我有一个名为 app_satisfaction 的表，其中包含用户 ID、满意度、他们邀请的人数。
我按满意度进行了分组，平均而言。满意人数=“BAD”组邀请2.25人，“GOOD”组邀请2.09人，“EXECELLENT”组邀请1.89人。
所以我的假设是，不喜欢该应用程序的人更有可能邀请人们，因为邀请人们会给他们免费优惠券，并且他们不喜欢将自己的钱花在他们不喜欢的应用程序上。
我有一个问题，仅通过查看每个组中的平均邀请来得出结论似乎是不合理的。与“差”组相比，“好”、“优秀”组的人数也更多。
如何检验我的假设？在现实世界的问题中可以采取哪些方法？
据我了解，你有因素（“坏”、“好”等）和连续的“邀请”。如果你想比较两组，你可以使用 t 检验（例如 Wilcoxon）。如果你想比较所有这些组，您可以使用以下形式的简单线性回归：
示例：
library("e1071")
iris = iris
table(iris$Species)
#iris = iris[!(iris$Species=="versicolor"),]
library(dplyr)
iris %>%
group_by(Species) %>%
summarise_at(vars(Sepal.Length), funs(mean(., na.rm=TRUE)))
结果（手段）：
# A tibble: 3 x 2
Species Sepal.Length
<fct> <dbl>
1 setosa 5.01
2 versicolor 5.94
3 virginica 6.59
比较两组：
# Two-samples Wilcoxon test
wilcox.test(iris$Sepal.Length[iris$Species=="setosa"], iris$Sepal.Length[iris$Species=="virginica"])
# The p-value is less than the significance level alpha = 0.05. We can conclude that Sepal Length is significantly different
结果：
Wilcoxon rank sum test with continuity correction
data: iris$Sepal.Length[iris$Species == "setosa"] and iris$Sepal.Length[iris$Species == "virginica"]
W = 38.5, p-value < 2.2e-16
alternative hypothesis: true location shift is not equal to 0
回归：
# Simple linear regression
summary(lm(Sepal.Length~Species, data=iris))
# p-values are smaller than 0.05 which means each factor's contribution is statistically different from the intercept
结果：
Call:
lm(formula = Sepal.Length ~ Species, data = iris)
Residuals:
Min 1Q Median 3Q Max
-1.6880 -0.3285 -0.0060 0.3120 1.3120
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.0060 0.0728 68.762 < 2e-16 ***
Speciesversicolor 0.9300 0.1030 9.033 8.77e-16 ***
Speciesvirginica 1.5820 0.1030 15.366 < 2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.5148 on 147 degrees of freedom
Multiple R-squared: 0.6187, Adjusted R-squared: 0.6135
F-statistic: 119.3 on 2 and 147 DF, p-value: < 2.2e-16
这里有趣的一点是Pr(>|t|)。如果此列中的数字小于 0.05，则可以说该因子与截距（这是基本类别，在本例中为“setosa”）显着不同。
在此应用程序中，该列Estimate直接为您提供截距的“setosa”平均值。“杂色”的效果是 0.9300，其中 5.0060+0.9300=5.936，这是“杂色”的平均值，依此类推。