IBM SPSS Statistics平均值檢驗，是通過計算一個或多個自變量類別的因變量平均值，并對平均值執行單向方差檢驗分析，來探索自變量類別平均值是否存在差異的檢驗方法。

比如，我們經常會使用平均值檢驗來分析不同人群的花費，從而挖掘出一些高消費的人群，并對其執行精準的推廣。本文就以分析不同性別人群的客單價為例，演示一下IBM SPSS Statistics的平均值檢驗法的使用。

一、打開數據文件

首先，如圖1所示，打開一組包含性別、客單價等變量的數據，用以研究不同性別人群的平均客單價是否有差異。

圖1：示例數據

二、應用平均值檢驗

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

圖2：平均值檢驗功能

如圖3所示，設置面板中包含了因變量列表、自變量列表、選項等設置選項。接下來，我們使用示例數據實際操作一下。

圖3：平均值檢驗設置

1、選擇變量

首先？，選取“客單價”作為平均值檢驗的因變量，SPSS會通過計算“客單價”的平均值來檢驗自變量類別的差異。

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

接著，打開選項按鈕，在如圖5所示的選擇面板中，選擇單元格統計的數值，本例中選擇了“平均值、個案數、標準差”。

然后，比較重要的一個步驟，需要將最下方的“第一層的統計”中的檢驗方法勾選上，Anova指的是方差分析，是平均值檢驗中的重要分析方法。

圖5：平均值選項

3、結果分析

完成以上設置后，運行平均值檢驗。

從如圖6所示的報告表看到，女性的客單價平均值稍高于男性的客單價平均值，但差值之間是否存在差異？需要進一步查看方差分析才能確定。

圖6：客單價平均值

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）的P值為0.069大于0.05（95%的置信區間），說明組間差異不顯著，女性的客單價平均值不顯著高于男性的客單價平均值。

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相關性，越接近1的值表示高度相關。從相關性測量也可以看到，性別與客單價之間無強相關性。

圖7：顯著性分析