文档介绍：. .
. v .
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过程可以进展分组计算。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过程求假设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过程的大局部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 → pare Means → Means的顺序单击，即可翻开"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
. .
. v .
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，即可翻开"Options〞对话框，如图2所示。
图2 Options 对话框
① Cell 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〔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〕。
② Statistics for First Layer
. .
. v .
该栏中有两个复选框，决定对第一层自变量的有关分析。
ANOVA 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统计量说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。只有早控制变量有根本的数量级〔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过程对其做根本的描述