因為每一對資料就是一個區組(也稱隨機化約束)，區組內兩數的波動可能存在相關，即配對兩數的差值可能比同一樣本內資料波動小。

如果把雙樣本t檢驗看做方差分析(由於區組的存在，導致沒有完全隨機化安排試驗)，配對t檢驗的實質是用隨機效應的互動作用(處理間×區組間)來估計誤差項。此時的互動作用均方和等於處理(主效應因子)的均方和的隨機部分。

如果是獨立t檢驗，相當於方差分析模型中刪除了區組因子，轉到誤差項裡，MSe通常會大很多。所以2類錯誤可能會大很多。(注意由於只是在區組內隨機化安排實驗，所以雖能算出區組的方差，卻無法精確檢驗其顯著性。非區組因子仍然可以按普通方差分析處理。)

理論上存在著區組間不完全隨機時，互動作用很大，但區組效應很小(不顯著)的情況。但通常區組之間是很容易隨機化的，這種情況不需要考慮。

如果僅僅想證明改進效果或控制因子是有用的(即篩選因子)，配對t檢驗是合適的。但由於區組因子的干擾，直觀效果可能被掩蓋。

在無法判斷是否存在配對(即區組)時，通常兩種t檢驗一起做，並比較結果。

當配對t檢驗顯著性明顯高於獨立雙樣本t檢驗時，說明區組效應大，配對t檢驗更有效。

但兩者結果顯著性差不多時(注意這裡有點主觀)，應採用後者。因為後者誤差的自由度多一倍，對誤差的估計更準。

由於區組因子無法準確檢驗顯著性，所以存在一點主觀性，需要根據實際情況靈活處理，必要時，兩個結果一起列出。不要把應用統計學當成數學，應用統計學是需要一定靈活性的。