Thesist 检验计算器（独立样本 / 配对样本）
粘贴两组数据，几秒钟算出 t 值、自由度、双尾 p 值、均值差 95% 置信区间与 Cohen’s d 效应量——纯浏览器本地计算、数据不上传，免注册、完全免费。「两组有没有显著差异」是实证论文最常见的检验。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么 t 检验值得自己先算一遍
实验组与对照组、前测与后测、男生与女生——两组均值比较几乎每篇实证论文都要做，交前自己算一遍，比在答辩现场被问「p 值多少」才翻数据从容得多。
独立样本同时给出学生 t（假设方差齐）与 Welch 校正 t（不假设方差齐），并提示两组方差比值；前后测数据勾选「配对样本」即按配对公式计算。
同时给均值差的 95% 置信区间与 Cohen’s d 效应量分档判读——「显著但效应很小」这类结论期刊与评阅人越来越看重，只报 p 值容易被追问。
计算在你的浏览器里完成，数据不发送到服务器，不调用 AI，随时可以换一组数据重算。
怎么用（3 步）
- 从 Excel/SPSS 里分别复制两组数据（每组一列或一行，Tab/逗号/空格/换行分隔均可）粘贴进两个输入框；
- 前后测等一一对应的数据勾选「配对样本」，点「计算 t 检验」查看描述统计、t/df/p、置信区间与效应量；
- 把结果句式一键复制进论文数据分析章，正式结论建议再用 SPSS/R 复核一遍。
常见问题
计算用的是什么公式？
描述统计用样本标准差（n−1）。独立样本：学生 t 用合并方差、df = n1+n2−2；Welch t 用两组方差分别估计、df 按 Welch–Satterthwaite 公式计算。配对样本：对差值做单样本 t 检验、df = n−1。双尾 p 值由 t 分布的不完全 beta 函数精确计算，与 SPSS 的 Independent/Paired Samples T Test 口径一致。
该看学生 t 还是 Welch t？
两组方差差别不大时两者结论基本一致；方差比值较大（工具会提示，常见经验是大于 2-3）或两组样本量差别大时，优先报 Welch 校正结果（SPSS 里对应「假设方差不齐」那一行）。严格做法是先做方差齐性检验（Levene），本工具只给方差比值作参考。
p < 0.05 就等于结论成立吗？
不等于。p 只说明「差异不太可能由抽样误差单独造成」，还要看效应量（Cohen’s d）与置信区间是否有实际意义，以及设计本身是否站得住（分组是否可比、有无混淆变量）。样本量很大时微小差异也会显著，务必同时报效应量。
数据不是正态分布怎么办？
t 检验假设近似正态且（学生 t 还假设）方差齐。小样本明显偏态或有极端值时，改用非参数检验（Mann-Whitney U 用于独立样本、Wilcoxon 符号秩用于配对），并在论文中说明改用原因。本工具不做正态性检验，请用 SPSS/R 核查。
我的数据会被上传吗？
不会。计算完全在你的浏览器本地完成，任何数据都不发送到服务器，也不调用 AI 服务。
检验做完了，数据分析章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程：把描述统计与检验结果挂进对应章节让 AI 严格依据数据成文，不编造数字，全程免注册、免费。
免费打开工作台