實例解說製造業
縫製與後整理團隊達到記錄目標生產力的頻率是否相同?
依部門分組,達到或超過記錄目標的團隊工作日: 縫製:691 筆中有 573 筆(82.9%)。後整理:506 筆中有 302 筆(59.7%)。縫製的比例高出 23.2 個百分點。
交叉表
| 目標達成 \ 部門 | 縫製 | 後整理 | 合計 |
|---|---|---|---|
| 達到或超過目標 | 57382.9% | 30259.7% | 875 |
| 未達目標 | 11817.1% | 20440.3% | 322 |
| 合計 | 691 | 506 | 1,197 |
次數 / 欄百分比. 每欄合計就是該欄百分比的分母。
有底色的儲存格,就是結論所比較的兩個占比。
引用之前,先檢查讀法
選出這張表能支持的說法,再逐一展開選項,看看次數說明了什麼。這裡的每個數字都由上方的表計算而來。
這張表支持哪一種說法?
「縫製」的團隊工作日比「後整理」的團隊工作日更常達到記錄的目標。
表格支持。 691 個中 573 個(82.9%),對比 506 個中 302 個(59.7%),高出 23.2 個百分點,資料來自一家公司的紀錄。
把一個團隊從「後整理」調到「縫製」,會提高它達標的機會。
表格不支持。 這是因果說法。兩個部門的工作內容、目標和人力都不同,而這裡沒有控制其中任何一項;這張表記錄的是發生了什麼,而不是改變之後會怎樣。
「縫製」團隊比「後整理」團隊更有生產力。
表格不支持。 每個團隊工作日都以它自己記錄的目標來衡量,而各部門設定目標的方式可能不同。這張表比較的是達標情形,而不是產出。
使用這個結果
自己算一次
在卡方檢定計算器中開啟這組次數:表格與類別順序完全相同,百分比、χ² 與 Cramér’s V 都在你的瀏覽器中計算。改動任一儲存格,就能看到結果如何變化。
引用
複製下方的引用,並一併保留下方的資料來源與授權。
縫製與後整理團隊達到記錄目標生產力的頻率是否相同? — Crosstabs. https://www.crosstabs.com/zh-tw/examples/mfg01-did-sewing-and-finishing-teams-meet-their-recorded-productivity-targets-equally-often
資料來源
- 範圍
- 一家成衣公司;UCI 中繼資料未確認其所在地。
- 期間
- 2015-01-01 至 2015-03-11
- 一筆紀錄是
- 一筆團隊工作日紀錄
資料:Productivity Prediction of Garment Employees [Dataset]. (2020). UCI Machine Learning Repository. https://doi.org/10.24432/C51S6D。採用 CC BY 4.0 授權。Crosstabs 對原始紀錄進行篩選、重新編碼並彙總成本表。
換成你自己的檔案
開啟 CSV、Excel 或 SPSS 檔案,做出同樣的交叉表。檔案只在目前的瀏覽器分頁中讀取,不會上傳,也不需要帳號。
用你自己的資料做交叉表
為什麼問這個問題
生產主管會比較各部門,決定產出不足時先從哪裡查起。在這之前,他們要先知道一個團隊工作日怎樣才算達標,以及每個部門貢獻了多少個團隊工作日。
怎麼讀這張表
當一個團隊工作日記錄的實際生產力等於或高於它自己記錄的目標時,就算達標。兩個部門的分母不同,縫製 691 個、後整理 506 個團隊工作日,所以要比較欄百分比,不要比較次數。
欄百分比回答的是「在每一欄裡,各列出現的比例是多少」。改成列百分比,問題就反過來:「這一列的紀錄在各欄之間如何分布」。兩種算法都正確,但回答不同的問題,報告時要寫明用的是哪一種。
結果代表什麼
縫製團隊工作日達到記錄目標的情形明顯多於後整理。目標是按團隊工作日設定的,各部門的設定方式也可能不同,所以這比較的是相對於這些目標的達成情形,而不是哪個部門比較有生產力。
Cramér’s V = 0.259。它概括整張表(全部 2 × 2 個類別)的關聯強度,範圍從 0(無關聯)到 1。它不會指出哪些儲存格不同,也不是影響大小的量數。
若只比較縫製與後整理,並只看「達到或超過目標」與其他所有列,Cramér’s V = 0.259。這個數值只描述這一組對比,不代表整張表。
限制
這是一家成衣公司的歷史紀錄,不是產業樣本。同一團隊在不同日期重複出現,所以這些紀錄不是彼此獨立的工人。UCI 中繼資料未確認這家公司位於何處。部分 actual_productivity 值大於一,超出文件記載的零到一範圍;在作者說明之前,這些值依原始紀錄保留。所有摘要都是描述性的,不是因果關係。