@=99.5% 这不叫作约束条件 这只是置信度 置信度和约束条件是两个概念
所谓设置约束条件说白了就是假设系数满足一系列方程（如果了解Lagrangian系数法的话对约束条件概念应该不会陌生），而这一系列方程构成的方程组可以用矩阵的形式表示为RB-r=0，其中B和r都是k*1的列向量，R是与B相容的矩阵（当然也可以是行向量，若是行向量就表示一维约束）
置信度则是对在多大程度上满足约束条件提出一个要求，可以根据置信度和所构造统计的分布计算出critical value, 通过比较估计值和critical value来决定接受或拒绝H0；或者可以根据估计值和所构造统计的分布计算出P-Value，通过比较P-Value和置信度来决定接受或拒绝H0。（其实两种方法原理是一样的）

我和  林中小孩  的想法有点相似。

t检验:检验参数的显著性。多元回归模型的判定系数r2度量了回归直线的拟合优度，但r2本身不能告诉我们估计的偏回归系数是否在统计上是显著的。如果某个解释变量对被解释变量的影响不重要，就可以从回归模型把它剔除，重建更简单的回归方程，使分析更精确。所以，就要像一元回归方程模型的单个参数检验一样，对每个解释变量的影响作用进行分析。在多元回归模型中，如果某个解释变量的影响作用不显著，那么该变量的系数为零的概率很大。所以，就要对Bi是否为零进行显著性检验。
而t检验就是对Bi是否为零进行显著性检验的。

t检验是假设个别的偏回归系数为零时，分别进行显著性检验的情况。
f检验是检验模型中的参数是否全为零。
它们的区别在于：参数的数量
t检验（单个参数）f检验（模型中所有参数）

为什么要检验参数的显著性？能不能说的通俗一点？t检验在实际应用中是充当什么角色干什么用的呢？

以上回答都不本质

两个样本的均值差异检验用T检验，或Z检验，小样本用T，大样本用Z。
两个样本的方差差异检验用F检验

从两研究总体中随机抽取样本，要对这两个样本进行比较的时候，首先要判断两总体方差是否相同，即方差齐性。若两总体方差相等，则直接用t检验，若不等，可采用t'检验或变量变换或秩和检验等方法

那做f检验后和t检验后，对回归结果的分析，其含义是否可以理解为一致？

举一个例子，比如，你要检验两独立样本均数差异是否能推论至总体，而行的t检验。两样本(如某班男生和女生)某变量(如身高)的均数并不相同，但这差别是否能推论至总体，代表总体的情况也是存在著差异呢？会不会总体中男女生根本没有差别，只不过是你那麼巧抽到这2样本的数值不同？为此，我们进行t检定，算出一个t检定值。

thanks for sharing