正如 Wasserman 定义的 Wald 检验，t 检验中使用的统计量肯定是那里定义的 Wald 统计量：

但是，Wald 检验使用渐近参数将该统计量与标准正态分布进行比较。[处理单个参数时的Wald 检验可以转换为 Z 检验或卡方检验；在讨论的部分中，Wasserman 正在谈论 Z 形；如果你把它平方，你会得到卡方形式。]

t 检验依赖于精确的小样本参数来将检验统计量与 t 分布进行比较。

因此，要回答您的标题问题，严格来说，没有 t检验 不是 Wald 检验。

但请注意，它们是渐近等价的（即作为样本量，$n\to\infty$，他们将拒绝相同的案例）；当然有些人 - 如果有点松散 - 将基于 t 统计量的检验称为 Wald 检验，无论该统计量与渐近正态分布还是小样本结果（t 分布）进行比较。

@Glen_b 为这个话题提供了一个很好的答案。我想补充一点，在 t 检验中，分布是 t 分布。例如，您需要知道统计数据的自由度。但是，wald 检验依赖于卡方分布（标准正态的平方）。当然，随着自由度趋于无穷大，它们都是渐近等价的。

对于足够大的样本，人们只希望使用 wald 检验。