你还可以选用分类正态概率图、分类递减趋势概率图和分类散点图，以查
看每一群内变量的分布情况。在选项活页下，将进行高亮显示的 p-值界限设置为 0.05。现在，单击摘要按钮，以开启 t-检验的分析结果表格。 查看 t检验的输出结果
分析表格的最快方法是查看第五列(p-值)，并找出小于通常采用的显著性水平 0.05的 p值。对绝大多数分群变量来说，两组(MALE和 FEMALE)中的均值都十分接近。只有一个变量的 t-检验结果达到了通常采用的显著性水平 0.05，变量 MEASURE07的 p-值为 0.0087。通过观察均值的两列(表格的前两列)可以发现，男性对于该方面的评分(5.46)远高于女性 (3.63)。获得的这一差异是偶然现象的可能性仍是存在的，尽管在该检验有效的假设下(见下文)，这看起来不太可能，因为该显著性水平上的差异偶然出现的可能性(大约)仅是 1000次中出现 9次(不足 100次中出现 1次)。这一结果将被进一步检查，但现在，首先看一下该变量的盒须图。
返回你之前生成的盒须图(显示在上面的工作簿中，也可以通过单击对话框中的盒须图按钮重新进行生成 )。然后选择图形中的变量 MEASURE07，双击图形以开启所有选项对话框，选择图形：盒形/须线，并在虚线数值的下拉菜单中将虚线数值设置为标准差。
现在单击确定按钮，生成更新后的图形：
此表格显示出了一些意外的情况：女性分群中的波动程度远大于男性。如果两个分群中数值的波动程度确实不同，那么就违背了 t-检验的其中一条理论假设，而你就要在对待均值的差异时格外小心。而且，波动程度的差别一般也与均值的大小有关，也就是说，均值较高的分群通常具有更大的波动程度。然而，本例中的情况恰恰相反。在这种情况下，有经验的研究者将对变量 MEASURE07的分布是否为正态分布产生怀疑(对于男性分群、女性分群或二者)。然而，为验证图形上看到的差异是否是可靠的，首先看一下对方差的检验。
1.1.4对于方差差异的检验
现在，返回结果表格，并滚动到能够看到 F-检验结果的位置。F-检验的结果确实达到了通常采用的显著性水平 0.05，这说明变量 MEASURE07在男性分群和女性分群中的方差确实存在差异。然而，方差的差异水平接近了显著性水平的边界(p-值为 0.29)。大多数研究者并不会因此而完全否定 t-检验对于均值差异的有效性，尤其是考虑到均值差异检验所得到的相对很高的显著性水平 (p=0.0087)。现在，看一下根据反应变量性别进行了分类的的变量 MEASURE07的分布情况。 分类直方图.
用鼠标右键选中结果表格，在快捷菜单中选择输入数据图表 -2D直方图选项。屏幕将出现一个对话框，让你选择直方图的分类变量(选择变量性别)，以及该变量所使用的分类编码(选择全部)。然后单击确定按钮，生成相应的图形。