估計是你搞混了。相關性分析和假設檢驗是兩個概念。
相關性是有響應Y，還有因子A/B/C...等，說的是因子與響應之間的關聯性，如果只有一個因子，那麼就是看他們之間的線性關係，相關性不光是線性的，還可以是二階，三階甚至更高階的多項式相關性，一般兩個因素之間，看線性與否即可，這個可以做散佈圖，擬合線圖等，計算相關係數即可知道。
而假設檢驗是看兩個樣本所處總體的分佈是否有顯著差異，比如一個樣本A 1,1.2,1.1，另外一個樣本為B 1.1 1.2 1.3 1.1 1.2 ……，是要看這兩組資料（樣本）是否有顯著的差異，可以透過正態分佈來進行檢驗。通常對均值進行檢驗，假設A≠B或A＝B，而他們對調後就是他們的備擇假設，通常假設顯著因子α=0.05，也就是置信度為95%，透過計算後得到P值，比較P值與α的大小，最終得到A和B是否相等，當然，統計學上叫是否顯著。
如果比較A=B，這就是雙側檢驗，如果比較A＞B或A＜B，則是單側檢驗。單側檢驗時，如果置信度仍設為95%，那麼α值就取0.025即可。
假設檢驗有雙樣本檢驗，單樣本檢驗，配對樣本檢驗等，不管是單側還是雙側，都只能對兩個樣本進行比較，如果三個或三個以上的樣本比較，就需要做方差分析了。
估計是你搞混了。相關性分析和假設檢驗是兩個概念。
相關性是有響應Y，還有因子A/B/C...等，說的是因子與響應之間的關聯性，如果只有一個因子，那麼就是看他們之間的線性關係，相關性不光是線性的，還可以是二階，三階甚至更高階的多項式相關性，一般兩個因素之間，看線性與否即可，這個可以做散佈圖，擬合線圖等，計算相關係數即可知道。
而假設檢驗是看兩個樣本所處總體的分佈是否有顯著差異，比如一個樣本A 1,1.2,1.1，另外一個樣本為B 1.1 1.2 1.3 1.1 1.2 ……，是要看這兩組資料（樣本）是否有顯著的差異，可以透過正態分佈來進行檢驗。通常對均值進行檢驗，假設A≠B或A＝B，而他們對調後就是他們的備擇假設，通常假設顯著因子α=0.05，也就是置信度為95%，透過計算後得到P值，比較P值與α的大小，最終得到A和B是否相等，當然，統計學上叫是否顯著。
如果比較A=B，這就是雙側檢驗，如果比較A＞B或A＜B，則是單側檢驗。單側檢驗時，如果置信度仍設為95%，那麼α值就取0.025即可。
假設檢驗有雙樣本檢驗，單樣本檢驗，配對樣本檢驗等，不管是單側還是雙側，都只能對兩個樣本進行比較，如果三個或三個以上的樣本比較，就需要做方差分析了。