单因素方差分析和独立样本T检验有什么差别？用单因素方差分析两组数据的显著性合理吗？求专业解释。

方差和T检验的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别比如本科以下，本科，本科以上；此时使用方差分析。

SPSSAU「在线SPSS」通用方法里有方差分析及t检验，可以一键得到分析结果。

单因素方差分析和T检验没有差别有
要记住[T(n)]^2~F(1,n)
即若t统计量服从自由度为n的T分布，则它的平方服从自由度为1，n的F分布
单因素方差分析得到的是这里的F，（单因素嘛，第一个自由度是2-1=1）
而T检验是t统计量。
你的第二个问题是什么意思？如果检验出有显著差异，P值很小的话，基本就可以确定显著性了。

组别不同的区别
合理的
我替别人做这类的数据分析蛮多的

楼主
我给你上一节免费公开课吧
，若是说的不好请见谅啊：
在统计学中
首先要明白最基本的定义，个人认为比较重要的有下面几点：
资料的类型
⑴计量资料：定量方法测定数值大小所得的资料，如身高，含有单位。
⑵计数资料：按性质或类别分组，然后计数，其又分为两类：①二分类，如性别（可用数字0，1代替）；②无序多分类，如
血型。
⑶等级分组资料：具有计数资料的特性，又有半定量的性质(“+
,
-”表示)。如医学上cancer分期。
理解一下内容：
（1）抽样误差：由抽样造成的样本均数和总体均数的差异，是不可避免的。所以就产生了样本均数标准差即均数的标准误。而样本在实际选取时，会产生样本本身s(标准差)的不同，所以就会产生z值的不同，此时用t值代替z值。中心极限定理：在样本含量n很大(>=50)的情况下，无论原始测量变量服从什么分布，
的抽样分布都近似服从正态分布n（μ，△2)
（2）假设检验：即显著性检验，是统计推断的重要内容，比较总体参数之间有无差别。首先对所需比较的总体提出一个无差别假设，然后通过样本数据去推断是否拒绝这一假设。而t检验本身的定义是：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未知的正态分布资料。
（3）t检验的前提条件：①样本含量小（n<30）；②样本取自正态总体；③两总体方差齐。
所以t检验是首先是假设检验，她是相对总体而言，判断是否来自一个总体，若非来自同一个一个总体，就不能进行t检验了。就像苹果与燕窝哪一个好看，不是同类的事物，如何比较？统计学上有三要素：同质，变异，对象。知道不道不？“如果方差不相等。会有什么后果呢？”唯一的后果就是结果错了！原因就是：不是t检验的应用前提条件。建议多看看定义，最重要的是明白统计方法怎么来的。
所以此时需要进行对两组数据做对数转换或倒数转换等等后再进行t检验，或者直接用非参数检验。
举个例子，医学上病毒抗体低度，本身数据不是正态分布，但是其对数服从正态分布。所以其假设是：ho:两种疫苗的总体
几何均数对数值
相等；h1：两种疫苗的总体
几何均数对数值
不相等。
备注：每种分析检验，都是有她的本源。若是脱离本源，来谈别的问题，是不科学的。
希望可以帮助到楼主。501929951