绝对值小于临界值接受原假设，大于的话就拒绝原假设。通常的显著性临界值是0.05。最好不要讲接受原假设，因为
假设检验作为一种
反证法，只有当你拒绝原假设，你的预先想法才能得证，而如果绝对值小于临界值，是得不出任何有用结论的，即此时你还不能认为原假设是对的。
拓展资料：
一、t检验的定义
t检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的
正态分布。_1]_t检验是用
t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、
卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布。
二、t检验注意事项
1、选用的检验方法必须符合其适用条件(注意：t检验的前提：1.来自正态分布总体； 2.随机样本 ；3.均数比较时，要求两样本总体方差相等，即具有方差齐性)_。理论上，即使样本量很小时，也可以进行t检验。
2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大_t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。
3、假设检验的结论不能绝对化_。当一个统计量的值落在临界域内，这个统计量是统计上显著的，这时拒绝虚拟假设。当一个统计量的值落在接受域中，这个检验是统计上不显著的，这是不拒绝虚拟假设H0。因为，其不显著结果的原因有可能是样本数量不够拒绝H0_有可能犯第Ⅰ类错误。
4、正确理解
P值与差别有无统计学意义_P越小，不是说明实际差别越大，而是说越有理由拒绝H0_越有理由说明两者有差异，差别有无统计学意义和有无专业上的实际意义并不完全相同。
5、假设检验和可信区间的关系结论具有一致性差异：提供的信息不同区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出H0成立与否的概率_。
6、涉及多组间比较时，慎用t检验__？蒲惺导中，经常需要进行两组以上比较，或含有多个自变量并控制各个自变量单独效应后的各组间的比较，（如性别、药物类型与剂量），此时，需要用
方差分析进行
数据分析，方差分析被认为是t检验的推广。在较为复杂的设计时，方差分析具有许多t-检验所不具备的优点。（进行多次的t检验进行比较设计中不同格子均值时）。