案例02｜SFO 機場調查：性別、所得、年齡與整體滿意度的列聯分析
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| 列聯表 | 交叉統計兩個類別變數的觀察次數與比例 | 性別、艙等、年齡、所得與滿意度分析 | 需先確認類別代碼與分母定義 |
| 卡方獨立性檢定 | 比較觀察次數與變數獨立時的期望次數 | 判斷兩類別變數是否存在統計關聯 | 顯著關聯不代表因果 |
| 比例比較 | 在列聯表內比較各群組成功率或滿意占比 | 把次數轉成可比較的管理指標 | 不同群組分母可能不同 |
| 資料分層 | 加入第三個類別變數檢查混雜與群組差異 | 例如性別 × 存活再依艙等分層 | 分層後小樣本格數可能增加 |
| Excel／R／人工智慧分工 | Excel／R 建表、計算卡方與 p 值；人工智慧解釋結果 | 將類別關聯轉成管理語言 | 人工智慧不能自行補造列聯表數字 |
列聯表把兩個類別變數交叉排列，先看各格次數與比例，再用卡方獨立性檢定判斷觀察到的差異是否可能只是抽樣波動。
Titanic 案例中女性與男性的存活率差異非常大；SFO 案例則把 4–5 分合併成滿意占比。比例提供管理上直觀的差異，p 值則回答統計證據強弱。
只看性別與存活，可能忽略艙等組成差異。加入艙等或年齡分層，可以更清楚看見不同因素如何交織。