显著性差异分析如下：
1、建立虚无假设，即先认为两者没有差异，用表示。
2、通过统计运算，确定假设成立的概率P。
3、根据P的大小，判断假设是否成立。
显著性差异（significant difference），是一个统计学名词。它是统计学（Statistics）上对数据差异性的评价。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。
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。
在作结论时，应确实描述方向性（例如显著大于或显著小于）。sig值通常用 P>0.05表示差异性不显著；0.01<P<0.05表示差异性显著；P<0.01表示差异性极显著。
spss显著性差异分析属于在进行独立样本T检验之前，要对数据进行正态性检验。
满足正态性才能进一步分析，不满足可以采用数据转化或非参数秩和检验。判断样本与总体所做的假设之间的差异是否是由于所做的假设与总体真实情况之间不一致所引起的，需要对数据进行显著性检验。
通常在此过程中会定义最高阈值与最低属值，正常值的范围为正常值区间。超出正常值区间的值为异常值。差距分析主要是分析差距产生的原因并提出减小或消除差距的方法。
spss显著性差异分析注意：
可以通过改变目标或者改变业务层的战略来实现。固定制造费用耗费差异=固定制造费用实际数-固定制造费用预算数。碰到非正态数据，就想办法转化成正态的统计量。
根据数据序列的特点，T检验可以分为四种类型：单样本T检验、配对样本T检验、独立样本等方差T检验和独立样本异方差T检验。P值如果小于0.1就是在10%的水平上显著，如果小于0.05就是5%上显著，如果小于0.01就是1%上显著。
在进行独立样本T检验之前，要先对数据进行正态性检验。满足正态性才能进一步分析，不满足可以采用数据转化或非参数秩和检验。
等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。虚拟变量abcd四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
t检验
适用于计量资料、正态分布、方差具有齐性的两组间小样本比较，检验两个处理平均数的差异是否显著。
spss提供的T检验有3种形式，分别是单样本T检验（One-Sample T Test），独立样本T检验(Independent-Sample T Teat)和成对样本T检验(Paired-Sample T Test）。
以上内容参考：百度百科-差异显著性检验
