独立样本t检验的假定：
- 观测是独立的；
- 每组因变量总体服从正态分布；
对于中等到较大的样本量，绝大部分的非正态分布趋向于对t检验的精确性没有多少影响。
3.每组总体方差相等；
适用情况：
当对两个独立样本的感兴趣的一个连续因变量的均值进行比较时，可以使用。
原假设：
两组的总体均值相等 ；
如果t检验产生的结果在原假设正确时看起来不可能，也就是结果发生的可能性小于5%，就拒绝原假设。
如果t检验产生的结果在原假设正确时看起来正确，也就是结果发生的可能性大于5%，就接受原假设。
操作：
【分析】–【比较均值】–【独立样本t检验】；
把自变量（用于区分不同组的标识数据，如1，2）移入分组变量；
把因变量（目的是：检测因变量的均值是否相等）移入检验变量；
需要注意：定义组
以上图为例，在设置定义组选项之前，分组变量栏里内容是therapy(??)，这时点击定义组,
在此例中，样本1的数据标识为1，样本2 的数据标识为2，那么就输入各自的数据标识即可，之后点击继续…
结果分析：
分组统计量表内容主要是一些不同样本间的描述统计量，诸如：样本量、标准差、标准误差。
第二张表：独立样本检验
包含两个小表：Levene方差检验 和 均值等同性检验。
首先，看Levene方差检验的显著性,即p值，这里是0.151（如果以0.05为标准），该值大于0.5，就认为不显著，也就是原假设：方差相等成立。那么，比较均值是否相等时，我们只需要看上图第二张表第一行（假定等方差）的分析结果就可以了。这里，均值等同性t检验的p值为0.059，大于0.05，接受原假设，即认为两组的总体均值相等。
值得注意的是，如果均值等同性的p值小于0.05，拒绝原假设，即认为两组的总体均值不相等，那么，我们可以通过第一张表（分组统计量表）中的各组均值判断谁高谁低。
效应量：
独立样本t检验的效应量的估计值为：
涉及到的英文词汇：
grouping variable 分组变量
define group 定义组
group statistics table 分组统计量表
independent - sample test table 独立样本检验表
Levene’s test for equality of variance 方差相等的 Levene检验
