一、Means过程1．简单介绍Means过程计算指定变量的综合描述计量，包括均值、标准差、总和、观测量数、方差等一系列单变量描述统计。
当观测量按一个分类变量分组时，Means 过程可以进行分组计算。
例如，要计算某地区高考的数学成绩，Sex变量把考生分为男生和女生两组，Means过程可以分别计算男女生的数学成绩。
Means过程还可以给出方差分析表和线性检验结果。
使用Means过程求若干组的描述统计量的目的在于比较，因此必须求均值。
这是与Descriptive过程不同之处。
2．完全窗口分析Means过程的大部分功能可以完全由窗口实现，这给用户带来了很大的方便。
（1）Means主对话框按Analyze →Compare Means →Means的顺序单击，即可打开“Means”主对话框，如图1所示。
图1 Means主对话框（2）Dependent框该框中的变量作为因变量，通常认为受自变量影响或决定，因此被用来预测或建模。
要从源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向右的箭头即可。
（3）Independent框该框中的变量是自变量，又被称为预测变量或解释变量。
要运行Means过程，该框中必须至少有一个变量。
要从源变量框中选取变量进入该框，同样只需激活所要选取的变量，然后按向右的箭头即可。
选中变量进入该框后，可以看到上方的【Next】按钮有效，单击该按钮进入下一层，在下一层的自变量将再细分样本。
要回到上一层，单击【Previous】按钮即可。
（4）Options 对话框单击Options按钮，即可打开“Options”对话框，如图2所示。
图2 Options 对话框①Cell Statistics框从左边框中选择要输出的统计量进入该框，该框中的统计量是输出时显示的统计量，其排列顺序即是输出时显示的顺序。
可供选择的统计量的意义如下：Sum（总和）、Number of cases（观测量数目）、Mean（均值）、Median（中位数）、Grouped median（分组中位数）、Standard error of the mean（均值标准误差）、Minimum（最小值）、Maximum（最大值）、Range（范围）、Standard deviation （标准差）、Variance（方差）、Kurtosis（峰度）、Standard error of kurtosis（峰度的标准差）、Skewness（偏度）、Standard error of Skewness（偏度的标准差）、First （首值）、Last（尾值）、Percentage of total sum（占总和的百分比）、Percentage of total N（占观测量总数的百分比）、Geometric mean（几何均数）、Harmonic mean （调和均数）。
②Statistics for First Layer该栏中有两个复选框，决定对第一层自变量的有关分析。
●ANOV A table and eta复选框选中该复选项对第一层自变量给出方差分析表和eta统计量η和η2。
方差分析的零假设是，第一层自变量各水平上的因素量均值都相等。
η统计量表明因变量和自变量之间联系的强度。
η2是因变量中不同组中差异所解释的方差比，是组间平方和与总平方和之比。
●Tests for linearity复选框选中该复选框产生R和R2。
只有早控制变量有基本的数量级（例如自变量表示年龄或人种，不能是房子颜色或居住城市等），且自变量有三个水平以上。
其检验的假设是因变量均值是第一层自变量值的线性函数。
R和R2测度线性拟合的良好度。
R是观测值与预测值之间的相关系数。
3．例题分析某医师测得如下血红蛋白值（g%），用Means过程对其做基本的描述性统计分析。
（1）操作步骤①激活数据管理窗口，输入数据文件，定义变量名：性别为sex，年龄为age，血红蛋白值hb。
按顺序输入数据（sex变量中，男为1，女为2）。
②按Analyze →Compare Means →Means 的顺序单击，即可打开“means”主对话框。
③在对话框左侧的变量中选hb，单击向右按钮使之进入Dependent List框，选sex单击向右按钮使之进入Independent List框。
④单击败【Options】按钮打开“Options”对话框，从中选择统计项目：在Cell Displays项中，选中Mean、Standard deviation、Variance、Number of Cases和Sum五个复选框。
⑤在Statistics for First Layer项中，将为第一层的分组选择计算方差分析（ANOV A table and eta）和线性检验（Test of linearity）。
单击【Continue】按钮返回“Means”主对话框。
⑥选age单击向右按钮使之进入Independent List框。
重复④和⑤步骤，返回“Means”主对话框。
⑦在主对话框中单击【OK】钮完成。
（2）输出结果及分析表2是我们造已熟悉的观测量摘要表，说明了观测量总个数为40，其中有效值为40 个，无效值有0。
表2 观测量摘要表表3分为三部分，第一、第二部分先按性别分组（分男性和女性），再按年龄分组（16，17，18岁三组）计算观测值合计、均值、标准差、方差和个数；第三部分是之按年龄分组，最后一行表示40个观测值合计为457.79，均数为11.4448，标准差为2.2690，方差为5.1484，个数为40。
若在Independent List中未分层次，即sex和age一起在Layer 1of 1中，则结果是分别计算男性与女性（不作年龄分组）。
16、17、18岁三组（不作性别分组）的观测值合计、均值、标准差、方差和个数，如表4、5所示。
表3 分组描述统计量Report血红蛋白值表4 按性别分组的描述统计量Report血红蛋白值Report血红蛋白值表6是方差分析表，共有六列，第一列说明方差的来源，Between Groups 是组间的，Within Groups是组内的，Total是总的。
第二列为平方和，其大小说明了各方差来源作用的大小。
第三列为自由度。
第四列为均方，即平方除以自由度。
第五列F值只F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性，如果不显著说明模型对指标的变化没有解释能力。
第六列是F值统计量的显著值，由于这里显著性小于0.05（我们的检验水平），所以模型是显著的，性别对血红蛋白有显著影响。
由于性别分组只有两个水平，所以没有设计计算线性检验。
表6 方差分析表血红蛋白值*性别表7是eta统计量表，η统计量表明因变量和自变量之间联系的强度，0.567的值处于中等水平，η2是因变量中不同组间差异所解释的方差比，是组内平方和与总平方和之比，即由64.5256除以200.787得到。
表7 eta统计量表8、表9是将年龄作为第一层自变量得到的方差分析表和eta统计量表。
表8中多了两行，Linearity是假设因变量均值是第一层自变量值的线性函数，Deviation from Linearity是不能由线性模型解释的部分。
表9中是R和R2测度线性拟合的良好度，R是观测值与预测值之间的相关系数。
表9 按年龄分组的eta统计量表二、单一样本T检验1．简单介绍单一样本T检验（One-Sample T Test）是检验单个变量的均值是否与假设检验值（给定的常数）之间存在差异。
例如，研究某地区高考数学平均分数与去年分组（定值）的差异。
如果已知总体均数，进行样本均数与总体均数之间差异显著性检验也属于单一样本的T检验。
例如，研究某地区高考数学平均分数与全省高考数学平均分数的差异，这样的问题就是依靠进行样本均数与总体均数之间差异显著性检验，即进行单一样本的T检验来解决的问题。
单一样本T检验过程对每个检验变量给出的统计量包括观测量个数、均值、标准差和均值的标准差，它还给出了每个数据值与假设检验值之间的差的平均值以及进行该差值为0的T检验和该差值的置信区间，并且用户可以指定这个显著性水平。
2．完全窗口分析（1）One-Sample T Test主对话框按Analyze →Compare Means →One Sample T Test的顺序单击，就可以打开主对话框，如图3所示。
图3 单一样本T检验主对话框（2）Test Variable框Test Variable框中的变量是要作检验的变量，要从源变量框中选取变量进入该框，只需选中所要选的变量，然后按向右的箭头即可。
（3）Test Valeu参数框在该框中输入一个定值作为假设检验值。
（4）Options对话框在主对话框中单击【Options】键，即可打开“Options”对话框，如图4所示。
图4 Options对话框①Confidence Interval参数框在该框中输入置信区间，必须在1～99之间，一般取为90、95、99等，过程将给出这个置信区间的上下限。
需要说明的是，计算置信区间的变量不是样本值，而是样本值和假设检验值（Test Value）的差。
②Missing Value框在该框中选择缺失值的处置方式。
●Exclude cases analysis by analysis选中该框，在检验变量中含有缺失值的观测将不被计算。
●Exclude cases listwise选中该框，在任何一个变量中含有缺失值的观测都将不被计算。
3．例题分析仍以上例来说明。
已知另一地区16～18岁少年血红蛋白平均值为11.657g%，检验这一地区16～18岁少年血红蛋白值是否与另一地区的平均值相等。
（1）操作步骤①按Analyze →Compare Means →One Sample T Test的顺序单击，就可以打开主对话框。
②将变量hb选入Test Variable框。
③在Test Value框中输入11.657。
④单击【OK】完成。
（2）输出结果及分析表10是血红蛋白值的一些统计量，包括观测量个数、均值、标准差和均值标准误差。
表10 单个样本统计量从表11中可以看出，t值为－0.592，自由度为39，显著值为0.558，样本均值与检验值的差为－0.2122，该差值95%的置信区间是－0.9379～0.5134。
表11 单个样本检验三、独立样本T检验1．简单介绍独立样本T检验（Independent Samples T Test）用于检验对于两组来自独立总体的样本，其独立总体的均值或中心位置是否一样。
如果两组样本彼此不独立，应该使用陪对T检验（Paired Samples T Test）。
