IBM SPSS Statistics平均值检验，是通过计算一个或多个自变量类别的因变量平均值，并对平均值执行单向方差检验分析，来探索自变量类别平均值是否存在差异的检验方法。
比如，我们经常会使用平均值检验来分析不同人群的花费，从而挖掘出一些高消费的人群，并对其执行精准的推广。本文就以分析不同性别人群的客单价为例，演示一下IBM SPSS Statistics的平均值检验法的使用。
一、打开数据文件
首先，如图1所示，打开一组包含性别、客单价等变量的数据，用以研究不同性别人群的平均客单价是否有差异。
图1：示例数据
二、应用平均值检验
接着，如图2所示，打开分析菜单中的比较平均值功能，并选择其中的“平均值”选项。
图2：平均值检验功能
如图3所示，设置面板中包含了因变量列表、自变量列表、选项等设置选项。接下来，我们使用示例数据实际操作一下。
图3：平均值检验设置
1、选择变量
首先？，选取“客单价”作为平均值检验的因变量，SPSS会通过计算“客单价”的平均值来检验自变量类别的差异。
然后，再选择“性别”作为自变量，由于我们只需研究一层变量（性别）的差异，因此只添加一层自变量。
图4：选择变量
2、平均值选项
接着，打开选项按钮，在如图5所示的选择面板中，选择单元格统计的数值，本例中选择了“平均值、个案数、标准差”。
然后，比较重要的一个步骤，需要将最下方的“第一层的统计”中的检验方法勾选上，Anova指的是方差分析，是平均值检验中的重要分析方法。
图5：平均值选项
3、结果分析
完成以上设置后，运行平均值检验。
从如图6所示的报告表看到，女性的客单价平均值稍高于男性的客单价平均值，但差值之间是否存在差异？需要进一步查看方差分析才能确定。
图6：客单价平均值
如图7所示，从ANOVA分析表可以看到，组间（不同性别平均客单价）的P值为0.069大于0.05（95%的置信区间），说明组间差异不显著，女性的客单价平均值不显著高于男性的客单价平均值。
Eta值的范围在0到1之间，越接近0值表示行变量和列变量之间无相关性，越接近1的值表示高度相关。从相关性测量也可以看到，性别与客单价之间无强相关性。
图7：显著性分析
以上就是IBM SPSS Statistics平均值检验的应用介绍。我们可以通过检验因变量的平均值差异，来挖掘自变量类别的差异，使用起来比较简单，结果也比较易懂。
