习体验。
我们相信，好的考研辅导不只是押题和陪跑，更是把复杂知识讲清楚、把复习路径设计清楚，并用技术让学习过程更可追踪、更可反馈、更可坚持。