Means 对准备比较的各组计算描述指标，进行预分析，也可直接比较； One-Samples T Test 进行样本均值与已知的总体均值的比较； Independent-Sample T Test 两组样本均值差别的比较； Paired-Samples T Test 配对资料的显著性检验； One-Way ANOVA 进行两组或多组样本均值的比较，即成组设计的方差分析，还可进行随后的两两比较。
案例：
案例1， 某克山病区测得11例克山病患者与13名健康人的血磷值(mmol/L)如下, 问该地急性克山病患者与健康人的血磷值是否不同?(张文彤spss教程中案例)
患者: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11健康人: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
Data View & Variable View 中输入数据，
means
analyze - > compare means -> means
弹出的对话框中，dependent list 选择 x, independent list 选择 group.
options对话框中，可以选择需要用得参数；statistics for first layer 复选框中，
Anova table and eta 对分组变量进行单因素方差分析，并计算用于度量变量相关程度的eta值。Test for linearity 检验线性相关性，实际上就是上面的单因素方差分析。
本例子中，钩选上。
Ok 后，显示的结果如下：
第一个图是常用统计描述量报表。这里按默认情况输出匀值，样本量和标准差。
从这里，我们也可以直观的看出，两组的匀值有非常明显的差异。
第二个图，是单因素方差分析表。？
第三个图，相关性度量指标，给出了Eta值以及Eta值的平方根。
其中，Eta=0.474,呈中等程度的相关，表示血磷值的高低与人群是否为患者有中等程度的相关。
One-sample t test
compare means -> one-sample t test 弹出的对话框中，test variable 选择需要分析的变量，
test value 输入已知的总体匀值，默认为零。 options 对话框中， confidence interval 输入需要计算的
匀数差值可信区间的范围，默认为95%；Missing Values 对缺失值的处理方法，默认的前者对数据利用
得比较充分。
运行后，结果如下：
第一个图中，显示了变量的基本情况，包括样被两，匀值，标准差和标准误。
第二个为单样本 t 检验表，test value = 0 表示检验的已知总体匀值为0，下面，从左到右依次为t 值（t）,
自由度（df）, p 值（Sig.2-tailed）,两匀值道德差值（mean difference）,差值的95%可信区间。
由图中得知，t=13.740,p=0< 0.05,故拒绝原假设。 当前样本中，血磷值不为零。
indenpendnt-sample t test
compare means-> indenpendent-sample t test. 接下来的对话框中，test variables 选择x ，
grouping variable ，选入分组变量，这里选group. 接着define groups 框，分别输入1，2。 表示对group1
与group2 进行比较。options 与 one-sample t test 的options 相同，故省略。 运行后，结果如下：
第一个图，两组待检验变量基本情况，样本量，匀值，方差等。
第二个图，是比较重要的。 给出了方差在齐次与非齐次两种情况下的 t 检验结果。
判断该图，可分为两个部分来看。 首先，检验两总体方差是否齐。这里结果为，
F = 0, p = 0.986> 0.05. 故没有理由拒绝原假设，所以两组方差齐。 接着，给出了方差在齐时的
t 检验结果。t =2.278,df = 21,p = 0.033 < 0,05. 故拒绝原假设，即患者与健康人的血磷值不相同。
案例2 ： 某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，问三组石棉矿工的用力肺活量有无差别？
石棉肺患者 1.8,1.4,1.5,2.1,1.9,1.7,1.8,1.9,1.8,1.8,2.0可疑患者 2.3,2.1,2.1,2.1,2.6,2.5,2.3,2.4,2.4非患者 2.9,3.2,2.7,2.8,2.7,3.0,3.4,3.0,3.4,3.3,3.5
compare means -> one-way ANOVA . Dependent List 选择需要分析的变量，Factor 需要比较的分组变量
Post Hoc 对话框中，钩选 S-N—K 。 运行后，结果如下：
图一，是一个典型的方差分析表。给出了单因素方差分析的结果，组间方差between groups=9.26
又 F=84.544，p =0< 0.05. 显然三组工人肺活量不同。
图二，是用S-N-K 法进行两两比较的结果。图中，患者，可疑患者，非患者被分在了3个不同的亚组，
显然，三组间两两比较也有较大的差异。而且，由于每个亚组都只有一个组别进入，故 p = 1 .
