一、验证两独立样本数据是否符合正态分布（分析-描述统计-探索），若不符合对数据进行处理，若符合进行第二步；

关注正态分布结果：

 

H0：总体服从正态分布

（3）两种检验的选择：

?样本量小于2000时看shapiro-wilk的检验结果，精度高。

?kolmogorov-smimov适合大样本，一般大于2000。

?对于此两种检验，如果P值大于0.05，没有理由说样本数据不服从正态分布。

?由下表得出结论：三国样本数据中，文官和武将两类数据均服从正态分布，可以进行两独立样本T检验

 

 

二、分析-比较均值-两独立样本T检验；选项-置信水平；定义组-输入分类数据；

三、输出结果；

第一步：下表可以看出，文官和武将之间武力的样本平均值很大的差距。通过假设检验应推断这种差异是抽样误差造成的还是系统性的。

第二步：First，两总体方差是否相等的F检验。这里，该检验的F统计量的观测值为42.595，对应的概率P-值为0.000。在0.05显著性水平下，由于概率P-值小于0.05，可以认为两总体的方差有显著差异，即两总体方差是不相等的。原假设：方差相等。

Second，两总体均值的检验。在第一步中，由于两总体方差不相等，因此应看第二行T检验的结果。其中T统计量的观测值为-27.188，对应的双尾概率P-值为0.000。如果显著性水平为0.05，由于概率P-值小于0.05，因此认为两总体的均值有显著差异，即文官和武将之间武力的样本平均值存在显著差异。

        表中的第七列和第八列分别为T统计量的分子和分母；第九列和第十列为两总体差的95%置信区间的上限和下限。

SPSS中，进行两独立样本T检验