解释区间图的主要结果

请完成以下步骤来解释区间图。

步骤 1:评估主要特征

检查分布的中心。评估样本数量对区间图外观的影响。

中心

检查以下元素可深入了解样本数据的中心。
置信区间
置信区间是可能包含总体均值的值范围。
样本均值
样本均值用符号表示。

在区间上按住指针以查看用来显示估计均值、置信区间和样本数量的工具提示。例如,区间图表示学生的身高。工具提示指示身高的均值在 67.9591 和 69.4914 之间的置信度为 95%。

探讨让人惊讶或出人意料的置信区间。例如,如果某个客户等待时间样本的均值的置信区间与以前样本的置信区间显著不同,则您应该尝试确定差异的原因。

样本数量 (n)

样本数量可能会影响图形的外观。

例如,尽管这这些区间似乎有相当大的差异,但它们都是使用从同一个总体中随机选择的数据样本创建的。

通常,样本数量越大,置信区间越小且精确度越高。如果置信区间太大,请尝试收集较大的样本。组(或多个 Y 变量)之间样本数量的显著差异可能会影响区间宽度,并可能产生误导性结果。如果多个组(或多个 Y 变量)的样本数量大致相同,则区间宽度差异主要是由于变异差异的可信度更高。

步骤 2:评估和比较组

如果区间图含组,请评估和比较组的中心和散布。

中心

确定是否有任何置信区间发生重叠。如果两个均值的区间不重叠,则总体均值可能具有统计意义上的显著性。

例如,在第一个区间图中,第一个和第二个区间互相重叠,但它们不与第三个区间重叠。因此第三个组的均值可能与其他两个组的均值显著不同。在第二个区间图中,区间不重叠。因此均值差异可能具有统计意义上的显著性。

有些区间重叠
没有任何区间重叠
要确定均值之间的差值在统计意义上是否显著,请执行以下操作之一:

散布

查找组散布之间的差异。

此图中的区间具有类似中心,但具有不同的散布。

如果您发现区间宽度存在差异,请检查样本数量。样本数量中的显著差异可能会造成区间宽度不同。
提示

要确定区间宽度差异是否由于样本变化或样本数量差异造成的,请双击区间。在“选项”选项卡上,单击跨组合并误差。这将使用合并的标准差,而不是单个标准差来重新创建区间。现在您发现的任何宽度差异完全是由于不同样本数量造成的。

要确定散布(方差)之间的差异在统计意义上是否显著,请执行以下操作之一:
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策