看方差不相等的那一行，sig值小于0.05，这种情况就是方差不齐。
在方差齐性检验结果中，若P>0.10，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。
如果样本量很大，数据近似正态分布，可以直接用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。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。
扩展资料：
方差齐性检验（Homogeneity of variance test）是数理统计学中检查不同样本的总体方差是否相同的一种方法。其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。常用方法有：Hartley检验、Bartlett检验、修正的Bartlett检验。
方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。 方差齐性检验是对两样本方差是否相同进行的检验。 方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为F分布 。
方差分析中有三条前提假设，其中一条是：不同水平的总体方差相等。因为F检验对方差齐性的偏离较为敏感，故方差齐性检验十分必要。在线性回归分析中，也要满足以上三条前提假设，除了方差齐性检验外，另二个是：因变量是否符合正态分布和是否待分析的因变量中的个案彼此独立也就是个案间不存在自相关并来自于同一个总体。对于线性回归分析，只是多一个需要因变量和自变量有线性趋势。
spss中的方差齐性检验：首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。
方法：绘制散点图：一般情况因变量是纵轴，但是，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。原因就是，要弄清究竟因变量和残差之间有没有关系。
结果：如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。
参考链接：齐性检验-百度百科