发帖
雷达卡
首先，我们从最常用的“基本统计分析”入手。假设需要对同一组数据进行统计分析，要求获得平均值、标准差等描述性统计量，常用样本统计量的区间估计以及与它们关系密切的直方图、箱线图等基本统计图形，并且希望这些结果能以一个简洁、统一的形式表现出来。
用目前最新版的JMP7和Minitab15分别来实现以上要求，顺便提一下，笔者目前已在使用JMP中英文双语版和Minitab英文版，为了便于比较，一下内容都基于英文界面进行。JMP的操作路径为：主菜单Analyze > Distribution以及弹出菜单中的Display Options, Fit Distribution等中的相关选项，得到的结果如图一所示;Minitab的操作路径为：主菜单Stat > Basic Statistics > Graphical Summary，得到的结果如图二所示。
图一 JMP的输出结果
图二 Minit ab的输出结果
对比内容一：输出报表的整体效果。总的来说，JMP和Minitab都达到了简洁明了、图文并茂的效果。如果观察得更仔细一些的话，会发现JMP内容排列的逻辑性更强一些，字体排版也更工整一些。
对比内容二：描述性统计量。
对于常用的平均值(Mean)、中位数(Median)、标准差(Standard Deviation)、方差(Variance)、偏度(Skewness)、峰度(Kurtosis)等，JMP和Minitab都能够直接显示。JMP在报表中还整合了更详细的分位数(Quantiles)、变异系数(CV)、缺失数量(N Missing)等内容，如果要求Minitab反映这些内容，需要调用另外的菜单以及函数命令，操作起来相对麻烦一些。
对比内容三：区间估计。
JMP和Minitab都计算和输出了最常用的平均值和标准差的区间估计。Minitab还考虑了中位数的区间估计，JMP通过一两步简单的操作也能方便地实现。
对比内容四：正态性检验。
相同之处是两者都估算了正态分布的参数，描绘了正态拟合曲线，并计算了正态性检验的拟合优度。不同之处是JMP应用的是Shapiro-Wilk检验，Minitab应用的是Anderson Darling检验，体现了软件背后的研发人员对同一个数学问题的不同看法。笔者特意调查了国外的相关资料文献，发现Shapiro-Wilk检验方法在正态性检验的应用中更加普遍，准确度也会更高。所幸的是，在绝大部分情况下，两者不会产生截然相反的结论。
对比内容五：统计图形。
JMP和Minitab都能自动绘制最常用的统计图形：直方图和箱线图，图形效果都不错，但差异化的地方也有。先说直方图，在用JMP制作的直方图上能增加计数轴、概率轴和密度轴，Minitab要完成此功能则需调用另外的菜单，制作另外独立的图形，可见JMP的统计图形编辑功能更好一些。再说箱线图，在用JMP制作的箱线图上能看到两个特殊的符号：均值置信菱形(Mean Confidence Diamond)和最短半集括号(Shortest Half Bracket)。这可以帮助我们更形象地理解平均值的区间估计和样本数据中分布最密集的区域，显得非常专业，而Minitab在所有的菜单命令中都不能实现这一点。
对比内容六：统计分析的拓展性。
如图一所示的“JMP的输出结果”并不是JMP输出报表的唯一格式和最终格式。我们可以从报表中的弹出菜单中(如图三所示)进入更深层次的统计分析，内容包括单样本的均值检验、标准差检验和过程能力分析等等，得到的分析结果将和原先的分析结果有条理地整合在同一个输出报表中。而如图二所示的 “Minitab的输出结果”则不能进一步地拓展。如果需要进行更深层次的统计分析，如单样本的均值检验时，应当重新从主菜单起(如图四所示)一步步找到对应的内容进行操作，得到的分析结果或图形将在另外的会话窗口(Session Window)或图形窗口(Graph Window)中展现，友好性和JMP相比也有一定的差距。
图三 JMP报表中的弹出菜单
图四 Minitab的主菜单结构(部分)
总结以上六项对比内容的比较，笔者认为在“基本统计分析”方面，JMP和Minitab都能完成常规的工作任务。但如果综合考虑统计专业性和整体易用性的话，JMP无疑显得更专业、更实用，出错率更低。谨以此文抛砖引玉，希望有更多的质量管理、六西格玛软件爱好者来参与交流，增长理论知识，提高工作效率。
京公网安备 11010802022788号
