在数据分析、金融计算、工程评估等领域，“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时，默认指向的是算术平均数（Arithmetic Mean，简称 Mean） ，却忽略了另一类关键指标 ——几何平均数（Geometric Mean，简称 GeoMean） 。二者虽同属 “平均数” 范畴，但其计算逻辑、数学性质和适用场景存在本质差异，误用轻则导致数据解读偏差，重则引发投资决策失误、项目评估失真等问题。本文将从定义出发，拆解二者的核心区别，并结合实战案例说明 “何时该用哪一种”。

一、基础定义：两种平均数的本质差异

要理解二者的区别，首先需明确其数学定义 —— 这是后续所有差异的根源。

1. 算术平均数（Mean）：“加法思维” 的平均

算术平均数是最直观的 “平均”，本质是 **“所有数据求和后除以数据个数”** ，反映的是数据在 “加法维度” 上的集中趋势。

其数学公式为：

对于一组非负数据 （ 为数据个数），算术平均数 为：

简单示例：

某班级 5 名学生的数学成绩为 80、85、90、95、100，其算术平均数为：

这个结果直接反映了 “5 名学生的平均成绩水平”，符合日常对 “平均” 的认知。

2. 几何平均数（GeoMean）：“乘法思维” 的平均

几何平均数则是 **“所有数据乘积后开 n 次方根”** ，本质反映的是数据在 “乘法维度”（如增长率、比率）上的平均变化趋势，尤其适用于描述 “复利效应” 或 “比例关系” 的数据集。

其数学公式为：

对于一组正数数据 （注意：数据不能为 0 或负数，否则乘积为 0 或无实数根），几何平均数 为：

为简化计算（避免大数乘积溢出），实际应用中常通过对数转换为 “加法形式”：

简单示例：

某基金连续 3 年的收益率分别为 10%、20%、30%（对应收益乘数为 1.1、1.2、1.3），其几何平均数为：

这个结果意味着基金 3 年的平均年化收益率约为 19.8% ，而非算术平均的 20%（）—— 后者会高估实际收益。

二、核心区别：从计算到应用的 5 个关键维度

算术平均数与几何平均数的差异，并非 “计算步骤不同” 这么简单，而是贯穿 “数据敏感度、适用场景、数学性质” 的全方位区别。下表从 5 个核心维度进行对比：

关键差异详解：为何不能混用？

1. 对极端值的敏感度：“被拉偏的均值” 与 “更稳健的均值”

算术平均数的致命弱点是对极端值高度敏感—— 一个异常大（或小）的数据会显著改变均值，导致结果脱离数据的真实集中趋势。而几何平均数因基于 “乘积开方”，对极端值的容忍度更高。

案例对比：

某公司 5 名员工的月薪（单位：元）为：5000、6000、7000、8000、100000（CEO 月薪）。

• 算术平均数：元

• 几何平均数：元

显然，算术平均数因 CEO 的高薪被 “拉高”，远高于普通员工的月薪水平（5000-8000 元），失去了 “平均月薪” 的参考意义；而几何平均数更贴近多数员工的实际收入层级，更具代表性。

2. 适用场景：“绝对量平均” 与 “相对量平均” 的边界

这是二者最核心的区别 ——算术平均数适用于 “绝对量” 的平均，几何平均数适用于 “相对量” 的平均。一旦跨越这个边界，结果必然失真。

• 算术平均数的正确场景：描述 “无复利、无比例关系” 的绝对数据。

  例如：计算班级学生的平均身高（165cm、170cm、175cm）、月度平均降雨量（50mm、60mm、70mm）、部门平均考勤天数（22 天、23 天、24 天）。这些数据的核心是 “绝对数值的累加”，用算术平均能直接反映集中趋势。

• 几何平均数的正确场景：描述 “有复利、有比例关系” 的相对数据。

  例如：

  若用算术平均计算这些场景，会出现明显错误。例如：某股票连续 2 年收益率为 100% 和 - 50%，算术平均收益率为 25%，但实际收益为 “1×2×0.5=1”（即 2 年后本金不变），真实平均收益率为 0%—— 这正是几何平均数的结果（）。

  • 金融领域：计算基金 / 股票的年化收益率（如年收益 10%、-5%、15%，需用收益乘数 1.1、0.95、1.15 计算 GeoMean）；

  • 经济领域：计算 GDP 年均增长率（如增速 6%、5.5%、5%，对应乘数 1.06、1.055、1.05）；

  • 质量管控：计算产品的平均合格率（如合格率 98%、99%、97%，对应乘数 0.98、0.99、0.97）。

三、实战案例：几何平均数如何避免 “决策陷阱”？

在金融投资中，“误用算术平均计算收益率” 是最常见的决策陷阱之一。我们通过一个真实场景，看几何平均数如何修正偏差。

案例背景：两款基金的收益率对比

假设投资者需在 A、B 两款基金中选择，二者近 3 年的收益率如下（单位：%）：

• 基金 A：20、30、40（对应收益乘数 1.2、1.3、1.4）

• 基金 B：50、10、20（对应收益乘数 1.5、1.1、1.2）

错误计算（算术平均）：

• 基金 A 算术平均收益率：

• 基金 B 算术平均收益率：

  若仅看算术平均，投资者会认为基金 A 更优。

正确计算（几何平均）：

• 基金 A 几何平均收益率：

• 基金 B 几何平均收益率：

实际收益验证（本金 10000 元）：

• 基金 A：10000×1.2×1.3×1.4 = 21840 元（3 年总收益 11840 元）

• 基金 B：10000×1.5×1.1×1.2 = 19800 元（3 年总收益 9800 元）

结果虽与算术平均的 “优劣排序” 一致，但几何平均更精准地反映了 “实际年化收益”—— 基金 A 的真实年化收益并非 30%，而是约 29.7%；基金 B 也并非 26.67%，而是 25.7%。若投资者基于算术平均的 “30%” 制定收益预期，最终会因 “预期与实际不符” 产生落差。

更关键的是：若某基金出现负收益（如年收益率为 100%、-50%），算术平均会严重高估收益，而几何平均能精准还原 “本金不变” 的事实 —— 这正是几何平均数在 “复利场景” 中的不可替代性。

四、常见误区与注意事项

1. 误区 1：数据含 0 或负数时用几何平均

   几何平均的计算基础是 “乘积开方”，若数据含 0，乘积为 0，结果为 0（失去意义）；若数据含负数，乘积可能为负，无实数根。因此，几何平均仅适用于正数数据（如收益率需转换为 “1 + 收益率” 的乘数形式，避免负号）。

2. 误区 2：“所有场景都用算术平均”

   当数据涉及 “增长率、比率、复利” 时，算术平均必然失真。例如：计算 “连续 5 年的产品销量增长率”，若用算术平均，会忽略 “增长率的复利效应”，导致对未来销量的预测偏高。

3. 误区 3：几何平均一定比算术平均 “好”

   二者无 “优劣之分”，只有 “适用与否”。例如：计算 “班级学生的平均成绩”，用几何平均会得出荒谬结果（如 5 名学生成绩 80-100，几何平均约 90.3，虽接近算术平均 90，但无实际意义）—— 此时算术平均才是正确选择。

五、总结：如何选择？一张表搞定

总之，算术平均数是 “加法思维” 的产物，适合描述 “绝对量的集中趋势”；几何平均数是 “乘法思维” 的产物，适合描述 “相对量的平均变化”。在数据分析中，关键不是 “计算哪个更简单”，而是 “理解数据的本质”—— 唯有匹配正确的平均数，才能让数据说话，避免因工具误用导致的决策失误。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0