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： 

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http://www.kaushik.net/avinash/excellent-analytics-tip1-statistical-significance/

Excel文件可从此处下载：http://vdisk.weibo.com/s/cz9E6

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： 

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。

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%；

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