首先说一下如何确定单尾还是双尾吧：
单尾就是说你知道方向性了，比如A变量已经大于B变量，但是不知道大多少
双尾是你不知道，所以就看看到底是A大于B还是B大于A，再看看大多少。
严格的统计分析来说要求双尾更多一些
有两组数据A和B。双尾显著性检验就是比较A和B有无显著性差异，单尾检验就是检验：A是否显著大于B或者B是否显著大于A。至于方向，一般是在假设的时候定，或者题目中的提问就有（请检验**是否显著大于/小于**）。
双尾检验和单尾检验
通常假设检验的目的是两总体参数是否相等，以两样本均数比较为例， 无效假设为两样本所代表的总体均数相等； 备择假设为不相等（有可能甲大于乙，也有可能甲小于乙），即两种情况都有可能发生。而研究者做这样的假设说明（１）他没有充分的理由判断甲所代表的总体均数会大于乙的或甲的会小于乙的；（２）他只关心甲乙两个样本各自所代表的总体均数是否相等？至于哪个大不是他关心的问题。这时研究者往往会采用双侧检验。
如果研究者从专业知识的角度判断甲所代表的总体均数不可能大于（或小于）乙的，这时一般就采用单侧检验。
例如：要比较经常参加体育锻炼的中学男生心率是否低于一般中学男生的心率，就属于单侧检验。因为根据医学知识知道经常锻炼的中学男生心率不会高于一般中学男生，因此在进行假设检验时应使用单侧检验。
单尾检验和双尾检验的区别在于他们拒绝H0的标准。单尾检验允许你在差异相对较小时拒绝H0，这个差异被规定了方向。另一方面，双尾检验需要相对较大的差异，这个差异不依赖于方向。
所有的研究者都同意单尾检验与双尾检验不同。一些研究者认为，双尾检验更为严格，比单尾检验更令人信服。因为双尾检验要求更多的证据来拒绝H0，因此提供了更强的证据说明处理存在效应。另一些研究者倾向于使用单尾检验，因为它更为敏感，即在单尾检验中相对较小的处理效应也可能是显著的，但是，它可能不能达到双尾检验的显著性要求。
那么我们是应该使用单尾检验还是双尾检验？？通常，双尾检验被用于没有强烈方向性期望的实验研究中，或是存在两个可竞争的预测时。例如，当一种理论预测分数增加，而另一种理论预测分数减少时，应当使用双尾检验。应当使用单尾检验的情况包括在进行实验前已经有方向性预测，或强烈需要做出方向性预测时。 对于假设检验，其检验统计量的异常取值有2个方向，即概率分布曲线的左侧（对应于过小的值）和右侧（对应于过大的值）。
一般情况下，概率分布函数曲线两侧尾端的小概率事件都要考虑（即双侧检验）。如果事先有把握确定其中的一侧不可能取值，则仅需对另一侧的小概率事件进行检验即可（单侧检验）。
在用 “查表法”进行统计推断时，基于单侧小概率事件检验的临界值表称“单尾表”，基于双侧小概率事件检验的临界值表称“双尾表”。除t-分布临界值表是双尾表外，大多数的检验临界值表均为单尾表。
在显著性水平一定的情况下（例如α =0.05），对于单尾表，单侧检验时仍使用α进行统计推断，双侧检验则用α /2进行统计推断；对于双尾表，单侧检验时改用2α进行统计推断，双侧检验则用α 进行统计推断。
其次，来看看如何确定type：
对于T检验时，当为双独立样本时，须先进行方差齐性判断，用FTEST()函数：
P = FTEST（）
直接看P是否<0.05或<0.01，判断显著性。
当P <0.05或<0.01时，说明“两组数据的方差有统计学意义上的显著性差异”，即两个样本空间的方差“不齐”，这时，T检验中的 TYPE参数应取3。 反之，说明“两组数据的方差无统计学意义上的显著性差异”，即两个样本空间的方差“齐”，这时，T检验中的 TYPE参数应取2。
注：至于取0.05还是0.01，就根据自己的研究项目的要求是否更严格。
语法
TTEST(array1,array2,tails,type)
Array1 为第一个数据集。
Array2 为第二个数据集。
Tails 指示分布曲线的尾数。如果 tails = 1，函数 TTEST 使用单尾分布。如果 tails = 2，函数 TTEST 使用双尾分布。
Type 为 t 检验的类型。
如果 type 等于 检验方法
1 成对
2 等方差双样本检验
3 异方差双样本检验
联系客服
