1， 首先，分别把这两组数据分别设为x和y，打开SPSS，点击左下角的Variable View选项卡，在Name列那里的第一行输y，第二行输x，返回Data View选项卡，输入对应的数据。
2， 然后，进行数据分析，分别把y和x选进各自的对话框，然后按ok，在输出窗口中看到Coefficients这个表，然后看最右边的那个Sig列，看x对应的Sig值，若这个sig值比你之前所设定的a值大，则认为这两组数不存在显著性差异，若这个sig值比你之前所设定的a值小，则认为这两组数存在显著性差异。
3， 举个例子，如果你预先设定的a=0.05，求得的sig=0.000，则0.000<0.05，故应拒绝原假设（原假设一般为设它们之间无差异），认为这两组数有显著性差异。
扩展资料：
1， 当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的，比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。
2， 比较方法：如果数据是连续性数据，且两组数据分别服从正态分布&方差齐（方差齐性检验），则可以采用t检验，如果不服从以上条件可以采用秩和检验。
3， 想知道两组数据是否有明显差异？不知道这个明显差异是什么意思？是问差别有无统计学意义（即差别的概率有多大）还是两总体均数差值在哪个范围波动？如果是前者则可以用第2步可以得到P值，如果是后者，则是用均数差值的置信区间来完成的。当然两者的结果在SPSS中均可以得到。
4， 在统计学中，差异显著性检验是“统计假设检验”（Statistical hypothesis testing）的一种，用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的办法 [1] 。
5， 在实验进行过程中，尽管尽量排除随机误差的影响，以突出实验的处理效果，但由于个体间无法避免的差异，以及诸多无法控制的因素，使得实验结果最后表现的观察值处理处理效应之外，还包括实验误差的效应。因此对两个样本进行比较时，必须判断样本间差异主要是随机误差造成的，还是本质不同或处理效应引起的。
参考资料：
如果数据是分类变量和连续变量，那么进行分析时，分析方法大体可以分为三类，参数检验、非参数检验以及可视化图形，其中参数检验又包括t检验、方差分析，非参数检验包括MannWhitney统计量、Kruskal-Wallis统计量。以及还可以使用可视化图形进行查看。
如果数据是连续数据和连续变量，那么进行分析时，分析方法大体可以分为四类，相关分析、参数检验、非参数检验以及可视化图形，其中相关分析一般包括皮尔逊（pearson）相关系数以及斯皮尔曼（spearman）相关系数。如果连续变量和连续变量的样本量是相同的，可以考虑使用参数检验中的配对t检验，非参数检验包括配对wilcoxon，可视化图形可以考虑使用散点图。如果数据是分类变量和分类变量，那么进行分析时，分析方法大体可以分为三类，卡方检验、可视化图形，其中卡方检验又包括pearson卡方、fisher卡方、yates校正卡方、cochran-armitage检验、线性趋势卡方，以及还可以使用可视化图形（堆积柱形图、条形图）进行查看。
不同类型的卡方检验pk：
可以使用SPSSAU进行分析：
比如想要分析如下数据：
第一组：44、55、67、45、46、56、69、34、59、78、99；
第二组：49、59、62、56、68、45、77、89、99、102、45；
分析不同组别之间的相关性（差异性）。
分析：由于是分析不同组别之间的相关性（差异性），由于组别是二分类变量，所以考虑使用t检验或者非参数检验，由于数据基本服从正态分布，所以采用t检验和可视化图形进行结合分析。
直方图（正态检验）的结果如下：
从结果中看到直方图呈现类似“倒扣的钟形”，所以认为数据基本服从正态分布。
01、分析流程
T检验的分析流程，大体可以分为四步：
整理成正确的数据格式；
验证t检验的前提条件；（前提条件：正态分布、）
进行操作；
T检验的结果分析；
Step1：
整理数据格式，组别为一列，数据为一列，所以整理的结果如下：
Step2：
T检验的前提条件：
样本独立
正态分布
方差齐性
Step3：t检验操作
上传数据后，点击通用方法的t检验，然后将分析项拖拽到对应分析框内，点击开始分析。
Step4：T检验的结果分析；
从t检验分析结果可以看出，第一组的均值为59.27、第二组的均值为68.27，从均值中可以看出来第二组数据平均水平上大于第一组数据，然后t统计量为-1.077，p值为0.294大于显著性水平，说明模型不显著，也即说明第一组数据与第二组数据之间没有差异性。与此同时我们还可以使用柱形图或者条形图进行可视化分析：
从可视化图形中可以看出第二组数据均值大于第一组数据，但是柱形图中只能看处，两组数据的简单对比，对于模型的分析或者显著性的判断，还是需要进行假设检验。