这种情况就是方差不齐。如果您的样本量很大，数据近似正态分布，可以考虑直接用t检验中方差不齐的校正结果来做，就是选第二行的t和p值。但如果，样本比较小，或者方差不齐问题很大，数据严重非正态分布，则要使用非参数检验。
方差齐性检验中的P>0.10 (第一个sig)，认为方差齐性，t检验看第一行的结果；否则认为方差不齐，t检验看第二行的结果。一般取a=0.05，P<0.001，即P<0.05，可认为差异存在。
spss里面T检验是比较常见的，另外方差也是比较常见的，而t检验主要是比较两组数据之间的差别，比较之前还是有一些要求的，我们统计一些数据，虽说可以用手动计算来得出结论，但是一旦数据量特别大的时候，人工计算将会特别的繁琐而且经常可能出现计算失误的情况，所以spss可以说在统计学甚至其他方面有着不可缺少的作用。
扩展资料：
T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布。
选用的检验方法必须符合其适用条件(注意：t检验的前提：1.来自正态分布总体； 2.随机样本 ；3.均数比较时，要求两样本总体方差相等，即具有方差齐性) 。
理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。
参考资料：t检验-百度百科