常见的统计分析软件拟合回归模型时都会给出t检验的P值，可直接比较P值和显著性水平（经常取0.05），来判断回归模型的自变量对因变量是否有显著影响。
【补充说明1】
t检验的原理——运用小概率事件原理。小概率事件指在一次实验中可以认为几乎不可能发生的事件。
P值——在一个假设检验问题中，拒绝原假设的最小显著性水平称为P值。
【例如】为了证明“人均收入对人均消费支出有显著性影响”
（统计学中叫备择假设）。
首先提出一个相反的假设（也叫原假设、零假设、H0假设）：“人均收入对人均消费支出没有影响”。
然后进行抽样，抽样出来的结果显示，人均收入对人均消费支出没有影响的可能性是0.000182，概率小于0.05，就说明人均收入对人均消费支出没有影响的可能性是非常小的，就可以拒绝原假设。反过来就可以证明人均收入对人均消费支出会有显著性的影响。就是用反证法进行推导的。
【补充说明2】
通常假设检验中，将小概率定为0.05，即Minitab算出的P值小于0.05就是小概率事件。至于0.05是怎么定出来的，英国著名的统计学家 Fisher把1/20作为小概率标准，也就是0.05，从此比0.05小就叫做小概率事件。
