实际上不是看t值啊，是看后面的sig的大小，也就是我们经常说的p啦，p的两个常用检验标准是0.05和0.01，分别表示不显著、显著和非常显著。也就是说如果sig小于0.01就表示非常显著，如果位于0.05和0.01之间就表示显著，如果位于0.05以上就表示不显著了。
至于t值有些时候是负值也是正常的，说明你的平均数比常模要小（回想一下t的计算公式就明白的）。
这方面你发帖子蛮多的嘛，努力学习啊

在检验中，我们一般不看T值或F值，只看后面sig，只要这个值小于0.05就说明有差异，0.05表示你对这个结果有95%的把握性，知道吗?其实这个值越小越好，即对结果的把握性越大。
做逐步回归，先在分析栏打开回归分析，再把自变量和因变量分别输入到指定地方，方法栏中选用逐步回归就可以了

T值越小越好，后边有个有效性，sig，如果在0.01-0.05，应该是显著，否则，不显著，
T值反应指标对总方程的贡献，

04-14 9:16

如果是两组数据比较，通常先做F检验，判定测量值双方的标准偏差是否呈现显著性差异，也就是说先比较一下两组数据的精密度是否有较大差别，如果两组数据有一个离散程度很大，一个离散程度小，则可能不符合F检验的标准，就没必要继续做下一步了，如果符合F检验的标准（两组数据离散程度小），则进一步做双边T检验，计算T值与T表的数据比较，若小于T表的值，则表示没有显著性差异，若大于T表的值则表示存在显著性差异。

在作结论时，应确实描述方向性（例如显著大于或显著小于）。sig值通常用 P>0.05 表示差异性不显著；0.01<P<0.05 表示差异性显著；P<0.01表示差异性极显著。
显著性差异是统计学（Statistics）上对数据差异性的评价。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。
当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的。
一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。

用标记字母法进行四组数据之间的差异显著性分析：
（1）将全部平均数从大到小依次排列。
（2）在最大的平均数上标上字母a；将该平均数与以下各平均数相比，相差不显著的，都标上字母a，直至某一个与之相差显著的平均数则标以字母b(向下过程)。
（3）再以该标有b的平均数为标准，与上方各个比它大的平均数比，凡不显著的也一律标以字母b(向上过程)；再以该标有b的最大平均数为标准，与以下各未标记的平均数比，凡不显著的继续标以字母b，直至某一个与之相差显著的平均数则标以字母c。
（4）如此重复进行下去，直至最小的一个平均数有了标记字母且与以上平均数进行了比较为止。
（5）这样各平均数间，凡有一个相同标记字母的即为差异不显著，凡没有相同标记字母的即为差异显著。