1. 如果这两组数据是相同的，因为变量是在一组离散的值上定义的，那么 t 检验的假设是错误的，因为随机变量甚至不是连续的。

   因此，任何正态理论计算都不会产生正确的 p 值。

   我认为“正确”的 t 检验 p 值将是 NaN。

2. 或者，考虑连续变量具有有限方差但差异具有方差 0 的退化情况。那么 t 统计量将为 0/0；我再次说那是“正确的”NaN。（编辑：该论点的更多细节在评论中）

3. 但是，如果您（例如）假设差异有一些离散分布并得出似然比检验，或进行置换检验，您将得到（合法的）p 值 1，因为除了零差异之外的任何东西都会比全 0 差异“更极端”。

所以我认为 t 检验的合理 p 值实际上是 R 给你的，而如果你有离散变量并选择更合适的测试，合理的 p 值通常是 1。

配对 t 检验的原假设是两个配对样本的平均差等于零。

考虑到每一对都有相同的值，差异应始终等于 0，因此无法拒绝原假设。

这意味着 p-value = 1 或 NaN (0/0)，但这并不意味着您应该得出任何结论。

p 值小于 0.05 将表明每个样本存在显着不同的平均值。