网站分析中数据的统计学显著性检验.doc

网站分析中数据的统计学显著性检验在网站分析中，经常会做网站优化测试，就会比较不同方案的转换率，例如跳出率，订单购买率，按钮点击率等；也会记录访客或者客户的详细数据表现。但很多时候差异都很小，究竟是保持现状还是全面采用新方案的内容，很难有结论，于是两者差异在统计学的意义是否显著就变得很重要。这篇文章主要讲解两种检验数据的方法：分别是在Excel中使用已经写好函数的数据显著性计算器，和使用SPSS对详细客户数据进行显著性检验。一、Excel-数据显著性计算器假设有下列的数据：那么我们可以使用Avinash Kaushik介绍的Excel-数据显著性计算器来检验，详细请查看/avinash/excellent-analytics-tip1-statistical-significance/Excel文件可从此处下载：/s/cz9E6输入数据后计算得知（Number of Test Participants是分母，Number of Conversions是分子），差异是显著的，因为方框中显示了”Yes”以上方法的原理是两组数据的差异超过了数据置信区间的话，那么就会出现数据显著性差异的结果。以上的方法适用于简单的两个比率之间的对比，接下来要说说高级点的内容，SPSS中的假设检验问题来比较两个样本的均值。二、两独立样本T检验SPSS中比较均值的方法包括：在介绍两独立样本T检验之前，先说下均值的比较情况，由浅入深。1.均值的检验假设检验的步骤一般分为以下几步：1）确定原假设和备选假设（原假设就的意思是对总体的比例、均值或分布做出某种假设）2）选择检验统计量3）计算检验统计量观测值发生的概率，P值4）给定显著性水平， 如果P， 那么原假设成立。假设有以下两种情况：1）工厂的质量管理员说：产品缺陷率只有1/1000， 然后你开始抽查，抽了5件，就有2件是有问题的，那么问题就大单了。因为1000件中最大缺陷数是1件，现在有2件，也就是概率极小的事情发生。2）工厂的质量管理员说：产品缺陷率只有1/100，然后你开始抽查，抽了5件，就有2件是有问题的，那么问题也挺大单。1000件中最大缺陷数是10，现在有2件，接下来还有995件要查，那么有两种可能：*产品缺陷率远远高于1%，质量管理员忽悠人；*碰巧抽到有缺陷的产品，接下来的995件很少有缺陷的了。概率计算：原假设：也就是假设产品缺陷率是1/100， 前面抽了5件，就有2件次品的概率是0.088%；抽5件中2件，后续抽查产品缺陷率小于1/100的的概率为0.088%；抽5件中2件，后续抽查产品缺陷率大于1/100的的概率为99.912%，即原假设发生的概率，如果为5%，那么0.088%5%， 即检验中的小概率事件发生，原本不太可能的事情发生了，那么推翻原假设。注意：数据案例来自李洪成老师的SPSS资料2.两独立样本T检验两独立样本T检验指的是两个样本来自的总体相互独立，目的是分析两个独立样本的均值是否有显著的统计差异。接下来的案例背景是：不同优化方案影响访客订单价值的情况。一、前提条件：要进行两独立样本T检验，要满足以下条件：1）总体相互独立2）总体服从正态分布3）样本的方差相同原始数据如下：1.数据设置1）选择分析-描述统计-探索2）将访客销售额（sales）填入因变量列表，不同方案（test类型）填入因子列表：3）点击绘制，勾选直方图和带检验的正态图2.数据报告由下图得知，两个方案各有200个样本：由下图得知：1） 0方案的销售额均值（1697）大于1方案的销售额均值（1570）2）二者的标准差相差不大，657/610标准差比为约等于1。下图是0方案的直方图（验证是否具有正态性）下图是1方案的直方图（验证是否具有正态性）从下图得知，0和1方案的P值（sig）都大于0.05，因此都具有正态性。二、正式分析两独立样本的T检验点击分析-比较均值-独立样本T检验：将sales放进检验变量，test放进分组变量，同时点击“定义组”，分别用0和1来填充：两独立样本检验假设了两种情况，分别是方差相等和方差不相等的T检验结果。方差方程的Levene检验的P值为0.94，大于0.1，说明两个独立样本的方差是齐性的，因此选择假设方差相等的情况。方差相等情况下，SIG（P值）为0.047，小于显著性水平0.05，因此说明1方案的消费金额显著不同于0方案的消费金额，0方案在统计上比1方案具有显著性特征。注意：以上SPSS数据库的数据是导入excel数据生成的，以上excel数据是虚拟的，可通过rand（）函数随机生成。以上就是对于数据的统计学意义的