在体质研究中常要对一些统计量进行分析比较，例如：甲市身高平均数为170.5, 乙市身高平均数为171.5, 甲省体质综合评定优秀率为12.3%, 乙省体质评定优秀率为 15.1%, 能不能把两个数比较一下就下结论说：甲市身高比乙市平均低１厘米，乙省优秀率比甲省高 2.8%？这是不行的。
    因为，进行体质研究是采用抽样的方法。假设某市20～24岁男青年共有10万人（统计学中把它称为总体），体质监测时不可能也没有必要去测10万人，而只是用随机抽样的方法，从中抽出一批人（如100人）进行测试（统计学把这100人称为样本）。然后，通过样本的统计数据来了解总体的情况。根据统计学的原理，即使是非常严格的随机抽样，也总是存在抽样误差的。究竟这１厘米和 2.8% 的差别是由于抽样误差造成的，还是两个总体之间确实存在差异？这必须经过统计检验才能作结论。
    所以，凡是对数据之间要进行比较，就必须进行统计检验。平均数之间进行比较要用ｔ检验，率的比较要用 U 检验。进行检验时，应根据不同的要求, 选用相应的计算公式, 不能弄错。
    平均数之间进行ｔ检验时, 按公式计算出统计量ｔ,然后, 查ｔ值表上 P=0.01 或 P=0.05的ｔ值, 按以下原则作出统计检验结论。
        算出的ｔ>ｔ值表上 P=0.01的临界值时, 记为：P<0.01, 结论：差异很显著。
        算出的ｔ>ｔ值表上 P=0.05的临界值时, 记为：P<0.05, 结论：差异显著。
        算出的ｔ<ｔ值表上 P=0.05的临界值时, 记为：P>0.05, 结论：差异不显著。

    用最通俗的说法讲：P 就是“差异是抽样误差的可能性”。如果计算出来的结论是P<0.01，那就是说经过检验，差异是抽样误差的可能性小于1％。这就意味着两者确实有差异的可能性大于99％，所以我们认为是有差异的。如果计算出来的结论是P>0.05，那就是说经过检验，差异是抽样误差的可能性大于5％（当然也可能是10％、20％……），所以我们就只能说两者是没有差异了。

    小样本的率检验要用χ²（卡方）检验。当 n 较大、而率又不太接近Ｏ或１时，样本率的分布接近正态分布，因而可用Ｕ检验。检验时，按公式计算出统计量Ｕ，根据正态分布表上的Ｕ值（ P=0.01为 2.58，P=0.05 为 1.96）作出统计检验结论。

算出的Ｕ>2.58 (P=0.01的临界值)时, 记为:P<0.01, 结论: 差异很显著。

    算出的Ｕ>1.96 (P=0.05的临界值)时, 记为:P<0.05, 结论: 差异显著。

    算出的Ｕ<1.96 (P=0.05的临界值)时, 记为:P>0.05, 结论: 差异不显著

   

    另外要特别注意：ｔ检验、Ｕ检验（及其他各种统计检验）都是根据小概率原理来作判断的。然而，小概率事件只是发生的可能性极小，并不是绝对不会发生。所以，根据检验结果 P<0.01 作出“差异很显著”的判断，也会有百分之一的犯错误的可能性。因此，根据计算结果写论文时，特别当算出的ｔ、Ｕ值很接近 0.05 的临界值时，作结论尤其要小心，如:有时是因为样本含量 n 较小，所以，标准误增大，使算出的ｔ、Ｕ值较小，未达到0.05的临界值判为 P>0.05，这时最好建议扩大样本量再作实验。

 

   在我编制的《2005年国民体质监测数据统计分析系统》软件中，进行统计检验后会自动查表显示P值（凡是差异不显著的,则不标出P>0.05）。