统计显著性检验如何使用

一、统计显著性检验应用

统计显著性检验是统计学家用以寻找数据模式或检验对数据有关猜测的一些最重要的技术。这些工具在六西格玛中有多种可能的应用，包括:

①确认绩效中存在问题或有实质性变化；

②检验数据的有效性；

③确定一组连续数据的模式或“分布”类型；

④在模式和差别基础上建立根本原因假设；

⑤证实或推翻根本原因假设。

二、统计显著性检验的使用

与使用控制图一样，统计检验一个假设也有几种方法供选择:

1、卡方(X2)检验

这是用于离散型数据显著性检验的一种方法，有时也用于连续型数据显著性检验。例如，你可以将卡方检验用于:

①比较两个位置的缺陷率以确定它们之间是否存在显著差别；

②检查每周顾客产品选择的变化是否存在有意义的变异水平；

③检验各种职员配备水平对顾客满意度的影响是否显著。

2、t检验

当有两组或两个样本的连续型数据时，采用这种方法检验显著性(连续型数据测量比离散型数据测量的功能更大，但需要注意的是，只有在这些数据满足某些条件的情况下这种检验才可行)，假如你的数据合乎要求，你可以用t检验来实现以下目的:

①对过程中关键步骤的周期时间在季度中两周间的差异进行比较，看看是否发生了有意义的变化；

②检查两个地区的顾客收入水平，看看是否有地区的业务部门明显在服务收入较高或较低的消费者群体；

③检验两个批次磁盘驱动器的寻盘速度是否存在差异。

3、方差分析(analysis of variance, ANOVA)

ANOVA是连续型数据显著性检验的另一方法，但与t检验不同的是，它可以用于比较两组或两个样本以上的数据(如果发现在3组或更多数据间存在显著差别，你必须进行更多的分析以找出具体哪几组间存在差别)：

①多过程中关键步骤的周期时间在季度中每周间的差异进行比较，看看是否发生了有意义的变化；

②检查4个地区的顾客收入水平，看看是否有一个或几个地区的业务部门明显处于服务收入较高或较低的消费者群体；

③检查5个批次磁盘驱动器的寻盘速度是否存在差异。

4、多元分析

多元分析(multivariate analysis, MANOVA)用于确定多因素的显著性(在做多元分析前，通常最好先进行方差分析)。