Excel 案例

26｜群組差異與假設檢定

一、案例定位

用 200 筆四市場顧客資料，從描述統計進入推論統計：先比較平均，再用 t-test 與 ANOVA 判斷差異是否可能只是抽樣波動。

二、學習目標

比較群組平均與標準差。

理解虛無假設 H0、顯著水準 α 與 p-value。

使用 Welch t-test 比較兩群平均。

使用 One-way ANOVA 比較四群平均。

避免把統計顯著誤寫成商業重要或因果效果。

三、案例情境

跨境企業發現四市場顧客滿意度不同，但管理層不希望只看平均數就下結論，因此要求進一步檢定市場差異。

Excel 核心表格（Word 完整閱讀版）

下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。

Excel表 26-1｜樣本資料代表性樣本

ID	市場	滿意度	客單價	配送天數
S001	台灣	4.50	76.70	4
S002	日本	3.50	102.60	4.3
S003	韓國	4.40	79.80	3.1
S004	新加坡	3.80	87.30	1
S005	台灣	3.60	133.20	4.8
S006	日本	3.70	89.80	4.7
S007	韓國	2.80	87.10	3.3
S008	新加坡	5	72.30	3.8
S009	台灣	4.40	102.10	2.5
S010	日本	2.20	117.30	5.7

註：此表列示代表性資料樣本，用來理解欄位與模型邏輯；完整資料保留於 Excel 工作簿供深入分析與 What-if 重算。

Excel表 26-2｜群組摘要

市場	n	滿意度平均	滿意度SD	客單價平均	配送天數平均
台灣	50	3.98	0.76	93.09	2.9
日本	50	3.39	0.68	88.67	4.0
韓國	50	3.89	0.76	91.04	3.6
新加坡	50	4.29	0.63	97.32	2.7

Excel表 26-3｜假設檢定

檢定	H0	統計量	p-value	α	結論
Welch t-test：台灣 vs 日本滿意度	兩市場平均相同	4.08	0.00	0.05	拒絕H0
One-way ANOVA：四市場滿意度	四市場平均相同	13.75	0.00	0.05	拒絕H0
提醒	ANOVA 顯著只代表至少一組不同；仍需事後比較才能知道哪些市場不同。

Excel表 26-4｜管理摘要

KPI	結果
樣本數	200
台灣滿意度	3.98
日本滿意度	3.39
最高市場滿意度	4.29
t-test p-value	0.00
ANOVA p-value	0.00

四、主要結果

四市場滿意度平均約為：台灣 3.98、日本 3.39、韓國 3.89、新加坡 4.29。

台灣 vs 日本 Welch t-test 的 p-value 約 0.0001。

四市場 One-way ANOVA p-value 約 0.0000；若小於 0.05，表示至少一組平均不同，但仍不能只靠 ANOVA 判斷是哪兩組。

五、Excel 分析方法

COUNTIF/SUMIF 建立各市場樣本數與平均。

標準差呈現同市場顧客意見的分散程度。

t-test 用於兩群平均比較；ANOVA 用於多群平均比較。

六、主要結果與管理解讀

平均差異與統計顯著是兩件事；樣本量會影響 p-value。

統計顯著也不等於差異足以改變商業決策，仍應看效果大小與成本。

AI 應協助把檢定結果翻成管理語言，同時保留不確定性。

七、What-if／延伸練習

把樣本縮小為每市場 15 人，重新檢定；或比較配送天數與客單價，觀察同樣的市場是否仍有差異。

八、AI 分析 Prompt

你是市場研究統計助理。根據四市場平均、標準差、Welch t-test 與 ANOVA：區分『平均差異』『統計顯著』『商業重要性』；提出需要事後比較或補充資料的地方。不得把 p<0.05 說成差異一定很大，也不得推論因果。

九、Excel 與 AI 的分工

Excel：群組彙整與檢定數值。

AI：解釋 H0、p-value、商業含義與後續分析。

十、課堂討論題

p-value 0.049 和 0.051 在管理上真的完全不同嗎？

ANOVA 顯著後為什麼還需要事後比較？

統計顯著但差異只有 0.05 分時應如何決策？

十一、資料說明

200 筆資料為教材模擬；檢定結果僅供統計教學。