Als t-Test wird eine Gruppe von Hypothesentests zu Mittelwertunterschieden mit t-verteilter Testprüfgröße bezeichnet. Es werden zentral drei Fälle unterschieden. Hier wird auf die entsprechenden Artikel verlinkt:
Der einfache t-Test prüft, ob der empirische Stichprobenmittelwert x̄ aus einer Grundgesamtheit mit dem Erwartungswert 𝜇 entstammt. Die abhängige Variable ist (quasi-)metrisch skaliert und der Erwartungswert 𝜇 der Grundgesamtheit gegeben. Der einfache t-Test wird auch als one-sample t-Test oder Einstichproben-t-Test bezeichnet. Ist beispielsweise bekannt, dass Journalist:innen im Mittel 24 Jahre Berufserfahrung haben, kann so ermittelt werden, ob sich die Stichprobe aus dem WoJ-Datensatz signifikant von der Grundgesamtheit unterscheidet.
Der t-Test für unabhängige Stichproben prüft, ob sich die zwei Mittelwerte x̄1 und x̄2 zweier unabhängiger Stichproben systematisch voneinander unterscheiden. Der t-Test für unabhängige Stichproben wird auch als two-sample t-test, Doppelter t-Test oder Zweistichproben-t-Test bezeichnet. Für den WoJ-Datensatz lässt sich so ermitteln, ob sich vollzeitbeschäftigte Journalist:innen bei der Hervorhebung einzelner Aspekte ihrer Nachrichtenberichterstattung autonomer fühlen als teilzeitbeschäftigte Journalist:innen.
Der t-Test für abhängige Stichproben prüft, ob sich die zwei Mittelwerte x̄1 und x̄2 in einer verbundenen Stichprobe systematisch voneinander unterscheiden. Der t-Test für abhängige Stichproben wird auch als paired t-Test, t-Differenzentest, Differenzen-t-Test oder Paardifferenzentest bezeichnet. Im gezeigten Beispiel lässt sich für einen modifizierten incvlcomments-Datensatz ermitteln, ob Teilnehmende themenunabhängig Kommentare, die offensichtliche Drohungen enthalten (im Vergleich zu Kommentaren, die nur Beleidigungen/Profanitäten enthalten), als offensiver wahrnehmen.