好久沒有更新博客了，今天更新一篇關于數據分析方法的文章，主要是基于統計學的假設檢驗的原理，無論是T檢驗還是卡方檢驗在現實的工作中都可以被用 到，而且結合Excel非常容易上手，基于這類統計學上的顯著性檢驗能夠讓數據更有說服力。還是保持一貫的原則，先上方法論再上應用實例，這篇文章主要介 紹方法，之后會有另外一篇文章來專門介紹實際的應用案例。

關于假設檢驗

假設檢驗（Hypothesis Testing），或者叫做顯著性檢驗（SignificanceTesting）是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。其基本原理是先對總體的特征作出某種假設，然后通過抽樣研究的統計推理，對此 假設應該被拒絕還是接受作出推斷。既然以假設為前提，那么在進行檢驗前需要提出相應的假設：

H0：原假設或零假設（null hypothesis），即需要去驗證的假設；一般首先認定原假設是正確的，然后根據顯著性水平選擇是接受還是拒絕原假設。

H1：備擇假設（alternative hypothesis），一般是原假設的否命題；當原假設被拒絕時，默認接受備擇假設。

如原假設是假設總體均值μ＝μ0，則備擇假設為總體均值μ≠μ0，檢驗的過程就是計算相應的統計量和顯著性概率，來驗證原假設應該被接受還是拒絕。

T檢驗

T檢驗（TTest）是最常見的一種假設檢驗類型，主要驗證總體均值間是否存在顯著性差異。T檢驗屬于參數假設檢驗，所以它適用的范圍是數值型的數據，在網站分析中 可以是訪問數、獨立訪客數、停留時間等，電子商務的訂單數、銷售額等。T檢驗還需要符合一個條件——總體符合正態分布。

這里不介紹t統計量是怎么計算的，基于t統計量的顯著性概率是怎么查詢的，其實這些計算工具都可以幫我們完成，如果有興趣可以查閱統計類書籍，里面都會有相應的介紹。這里介紹的是用Excel的數據分析工具來實現T檢驗：

Excel默認并沒有加載“數據分析”工具，所以需要我們自己添加加載項，通過文件—選項—加載項—勾選“分析工具庫”來完成添加，之后就可以在 “數據”標簽的最右方找到數據分析這個按鈕了，然后就可以開始做T檢驗了，這里以最常見的配對樣本t檢驗為例，比較某個電子商務網站在改版前后訂單數是否 產生了顯著性差異，以天為單位，抽樣改版前后各10天的數據進行比較：

首先建立假設：

H0：μ1＝μ2，改版前后每天訂單數均值相等；

H1：μ1≠μ2，改版前后每天訂單數均值不相等。

將數據輸入Excel，使用Excel的數據分析工具，選擇“t檢驗：平均值的成對二樣本分析”，輸出檢驗結果：

看到右側顯示的結果是不是有點暈了，看上去有點專業，其實也并不難，只要關注一個數值的大小——單尾的P值，這里是0.00565，如果需要驗證在 95%的置信水平下的顯著性，那么0.00565顯然小于0.05（1-95%），拒絕零假設，認為改版前后的訂單數存在顯著性差異。簡單說下為什么選擇 單尾顯著性概率P，而不是雙尾，對于大部分網站分析的應用環境，我們一般需要驗證改動前后數值是否存在明顯提升或下降，所以一般而言只會存在一類可能—— 或者提升或者下降，所以只要檢驗單側的概率即可，就像上面例子中改版后的訂單數均值1240.6大于改版前的1097.3，我們需要驗證的就是這種“大 于”是否是顯著的，也就是做的是左側單邊檢驗，這種情況下只要關注單尾的顯著性概率P即可。

卡方檢驗

卡方檢驗（chi-squaretest），也就是χ2檢驗，用來驗證兩個總體間某個比率之間是否存在顯著性差異。卡方檢驗屬于非參數假設檢驗，適用于布爾型或二項分布數據，基于兩個概 率間的比較，早期用于生產企業的產品合格率等，在網站分析中可以用于轉化率、BounceRate等所有比率度量的比較分析，其實在之前的文章——abandonmentRate的影響因素進行過相關的應用。這里同樣不去介紹χ2是如何計算得到的，以及基于χ2統計量的顯著性概率的查詢等，這里直接以轉化率為例來比較網站 改版前后轉化率是否發生了顯著性差異，抽樣改版前后各3天的網站分析數據——總訪問數和轉化的訪問數，用“轉化訪問數/總訪問數”計算得到轉化率：

首先建立假設：

H0：r1＝r2，改版前后轉化率相等；

H1：r1≠r2，改版前后轉化率不相等。

其實這是一個最簡單的四格卡方檢驗的例子，也無需使用SPSS（當然你足夠熟悉SPSS也可以使用類似的統計分析工具），為了簡化中間的計算步驟，我這里用Excel直接制作了一個簡單的卡方檢驗的模板，只要在相應的單元格輸入統計數據就能自動顯示檢驗的結果：

點擊下載：卡方檢驗示例

Excel中淺藍色的單元格都支持輸入，包括原用方案和測試方案的總訪問數和轉化訪問數，另外置信度95%也是支持修改了，如果你需要99%的置信水平，只要修改這個單元格即可。

怎么看檢驗結果其實非常簡單，只要看那個紅色的“存在”單元格的顯示結果即可，上面的案例中兩者的轉化率“存在”顯著性差異，如果不存在，則該單 元格相應的就會顯示“不存在”，有了這個模板對于a/BTesting等類似的數據比較也顯得非常簡單容易，或者說其實這個Excel模板就是為了a/B Testing而量身定制的。

好了，就到這里吧，其實這篇文章并不是想從專業的統計學的角度來介紹T檢驗和卡方檢驗，只是想讓大家了解這兩個方法的原理和適用條件，能夠用最簡單的方式去使用諸如此類的方法讓數據更具說服力，請繼續關注之后奉上的應用實例。

文章來源：網站數據分析 轉載請注明出處鏈接。

本文標題：T檢驗和卡方檢驗
文章網址：http://m.newbst.com/news4/130354.html

成都網站建設公司_創新互聯，為您提供定制網站、做網站、面包屑導航、網站內鏈、網站維護、網站設計公司

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯