实例讲解制造业
缝制和后整理团队达到记录生产率目标的频率一样吗?
按部门分组,达到或超过记录目标的团队日: 缝制:691 条中有 573 条(82.9%)。后整理:506 条中有 302 条(59.7%)。缝制的比例高出 23.2 个百分点。
交叉表
| 目标达成 \ 部门 | 缝制 | 后整理 | 合计 |
|---|---|---|---|
| 达到或超过目标 | 57382.9% | 30259.7% | 875 |
| 低于目标 | 11817.1% | 20440.3% | 322 |
| 合计 | 691 | 506 | 1,197 |
频数 / 列百分比. 每列合计就是该列百分比的分母。
带底色的单元格就是结论所比较的两个占比。
引用之前,先核对读法
选出这张表能支持的说法,再逐一展开选项,看看计数说明了什么。这里的每个数字都由上面的表计算得出。
这张表支持哪一种说法?
“缝制”的班组日比“后整理”的班组日更常达到记录的目标。
表格支持。 691 个中 573 个(82.9%),对比 506 个中 302 个(59.7%),高出 23.2 个百分点,数据来自一家公司的记录。
把一个班组从“后整理”调到“缝制”,会提高它达成目标的机会。
表格不支持。 这是因果说法。两个部门在工作内容、目标和人员上都不同,而这里没有控制其中任何一项;这张表记录的是发生了什么,而不是改变之后会怎样。
“缝制”班组比“后整理”班组更有效率。
表格不支持。 每个班组日都以它自己记录的目标来衡量,而各部门设定目标的方式可能不同。这张表比较的是目标达成情况,而不是产出。
使用这个结果
自己算一遍
在卡方检验计算器中打开这组频数:表格、类别顺序完全相同,百分比、χ² 和 Cramér’s V 都在你的浏览器里计算。改动任一单元格,可以看到结果如何变化。
引用
复制下面的引用,并一并保留下方的数据来源和许可。
缝制和后整理团队达到记录生产率目标的频率一样吗? — Crosstabs. https://www.crosstabs.com/zh-cn/examples/mfg01-did-sewing-and-finishing-teams-meet-their-recorded-productivity-targets-equally-often
数据来源
- 范围
- 一家服装公司;UCI 元数据未确认其所在地。
- 时间
- 2015-01-01 至 2015-03-11
- 一条记录是
- 一条团队日记录
数据:Productivity Prediction of Garment Employees [Dataset]. (2020). UCI Machine Learning Repository. https://doi.org/10.24432/C51S6D。采用 CC BY 4.0 许可。Crosstabs 对原始记录进行了筛选、重新编码并汇总成本表。
换成你自己的文件
打开 CSV、Excel 或 SPSS 文件,做同样的交叉表。文件只在当前浏览器标签页中读取,不会上传,也不需要账户。
用你自己的数据做交叉表
为什么问这个问题
产量不足时,生产经理会比较各部门,决定先查哪里。在此之前,需要知道一个团队日怎样才算达到目标,以及每个部门贡献了多少团队日。
怎么读这张表
如果一个团队日记录的实际生产率不低于它自己记录的目标,就算达到目标。两个部门的分母不同,缝制 691 个、后整理 506 个团队日,所以要比较列百分比,而不是频数。
列百分比回答的是“在每一列里,各行出现的比例是多少”。换成行百分比,问题就反过来了:“这一行的记录在各列之间如何分布”。两种算法都没错,但回答的是不同的问题,报告时要写明用的是哪一种。
结果说明了什么
缝制团队日达到记录目标的频率明显高于后整理团队日。目标是按团队日设定的,两个部门的设定方式可能不同,所以这比较的是相对这些目标的达成情况,而不是哪个部门生产率更高。
Cramér’s V = 0.259。它概括的是整张表(全部 2 × 2 个类别)的关联强度,取值从 0(无关联)到 1。它不说明哪些单元格不同,也不是影响大小的度量。
若只比较缝制与后整理,并只看「达到或超过目标」与其他所有行,Cramér’s V = 0.259。这个数值只描述这一组对比,不代表整张表。
局限
这是一家服装公司的历史记录,不是行业样本。同一团队在不同日期反复出现,所以这些记录并不是相互独立的工人。UCI 元数据未确认公司所在地。部分 actual_productivity 值大于一,超出文档所述的零到一范围;在作者说明之前按原记录保留。所有汇总都是描述性的,不是因果分析。