统计百科 ·
t 值的 APA 7th 报告写法 — 自由度、效应量、独立/配对模板全解
统计百科：搞清楚 t 值是什么、自由度怎么算、t(df)=x.xx, p= 格式规范、Cohen's d 效应量写法，给出独立样本与配对样本 t 检验的 APA 7th 完整报告模板，消灭论文里最常见的 t 值报告错误。
很多研究者知道"跑 t 检验、看 p 值"，但在论文里怎么写 t 值、自由度、效应量、置信区间，格式往往一塌糊涂。这篇文章专门讲 t 值的 APA 7th 规范报告，给出可直接套用的模板，并盘点审稿人最常挑的格式错误。
你的 t 值报告有这些问题吗？
审稿人打回论文，关于 t 检验结果报告，最常见的意见是：
- "自由度应该写在括号内，如 t(58) = 2.14，不是 t = 2.14（df = 58）"
- "p 值不应加前导零，应写 p = .032，不写 p = 0.032"
- "p = .000 不合规范，应写 p < .001"
- "缺少效应量（Cohen's d）"
- "缺少 95% 置信区间"
- "方差不齐时应使用 Welch t，并说明自由度为近似值"
这些错误散落在 APA Publication Manual 第七版的多个章节，但汇总成实操模板的材料并不多。本文专门解决这一个问题：t 值到底怎么规范报告。
一、t 值是什么
t 统计量的直觉含义
t 值（t statistic）回答的问题是：观察到的均值差异，相当于标准误的多少倍？
$t = \frac{\bar{X}_1 - \bar{X}2}{SE{diff}}$
其中 $SE_{diff}$ 是均值差的标准误（Standard Error of the Difference）。
- t 值越大（绝对值），说明观察到的均值差相对于随机误差越大，越不像是偶然产生的
- t 值的符号（正/负）反映差异的方向：正 t 值表示第一组均值高于第二组
- t = 0 表示两组均值完全相等
t 值与 p 值的关系
给定自由度，每一个 t 值都对应一个唯一的 p 值。t 值的绝对值越大，对应的 p 值越小。这个映射关系通过 t 分布完成——不同自由度下，t 分布的形状略有不同（自由度越大，越接近正态分布）。
关键点：t 值本身不等于效应大小。同样的真实效应，样本量越大，计算出的 t 值越大。这就是为什么除了 t 和 p，还需要报告 Cohen's d——效应量不受样本量影响，才能真正反映差异的实际大小。
二、自由度怎么算
独立样本 t 检验
方差相等（Levene 检验 p >= .05）时：
$df = n_1 + n_2 - 2$
例：两组各 30 人 → df = 30 + 30 - 2 = 58
方差不等（Welch t，Levene 检验 p < .05）时：
Welch t 使用 Satterthwaite 近似公式计算校正后的自由度，结果通常不是整数（如 df = 54.8）：
$df_{Welch} = \frac{\left(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}\right)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}}$
报告时写 Welch 校正后的 df，如 t(54.80) = 3.12，并在方法章节说明使用了 Welch 校正。
配对样本 t 检验
$df = n_{pairs} - 1$
例：50 对配对数据 → df = 49
单样本 t 检验
$df = n - 1$
例：样本量 40 → df = 39
三、APA 7th 格式规范：t 值报告的完整要素
必报要素清单
APA Publication Manual（第七版）要求 t 检验结果报告包含以下全部内容：
| 要素 | 格式 | 示例 |
|---|---|---|
| 描述统计 | M = XX, SD = XX（各组分别报告） | M = 5.82, SD = 3.14 |
| t 统计量 | t(df) = X.XX | t(118) = -4.45 |
| p 值 | p = .XXX（精确三位小数） | p < .001 |
| 均值差方向 | 文字描述哪组高/哪组低 | 实验组显著低于对照组 |
| 95% 置信区间 | 95% CI [XX, XX] | 95% CI [-3.83, -1.47] |
| 效应量 | Cohen's d = X.XX | Cohen's d = 0.81 |
| 方差齐性（独立样本） | Levene F = XX, p = .XXX | Levene F(1,88) = 1.43, p = .234 |
p 值的书写格式（高频错误点）
| 错误写法 | 正确写法 | 原因 |
|---|---|---|
| p = 0.032 | p = .032 | APA 不加前导零 |
| p = .000 | p < .001 | .000 是舍入假值，真实 p 不是 0 |
| p = 0.001 | p = .001 | 同上，不加前导零 |
| p < 0.05 | p < .05 | 不加前导零 |
| p = 3.2% | p = .032 | 用小数，不用百分比 |
| (p=.032) | p = .032 | 括号内也不省等号前空格 |
t 值和 df 的格式要求
- t 值精确到两位小数：t = 2.14（不写 t = 2.1 或 t = 2.143）
- df 写在括号内，紧跟 t：t(58) = 2.14（不写 t = 2.14, df = 58）
- Welch t 的 df 保留两位小数：t(54.80) = 3.12
- t 值为负时保留负号：t(88) = -4.45（负号表示第一组均值低于第二组）
Cohen's d 的格式要求
- 精确到两位小数：d = 0.81（不写 d = .81，也不写 d = 0.8）
- 标注效应大小解释（参照 Cohen，1988）：小效应 d = 0.20，中效应 d = 0.50，大效应 d = 0.80
- 括号内说明：Cohen's d = 0.81，为大效应
四、独立样本 t 检验 — 完整 APA 报告模板
场景：实验组 vs 对照组，方差齐性成立
情形：比较实验组（n = 60）与对照组（n = 60）干预后焦虑得分，Levene 检验 p > .05（方差齐性）。
完整报告段落模板：
独立样本 t 检验结果显示，[组1]（M = XX，SD = XX）[显著高于/低于/不显著差异于]
[组2]（M = XX，SD = XX），t([df]) = XX，p [< .001 / = .XXX]，
95% CI [XX，XX]，Cohen's d = X.XX，为[小/中/大]效应。
Levene 方差齐性检验未达显著（F(1,[df_total]) = XX，p = .XXX），
满足独立样本 t 检验的方差齐性假设。
填入数值的示例：
独立样本 t 检验结果显示，实验组干预后焦虑得分（M = 5.82，SD = 3.14）显著低于对照组（M = 8.47，SD = 3.52），t(118) = -4.45，p < .001，95% CI [-3.83，-1.47]，Cohen's d = 0.81，为大效应。Levene 方差齐性检验未达显著（F(1, 118) = 1.43，p = .234），满足独立样本 t 检验的前提假设。
场景：方差不齐，使用 Welch t 检验
完整报告段落模板：
独立样本 t 检验结果显示，由于 Levene 方差齐性检验达显著（F(1,[df]) = XX，p = .XXX），
方差齐性假设不满足，故采用 Welch t 检验。
结果表明，[组1]（M = XX，SD = XX）[显著高于/低于][组2]（M = XX，SD = XX），
t([df_welch]) = XX，p [值]，95% CI [XX，XX]，Cohen's d = X.XX，为[大小]效应。
填入数值的示例：
独立样本 t 检验结果显示，由于 Levene 方差齐性检验达显著（F(1, 118) = 6.82，p = .010），方差齐性假设不满足，故采用 Welch t 检验。结果表明，实验组焦虑得分（M = 5.82，SD = 3.14）显著低于对照组（M = 8.47，SD = 4.91），t(98.32) = -3.87，p < .001，95% CI [-4.11，-1.34]，Cohen's d = 0.71，为中等偏大效应。
五、配对样本 t 检验 — 完整 APA 报告模板
场景：同一批被试前后测比较
完整报告段落模板：
配对样本 t 检验结果显示，[时间点2/条件2]（M = XX，SD = XX）
[显著高于/低于][时间点1/条件1]（M = XX，SD = XX），
t([df]) = XX，p [值]，均值差 = XX（SD_diff = XX），
95% CI [XX，XX]，Cohen's d = X.XX，为[大小]效应，
提示[干预/操作]对[结果变量]具有显著[正向/负向]效应。
填入数值的示例：
配对样本 t 检验结果显示，实验组干预后焦虑得分（M = 5.82，SD = 3.14）显著低于干预前（M = 10.84，SD = 2.31），t(44) = -9.82，p < .001，均值差 = -5.02（SD_diff = 3.43），95% CI [-6.05，-3.99]，Cohen's d = 1.46，为大效应，提示 MBSR 干预对降低大学生焦虑水平具有显著效果。
六、单样本 t 检验 — 完整 APA 报告模板
场景：样本均值与已知常模比较
完整报告段落模板：
对[样本]的[变量]（M = XX，SD = XX）进行单样本 t 检验，
以[常模/理论值 = mu_0]为检验参照值。
结果[显示显著差异/未达显著差异]，t([df]) = XX，p [值]，
95% CI [XX，XX]，Cohen's d = X.XX。
填入数值的示例：
对实验组基线焦虑得分（M = 10.84，SD = 2.31，n = 45）进行单样本 t 检验，以全国大学生常模 mu_0 = 8.5 为参照值。结果显示，实验组基线焦虑得分显著高于全国常模，t(44) = 6.79，p < .001，95% CI [1.64，3.04]，Cohen's d = 1.01，为大效应。
七、在 ChatSRS 一句话获得规范报告
打开 chatsrs.com 上传数据后输入：
"对实验组和对照组的干预后焦虑得分做独立样本 t 检验，先做 Levene 方差齐性检验，如方差不齐自动改用 Welch t。输出 t 值、自由度、p 值、均值差、95% CI、Cohen's d，并给出符合 APA 7th 格式的完整报告段落。"
ChatSRS 的输出段落即为上文示例的格式，数值自动填入，可直接复制进论文。
八、常见错误对照表
下表汇总审稿人最常指出的 t 值报告格式错误：
| 常见错误 | 正确写法 | 违反的 APA 规则 |
|---|---|---|
| t = 2.14（df = 58） | t(58) = 2.14 | df 须写括号内 |
| p = 0.032 | p = .032 | 不加前导零 |
| p = .000 | p < .001 | 不报告 .000，用 < .001 |
| t = -4.452 | t(118) = -4.45 | 保留两位小数 |
| 未报告 Cohen's d | Cohen's d = 0.81 | APA 7th 要求效应量 |
| 未报告 95% CI | 95% CI [-3.83, -1.47] | APA 7th 要求 CI |
| 方差不齐未说明 | 注明"采用 Welch 校正" | Welch df 不同于标准 t |
| "显著（p < .05）" | t(58) = 2.14, p = .032 | 需报告精确 p 值 |
| 只报告 p，无 t 值 | t(58) = 2.14, p = .032 | 完整统计量必须报告 |
九、方法章节怎么说明使用了 t 检验
标准方法章节描述（独立样本 t 检验）
采用独立样本 t 检验比较两组被试的 [因变量]，检验前对
方差齐性进行 Levene 检验；若方差不齐（p < .05），则采用
Welch t 检验并报告校正后自由度。效应量采用 Cohen's d 报告，
参照 Cohen（1988）的标准（d = 0.20 小效应，d = 0.50 中效应，
d = 0.80 大效应）。统计分析使用 ChatSRS（R 引擎），
显著性水平设为 alpha = .05，所有检验均为双侧检验。
标准方法章节描述（配对样本 t 检验）
采用配对样本 t 检验比较[组内两时间点/两条件]的 [因变量] 差异，
前提检验包括差值变量的正态性（Shapiro-Wilk 检验）。
效应量报告 Cohen's d（差值标准化，即 d_z），
置信区间基于均值差计算。
常见 FAQ
Q：t 值写负数时，方向怎么表述？
A：t 为负数表示"第一组减第二组"的方向是负的，即第一组均值低于第二组。报告时在文字里说清楚方向更直观：写"实验组显著低于对照组，t(118) = -4.45"，而不要仅靠 t 值的正负让读者猜测。均值差（Mean Difference）也要写出来，并注明谁减谁（如"组1减组2的均值差 = -2.65"）。
Q：Welch t 的 df 有小数，报告时要不要取整？
A：不要取整。APA 要求 Welch t 的 df 按实际数值报告，保留两位小数，如 t(54.80) = 3.12。取整会错误地夸大自由度，让读者误以为使用了标准 t 检验。在方法章节或注释中注明"方差不齐时采用 Welch t 检验（Satterthwaite 近似自由度）"即可。
Q：Cohen's d 可以是负数吗？
A：可以，但通常报告绝对值，并在文字里说明差异方向。如 d = -0.81 和 d = 0.81 效应大小相同，区别在于均值差的方向。大多数发表规范报告 |d|（绝对值），然后在文字里用"组1显著高于/低于组2"来表达方向，避免读者困惑。ChatSRS 默认输出 |d| 并在文字里说明方向。
Q：t 检验的置信区间应该是均值的 CI 还是均值差的 CI？
A：APA 7th 要求报告的是均值差（Mean Difference）的 95% CI，而不是各组均值的 CI。即区间形如 95% CI [-3.83, -1.47]，含义是"在重复取样下，95% 的置信区间会包含总体均值差；本例区间 [-3.83, -1.47] 不含 0，与 p < .05 的结论一致"。如果该 CI 不包含 0，与 p < .05 的结论一致。不要把两组各自的 CI 当作均值差 CI 报告——两者计算方式不同，混淆是常见错误。
Q：t 检验结果不显著（p > .05），还需要报告 Cohen's d 吗？
A：必须报告，而且更重要。不显著的 p 值不等于"无效应"，只是"未能拒绝零假设"。此时报告效应量（如 d = 0.18，小效应）和置信区间，让读者判断是否存在有实践意义的差异，或是否需要更大的样本量复验。仅报告 p > .05 而不报告效应量，是实证研究报告中的严重信息缺失，现代期刊和 APA 7th 均不接受。
快速参考：t 值报告格式速查卡
[独立样本 t 检验 — 方差齐]
[组1]（M = XX, SD = XX）[与][组2]（M = XX, SD = XX）存在显著差异，
t([n1+n2-2]) = X.XX, p [= .XXX / < .001], 95% CI [XX, XX], Cohen's d = X.XX。
Levene F(1, [N-2]) = X.XX, p = .XXX（方差齐性成立）。
[独立样本 t 检验 — 方差不齐 Welch]
Levene F(1, [N-2]) = X.XX, p = .XXX（方差不齐，采用 Welch 校正）。
[组1]（M = XX, SD = XX）与[组2]（M = XX, SD = XX）存在显著差异，
t([df_welch，两位小数]) = X.XX, p [值], 95% CI [XX, XX], Cohen's d = X.XX。
[配对样本 t 检验]
[时间2/条件2]（M = XX, SD = XX）显著[高于/低于][时间1/条件1]（M = XX, SD = XX），
t([n-1]) = X.XX, p [值], 均值差 = X.XX (SD_diff = X.XX),
95% CI [XX, XX], Cohen's d = X.XX。
[单样本 t 检验]
[样本变量]（M = XX, SD = XX）与常模（mu_0 = XX）存在显著差异，
t([n-1]) = X.XX, p [值], 95% CI [XX, XX], Cohen's d = X.XX。
相关阅读
- t 检验完整教程 — 独立样本/配对样本/单样本 — t 检验三种类型的选用逻辑与完整操作流程
- 统计显著性与 P 值完全指南 — p 值的定义、5 大误解、APA 报告格式
- 方差分析 ANOVA 完整教程 — F 值的报告格式与 eta 平方效应量
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。