六西格玛假设检验怎么用？t检验、卡方检验和方差分析的选择方法

核心结论

假设检验是六西格玛Analyze阶段的统计核心。它的作用是用数据回答"A和B到底有没有区别""这个因子是否真的影响输出"这类问题，而不是凭感觉下结论。绿带和黑带都需要熟练掌握检验方法的选择逻辑。

假设检验的基本逻辑

所有假设检验都遵循同一个框架：

• 建立假设：H0（原假设，默认无差异/无关联）vs H1（备择假设，有差异/有关联）
• 收集数据：按随机原则抽样，确保样本代表性
• 计算检验统计量：t值、卡方值、F值等
• 判断显著性：p值 < 0.05，拒绝H0，认为差异/关联显著

p值的含义：如果H0为真，观察到当前数据（或更极端数据）的概率。p值越小，拒绝H0的证据越强。

检验方法选择决策树

第一步：看数据类型

• 计量型（连续数值）→ t检验、方差分析、回归
• 计数型（分类数据）→ 卡方检验

第二步：看比较对象

• 一组数据 vs 目标值 → 单样本t检验
• 两组数据相互独立 → 双样本t检验
• 同一组前后对比 → 配对t检验
• 三组及以上 → 单因素方差分析（ANOVA）
• 两个分类变量是否关联 → 卡方独立性检验

第三步：看前提条件

• 数据是否正态？样本量小（n

常用检验方法详解

t检验：比较均值

单样本t检验：样本均值 vs 已知标准值

• 场景：改进后平均周期是否低于目标值30分钟？
• 输出：t值、自由度、p值、置信区间

双样本t检验：两组独立样本的均值比较

• 场景：A供应商来料强度是否高于B供应商？
• 前提：两组数据独立、近似正态、方差齐性（可用Levene检验验证）

配对t检验：同一对象前后测量

• 场景：培训后员工操作错误率是否降低？
• 优势：消除个体差异，检验力更高

方差分析（ANOVA）：三组及以上比较

单因素ANOVA判断"多组均值是否有显著差异"。

• 场景：3台设备的产品尺寸是否有差异？
• 输出：F值、p值
• 注意：ANOVA只告诉你"至少有一组不同"，具体哪组不同需要事后多重比较（Tukey、Bonferroni）

卡方检验：分类数据关联

卡方独立性检验：两个分类变量是否有关联

• 场景：缺陷类型是否与班次有关？
• 前提：期望频数≥5的单元格占比≥80%

卡方拟合优度检验：观察分布 vs 期望分布

• 场景：实际缺陷分布是否符合理论分布？

实际案例：设备差异验证

某零件在三台设备上加工，尺寸数据如下（单位mm）：

| 设备 | 样本量 | 均值 | 标准差 |

|------|--------|------|--------|

| A | 25 | 10.02 | 0.05 |

| B | 25 | 10.08 | 0.06 |

| C | 25 | 10.01 | 0.04 |

分析过程：

• 三组比较 → 选单因素ANOVA
• 正态性检验（Anderson-Darling）：三组p值均>0.05，满足
• 方差齐性检验（Levene）：p=0.42，满足
• ANOVA结果：F=5.23，p=0.008 < 0.05，三台设备有显著差异
• Tukey事后比较：B vs A（p=0.006），B vs C（p=0.012），A vs C（p=0.89）
• 结论：设备B偏移显著，需要调整

常见错误

• p值迷信：p

学习建议

假设检验是六西格玛考试的重点，也是实际分析中最常用的统计工具。建议用Minitab或Excel找三组实际数据，完整走一遍"正态检验→方差齐性检验→ANOVA→事后比较"的流程，建立实操感觉。

众智商学院六西格玛绿带课程1580元、黑带1980元，假设检验是Analyze阶段的核心模块。冯老师电话18610089571。