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：

　　社交媒体来源访问数订单订单购买率

　　YouTube250008903.56%

　　Facebook48002405%

　　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

　　Excel文件可从此处下载：

　　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：

　　假设检验的方法样本变量关系范例

　　均值(单双因素)单样本变量之间网站分析师的月(工资、经验、工作地点)关系

　　单样本T检验单样本变量自身iPhone的机身长度

　　两独立样本T检验双样本变量之间不同促销方案的效果、男女性的身高

　　配对样本T检验同一总体双样本变量自身不同月份访客的购买行为

　　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α, 如果P<α, 即小概率事件发生，即原假设发生的概率很小，那么推翻原假设，如果P>α, 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。

　　最大缺陷数原假设检验结论

　　11/10002/5否定

　　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%;

　　最大缺陷数原假设检验结论

　　101/1002/5未定

　　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<α,如果α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验证，随着大数据时代的到来，单纯的网站前端数据分析显得比较简单，客户数据和订单数据的分析需求会越来越多，希望对工具的熟练掌握能够帮我们理顺这一切。

        原文：深圳网站分析