01开篇语
因子的情况下,但通常在数据分析中,更多的是面临有多个自变量X即多因子Xs的情形,今天就给大家分享一种高效的、能同时分析多因子多水平的一般线性模型(GLM)的应用方法。
02一般线性模型
(GLM)的应用案例
分析影响客户满意度的温度和时间的配置问题:
1. 收集数据如下:
温度 | 时间 | 满意度评分结果 |
350 | 8 | 60 |
350 | 10 | 65 |
350 | 15 | 70 |
400 | 8 | 62 |
400 | 10 | 68 |
400 | 15 | 70 |
450 | 8 | 69 |
450 | 10 | 75 |
450 | 15 | 80 |
350 | 8 | 65 |
350 | 10 | 63 |
350 | 15 | 72 |
400 | 8 | 63 |
400 | 10 | 70 |
400 | 15 | 75 |
450 | 8 | 70 |
450 | 10 | 76 |
450 | 15 | 82 |
350 | 8 | 63 |
350 | 10 | 66 |
350 | 15 | 73 |
400 | 8 | 65 |
400 | 10 | 72 |
400 | 15 | 76 |
450 | 8 | 71 |
450 | 10 | 78 |
450 | 15 | 85 |
2. 运用GLM分析的重要步骤
Minitab软件操作路径:统计 → 方差分析 → 一般线性模型(GLM)
结论:“温度”和“时间”能够解释89.02%的满意度评分结果。
注意:需继续研究残差
上面四合一图形所示:
↖左上图:数据正态
↗右上图:数据未呈现任何模式
↙左下图:数据呈现钟形图
↘右下图:数据稳定
左上图和右下图的补充图示如下:
(↖左上图补充图)
(↘右下图补充图)
结论:残差没有问题,无须进一步探究。
3. 研究各单一因子的显著性
结论:“时间”能够解释42.35%,“温度”能够解释39.25%。
注意:继续研究残差(无异常,略)。
4. 通过描述性统计评估最好的因子配置
Minitab软件操作路径:统计 → 表格 → 描述性统计
结论:在“时间”为“15”,“温度”为“450”的配置下,继续优化,提高顾客满意度的评分结果。