明确答案：
1. t值表示统计量的均值与假设值的差异大小与标准误差的比值，其绝对值越大，表示越显著。通常，t值超过某一临界值，则拒绝原假设。
2. p值是进行假设检验的重要参数，反映某一观测结果出现的概率，值越小，越拒绝原假设，变量的显著性越高。
3. 通过对比变量的t值和p值，可以判断变量的显著性。通常，当p值小于预设的显著性水平且t值显著，可以认为该变量具有显著性。另外可以通过查看统计学软件的输出结果中每个变量的统计摘要来了解其显著性。若软件报告某一变量通过t检验，则表示该变量在统计上是显著的。
详细解释：
关于t值的理解：
t值反映了样本统计量与总体参数之间的差异大小经过标准化处理后的结果。简单来说，它告诉我们这个差异是“大”的还是“小”的，相对于标准误差而言。当t值的绝对值越大，意味着这种差异越明显，变量的影响越显著。在假设检验中，如果t值超过预定的临界值，我们通常拒绝原假设，认为观察到的效应不是偶然的。
关于p值的理解：
p值是进行假设检验时的一个重要参数，它表示观察到的数据结果或者更极端情况出现的概率。简而言之，p值越小，观察到的结果发生的概率越小，因此拒绝原假设的依据越强。通常，如果p值小于预设的显著性水平，我们则认为结果是显著的。
如何判断变量的显著性和通过t检验：
要判断一个变量的显著性，需结合t值和p值来看。如果一个变量的t值显著，同时p值小于预设的显著性水平，那么我们可以认为这个变量是显著的。此外，通常在使用统计学软件进行分析时，软件的输出结果会针对每个变量给出一个统计摘要，包括t值和相关的统计检验结论。如果软件报告某一变量通过了t检验，那就意味着该变量在统计上是显著的。