双尾测试测试任一方向的差异。因此，P 值将是 t=1.92 右侧的 t 分布下的面积加上 t=-1.92 左侧的分布下的面积。这是单尾检验面积的两倍，因此 P 值是两倍大。

如果您使用单尾检验，您将获得力量，但潜在的代价是必须忽略与获得数据之前假设相反的差异。如果您在正式化并记录假设之前获得了数据，那么您确实应该使用双尾检验。同样，如果您对任一方向的效果感兴趣，您可以使用双尾检验。事实上，您可能希望使用双尾检验作为默认方法，并且仅在效应只能在一个方向上存在的异常情况下使用单尾检验。

对于双尾检验，曲线下面积不是两倍大：对于临界 p= .05 的双尾检验，您正在测试从零分布的下限或上限 2.5% 中提取观察数据的频率 ( 0.05 总）。使用 1-tailed 测试，您正在测试数据来自一个（预先指定的）尾部的极端 5% 尾部的频率。

您的问题的部分答案是实践之一：大多数研究人员认为报告 1 尾测试的实验不太可能复制（即，他们假设研究人员选择这个是为了让他们的统计数据“显着”）。

然而，有有效的用例。如果您知道在所测试的理论下不可能有任何相反方向的结果，那么，正如之前的评论所指出的，您可以提前指定这一点并进行 1 尾测试。同样，大多数人仍然会谨慎地看待这一点。

差异的原因是“隐藏”在用于每个测试的测试统计中。请注意，对于假设检验，您选择一个统计量（即数据的函数）作为检验的基础。将此统计量称为。您还需要一个拒绝区域，这样如果统计量在该区域内，我们就会拒绝空值。现在，显着性水平被计算为当 null 为真时统计量在拒绝区域中的概率。$S(D)$$RR$

现在对于两侧测试，测试统计量是带有拒绝区域，其中以实现显着性，在您的情况下为 5%。对于单面测试，测试统计量为，拒绝区域为，适合选择的。现在我们将始终拥有。所以为了达到同样的意义，我们必须有。$S(D)=|t|$$|t|>t_{0}$$t_{0}$$\alpha$$S(D)=t$$t>t_{1}$$t_{1}$$Pr(|t|>t_{0}|H_{0})\geq Pr(t>t_{0}|H_{0})$$t_{0}\geq t_{1}$

这就引出了一个问题：为什么要使用不同的测试统计数据？原因是备选方案不同，因此每个检验统计量的功效不同。具体来说，如果我们使用来自另一个测试的测试统计量和拒绝区域，则每个测试的功效都会降低（假设我们使用相同的显着性）。