IBM SPSS Statistics平均值檢驗(yàn)，是通過(guò)計(jì)算一個(gè)或多個(gè)自變量類別的因變量平均值，并對(duì)平均值執(zhí)行單向方差檢驗(yàn)分析，來(lái)探索自變量類別平均值是否存在差異的檢驗(yàn)方法。

比如，我們經(jīng)常會(huì)使用平均值檢驗(yàn)來(lái)分析不同人群的花費(fèi)，從而挖掘出一些高消費(fèi)的人群，并對(duì)其執(zhí)行精準(zhǔn)的推廣。本文就以分析不同性別人群的客單價(jià)為例，演示一下IBM SPSS Statistics的平均值檢驗(yàn)法的使用。

一、打開(kāi)數(shù)據(jù)文件

首先，如圖1所示，打開(kāi)一組包含性別、客單價(jià)等變量的數(shù)據(jù)，用以研究不同性別人群的平均客單價(jià)是否有差異。

圖1：示例數(shù)據(jù)

二、應(yīng)用平均值檢驗(yàn)

接著，如圖2所示，打開(kāi)分析菜單中的比較平均值功能，并選擇其中的“平均值”選項(xiàng)。

圖2：平均值檢驗(yàn)功能

如圖3所示，設(shè)置面板中包含了因變量列表、自變量列表、選項(xiàng)等設(shè)置選項(xiàng)。接下來(lái)，我們使用示例數(shù)據(jù)實(shí)際操作一下。

圖3：平均值檢驗(yàn)設(shè)置

1、選擇變量

首先？，選取“客單價(jià)”作為平均值檢驗(yàn)的因變量，SPSS會(huì)通過(guò)計(jì)算“客單價(jià)”的平均值來(lái)檢驗(yàn)自變量類別的差異。

然后，再選擇“性別”作為自變量，由于我們只需研究一層變量（性別）的差異，因此只添加一層自變量。

圖4：選擇變量

2、平均值選項(xiàng)

接著，打開(kāi)選項(xiàng)按鈕，在如圖5所示的選擇面板中，選擇單元格統(tǒng)計(jì)的數(shù)值，本例中選擇了“平均值、個(gè)案數(shù)、標(biāo)準(zhǔn)差”。

然后，比較重要的一個(gè)步驟，需要將最下方的“第一層的統(tǒng)計(jì)”中的檢驗(yàn)方法勾選上，Anova指的是方差分析，是平均值檢驗(yàn)中的重要分析方法。

圖5：平均值選項(xiàng)

3、結(jié)果分析

完成以上設(shè)置后，運(yùn)行平均值檢驗(yàn)。

從如圖6所示的報(bào)告表看到，女性的客單價(jià)平均值稍高于男性的客單價(jià)平均值，但差值之間是否存在差異？需要進(jìn)一步查看方差分析才能確定。

圖6：客單價(jià)平均值

如圖7所示，從ANOVA分析表可以看到，組間（不同性別平均客單價(jià)）的P值為0.069大于0.05（95%的置信區(qū)間），說(shuō)明組間差異不顯著，女性的客單價(jià)平均值不顯著高于男性的客單價(jià)平均值。

Eta值的范圍在0到1之間，越接近0值表示行變量和列變量之間無(wú)相關(guān)性，越接近1的值表示高度相關(guān)。從相關(guān)性測(cè)量也可以看到，性別與客單價(jià)之間無(wú)強(qiáng)相關(guān)性。

圖7：顯著性分析