区别如下：
拟合优度检验是针对整个模型的，以模型y=10m+2n为例，拟合优度检验有真实值（或实验值）y与模型计算值y*（利用模型y=10m+2n，输入（m，n）得到模型计袜喊算值y*）的统计量R来估计整个模型与事实情况的贴合程度。
如果显著，就说明10，或者2，不为0，如果不显著就说明10或者2有可能为0，从而模型的一个变量可能有问题，比如10可能为0，那么m有可能可以从模型中去掉。
注意事项：
1、选用的检验方法必须符合其适用条件(注意：t检验的前提：1.来自正态分布总体； 2.随机样本 ；3.均数兄带比较时，要求两样本总体方差相等，即具有方差齐性)。理论上，即使样本量很小时，也可以进行t检验。只要每组中变量呈正态分布，两组方差不会明显不同。
如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。
2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。t检验中的p值是接受两均值存在差异这个假设可能犯错的概羡好芦率。在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。
一些学者认为如果差异具有特定的方向性，我们只要考虑单侧概率分布，将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧t检验概率。
3、假设检验的结论不能绝对化。当一个统计量的值落在临界域内，这个统计量是统计上显著的，这时拒绝虚拟假设。当一个统计量的值落在接受域中，这个检验是统计上不显著的，这是不拒绝虚拟假设H0。因为，其不显著结果的原因有可能是样本数量不够拒绝H0，有可能犯第Ⅰ类错误。
标签：检验,显著性,优度
