Dự án phân tích ANOVA Python: ba kênh bán hàng có khác nhau?
Bài 14/14 · Chương 10
Các kiểm định thường dùng
- 8 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 8
Dự án phân tích ANOVA Python này hỏi một câu quen thuộc của mọi cửa hàng bán trên nhiều kênh: ba kênh bán có giá trị đơn khác nhau không. Bạn làm theo năm bước, từ mô tả số liệu, kiểm giả định, ANOVA và Kruskal-Wallis, so từng cặp, tới một báo cáo ngắn; cuối trang bạn viết một hàm làm phép kiểm cho danh sách kênh bất kỳ.
Cần biết trước: ANOVA, kiểm định Levene và kiểm định phi tham số.
Chương trình sẽ làm gì
File don_hang.csv là số giả lập của AIDev: 1.526 đơn của một cửa hàng từ tháng 1/2025 đến tháng 6/2026, mỗi dòng có mã đơn, ngày, mã khách, mã sản phẩm, số lượng, đơn giá (đồng), kênh bán và trạng thái. Dự án so ba kênh bán lớn nhất: Website, Ứng dụng và Sàn TMĐT, mỗi kênh có hơn 300 đơn hoàn thành. Giá trị đơn là số lượng nhân đơn giá, tính bằng nghìn đồng.
Chương trình chỉ giữ đơn đã hoàn thành của các kênh cần so. Nó in bốn phần: bảng mô tả từng kênh, kiểm giả định, kết quả ANOVA và Kruskal-Wallis kèm độ lớn hiệu ứng, và các cặp kênh đã hiệu chỉnh. Câu hỏi đặt trước khi nhìn số: H₀ là giá trị đơn của ba kênh như nhau, α = 0,05.
Bước 1: Lọc đơn và mô tả từng kênh
Giữ đơn có trạng thái "Hoàn thành" thuộc ba kênh, tạo cột gia_tri, rồi gom nhóm và tính bốn số đo một lần:
import pandas as pd
don = pd.read_csv("don_hang.csv")
cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"]
xong = don[don["trang_thai"] == "Hoàn thành"]
xong = xong[xong["kenh"].isin(cac_kenh)].copy()
xong["gia_tri"] = xong["so_luong"] * xong["don_gia"] / 1000
cot = xong.groupby("kenh")["gia_tri"]
mo_ta = cot.agg(["count", "mean", "median", "std"])
print(mo_ta.loc[cac_kenh].round(1))KẾT QUẢ
count mean median std
kenh
Website 402 186.5 100.0 265.3
Ứng dụng 335 158.1 98.0 170.9
Sàn TMĐT 331 167.8 90.0 274.7Trung bình cao hơn trung vị gần gấp đôi ở cả ba kênh, và độ lệch chuẩn (std, chia n − 1) lớn hơn trung bình: vài đơn rất lớn kéo đuôi phải. Website có trung bình cao nhất, 186,5 nghìn, nhưng trung vị ba kênh chỉ cách nhau 10 nghìn. .copy() giữ cho phép gán cột mới không đụng bảng don.
Bước 2: Kiểm giả định
ANOVA cần mỗi nhóm gần chuẩn và phương sai các nhóm gần bằng nhau. Đo độ lệch (skewness) từng kênh, chạy Levene, và vẽ biểu đồ hộp:
import matplotlib.pyplot as plt
import pandas as pd
from scipy import stats
don = pd.read_csv("don_hang.csv")
cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"]
xong = don[don["trang_thai"] == "Hoàn thành"]
xong = xong[xong["kenh"].isin(cac_kenh)].copy()
xong["gia_tri"] = xong["so_luong"] * xong["don_gia"] / 1000
nhom = [xong.loc[xong["kenh"] == k, "gia_tri"] for k in cac_kenh]
print("Độ lệch:", [round(float(stats.skew(x)), 2) for x in nhom])
print("Levene: p =", round(stats.levene(*nhom).pvalue, 3))
plt.boxplot(nhom, tick_labels=cac_kenh)
plt.title("Giá trị đơn hoàn thành (nghìn đồng)")
plt.show()KẾT QUẢ
Độ lệch: [5.37, 2.46, 6.01]
Levene: p = 0.343Độ lệch từ 2,46 tới 6,01, xa con số 0 của phân phối chuẩn, và biểu đồ hộp cho thấy cùng điều đó: hộp thấp, đuôi chấm dài phía trên. Levene không thấy phương sai khác nhau (p = 0,343). Với hơn 300 đơn mỗi kênh, kiểm định Shapiro bác bỏ tính chuẩn gần như chắc chắn nên ít giúp; xem độ lệch và hình là đủ, như bài kiểm định phân phối chuẩn khuyên.
Bước 3: ANOVA, Kruskal-Wallis và độ lớn hiệu ứng
Chạy cả hai phép kiểm. Độ lớn hiệu ứng đi cùng Kruskal là η²_H = (H − k + 1) / (n − k), với k nhóm và n đơn; nó đọc gần như η² của ANOVA, tức phần độ biến thiên của thứ hạng mà kênh giải thích:
import pandas as pd
from scipy import stats
don = pd.read_csv("don_hang.csv")
cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"]
xong = don[don["trang_thai"] == "Hoàn thành"]
xong = xong[xong["kenh"].isin(cac_kenh)].copy()
xong["gia_tri"] = xong["so_luong"] * xong["don_gia"] / 1000
nhom = [xong.loc[xong["kenh"] == k, "gia_tri"] for k in cac_kenh]
a = stats.f_oneway(*nhom)
kw = stats.kruskal(*nhom)
eta2 = (kw.statistic - len(nhom) + 1) / (len(xong) - len(nhom))
print(f"ANOVA: F = {a.statistic:.2f}, p = {a.pvalue:.3f}")
print(f"Kruskal: H = {kw.statistic:.2f}, p = {kw.pvalue:.3f}")
print(f"eta2_H = {eta2:.4f}")KẾT QUẢ
ANOVA: F = 1.31, p = 0.270
Kruskal: H = 3.35, p = 0.188
eta2_H = 0.0013Dữ liệu lệch mạnh, nên Kruskal-Wallis là kết quả chính để báo cáo; ANOVA đi kèm để so. Kruskal-Wallis hỏi đơn của một kênh có "thường lớn hơn" đơn của kênh khác không, không hỏi về trung bình; muốn hỏi về trung bình thì ANOVA Welch (p = 0,216) hay ANOVA trên logarit giá trị đơn (p = 0,144) cũng cho cùng kết luận. Ở mức ý nghĩa 5%, dữ liệu chưa đủ bằng chứng để bác bỏ H₀ rằng giá trị đơn của ba kênh như nhau (Kruskal H = 3,35, bậc tự do 2, p = 0,188). Kênh chỉ giải thích khoảng 0,13% độ biến thiên thứ hạng giá trị đơn. Kết quả này không nói ba kênh giống hệt nhau: một chênh lệch vài chục nghìn đồng trên trung bình vẫn có thể có thật, nhưng chìm trong độ phân tán khoảng 250 nghìn của từng đơn.
Bước 4: So từng cặp
Phép kiểm chung không bác bỏ H₀, nên so cặp chỉ để xác nhận và để báo cáo đủ. Với dữ liệu lệch, dùng Mann-Whitney cho từng cặp và hiệu chỉnh Bonferroni (nhân p với 3 cặp, chặn ở 1). Tukey HSD là lựa chọn khi dữ liệu gần chuẩn.
import pandas as pd
from scipy import stats
don = pd.read_csv("don_hang.csv")
cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"]
xong = don[don["trang_thai"] == "Hoàn thành"]
xong = xong[xong["kenh"].isin(cac_kenh)].copy()
xong["gia_tri"] = xong["so_luong"] * xong["don_gia"] / 1000
nhom = [xong.loc[xong["kenh"] == k, "gia_tri"] for k in cac_kenh]
m = len(cac_kenh) * (len(cac_kenh) - 1) // 2
for i in range(len(cac_kenh)):
for j in range(i + 1, len(cac_kenh)):
p = stats.mannwhitneyu(nhom[i], nhom[j]).pvalue
print(cac_kenh[i], "-", cac_kenh[j], "| p hiệu chỉnh =",
round(min(1.0, p * m), 3))KẾT QUẢ
Website - Ứng dụng | p hiệu chỉnh = 0.798
Website - Sàn TMĐT | p hiệu chỉnh = 0.214
Ứng dụng - Sàn TMĐT | p hiệu chỉnh = 1.0Không cặp nào có p hiệu chỉnh dưới 0,05. Cặp Website với Sàn TMĐT có p chưa hiệu chỉnh 0,071, và con số đó dễ bị kể như một phát hiện nếu không đếm số cặp đã so.
Bước 5: Ghép thành báo cáo một trang
Chương trình dưới ghép bốn bước và bỏ phần vẽ:
import pandas as pd
from scipy import stats
don = pd.read_csv("don_hang.csv")
cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"]
xong = don[don["trang_thai"] == "Hoàn thành"]
xong = xong[xong["kenh"].isin(cac_kenh)].copy()
xong["gia_tri"] = xong["so_luong"] * xong["don_gia"] / 1000
cot = xong.groupby("kenh")["gia_tri"]
mo_ta = cot.agg(["count", "mean", "median", "std"])
print(mo_ta.loc[cac_kenh].round(1))
nhom = [xong.loc[xong["kenh"] == k, "gia_tri"] for k in cac_kenh]
print("Độ lệch:", [round(float(stats.skew(x)), 2) for x in nhom])
print("Levene: p =", round(stats.levene(*nhom).pvalue, 3))
a = stats.f_oneway(*nhom)
kw = stats.kruskal(*nhom)
eta2 = (kw.statistic - len(nhom) + 1) / (len(xong) - len(nhom))
print(f"ANOVA: F = {a.statistic:.2f}, p = {a.pvalue:.3f}")
print(f"Kruskal: H = {kw.statistic:.2f}, p = {kw.pvalue:.3f}")
print(f"eta2_H = {eta2:.4f}")
m = len(cac_kenh) * (len(cac_kenh) - 1) // 2
for i in range(len(cac_kenh)):
for j in range(i + 1, len(cac_kenh)):
p = stats.mannwhitneyu(nhom[i], nhom[j]).pvalue
print(cac_kenh[i], "-", cac_kenh[j], "| p hiệu chỉnh =",
round(min(1.0, p * m), 3))KẾT QUẢ
count mean median std
kenh
Website 402 186.5 100.0 265.3
Ứng dụng 335 158.1 98.0 170.9
Sàn TMĐT 331 167.8 90.0 274.7
Độ lệch: [5.37, 2.46, 6.01]
Levene: p = 0.343
ANOVA: F = 1.31, p = 0.270
Kruskal: H = 3.35, p = 0.188
eta2_H = 0.0013
Website - Ứng dụng | p hiệu chỉnh = 0.798
Website - Sàn TMĐT | p hiệu chỉnh = 0.214
Ứng dụng - Sàn TMĐT | p hiệu chỉnh = 1.0Đổi cac_kenh = ["Website", "Ứng dụng", "Sàn TMĐT"] thành cac_kenh = ["Website", "Mạng xã hội"] rồi chạy lại: chỉ còn một cặp, và dòng cuối in Website - Mạng xã hội | p hiệu chỉnh = 0.072.
Báo cáo một câu: trên đơn hoàn thành từ 1/2025 đến 6/2026 (số giả lập), ở mức ý nghĩa 5%, dữ liệu chưa đủ bằng chứng để nói giá trị đơn khác nhau giữa Website, Ứng dụng và Sàn TMĐT (Kruskal-Wallis H = 3,35, p = 0,188, η²_H = 0,0013). Trung vị ba kênh nằm từ 90 tới 100 nghìn đồng.
Bài tập
Kiểm định Kruskal cho danh sách kênh bất kỳ
don là DataFrame có các cột kenh, trang_thai, so_luong, don_gia, như file don_hang.csv. cac_kenh là list ít nhất hai tên kênh, mỗi kênh có ít nhất một đơn hoàn thành. Viết thân hàm kenh_kruskal(don, cac_kenh): giữ đơn có trang_thai là "Hoàn thành" thuộc các kênh trong cac_kenh, tính giá trị đơn bằng số lượng nhân đơn giá, rồi chạy stats.kruskal() với mỗi kênh là một nhóm.
Hàm không sửa don của nơi gọi (không thêm cột vào nó).
Trả về: p-value của Kruskal-Wallis, một float.
Ví dụ với don = pd.read_csv("don_hang.csv"), kenh_kruskal(don, ["Website", "Ứng dụng", "Sàn TMĐT"]) cho khoảng 0.188, đúng số của bước 3.
import pandas as pd
from scipy import stats
def kenh_kruskal(don, cac_kenh):
pass # Viết thân hàm thay cho dòng nàyThử mở rộng
Vài hướng làm tiếp trên cùng chương trình:
Thêm
"Cửa hàng"và"Mạng xã hội"vàocac_kenhđể so cả năm kênh; m tự tăng lên 10 cặp.Thay
stats.f_oneway(*nhom)bằngstats.f_oneway(*nhom, equal_var=False)để có ANOVA Welch, như bài kiểm định Levene.So giá trị đơn theo quý của
ngay_datthay cho theo kênh, với cùng bốn bước.Thay vòng so cặp bằng
stats.tukey_hsd(*nhom)trên logarit giá trị đơn, như bài Tukey HSD.
Chủ đề
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.