商品包裝銷售分析

# 指定精準度 options(digits=4) # 清除殘餘變數 rm(list=ls()) # 資料整理 Sales.Stores <- c('S1', 'S2', 'S3', 'S4', 'S5') Sales <- data.frame(Pkg=c(rep('A', length(Sales.Stores)), rep('B', length(Sales.Stores)), rep('C', length(Sales.Stores)), rep('D', length(Sales.Stores))), Store=c(Sales.Stores, Sales.Stores, Sales.Stores, Sales.Stores), Qty=c(c(12,2,8,1,7), c(20,14,17,12,17), c(13,7,13,8,14), c(11,5,10,3,6))) colnames(Sales) <- c('Pkg', 'Store', 'Qty') # 是否銷售業績與包裝有關 Sales.ANOVA = aov(Qty~Pkg, data=Sales) summary(Sales.ANOVA) # 是否銷售業績與場所有關 Sales.ANOVA = aov(Qty~Store, data=Sales) summary(Sales.ANOVA) # 是否銷售業績與(包裝及場所)有關 Sales.ANOVA = aov(Qty~Pkg*Store, data=Sales) summary(Sales.ANOVA) # 繪製平均數箱型圖 boxplot(Qty~Pkg, ylab='Qty', data=Sales)

# 是否銷售業績與包裝有關 -> 有關

Df Sum Sq Mean Sq F value Pr(>F) Pkg 3 310 103 7.95 0.0018 ** Residuals 16 208 13 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 # 是否銷售業績與場所有關 -> 無關 Df Sum Sq Mean Sq F value Pr(>F) Store 4 184 46.0 2.07 0.14 Residuals 15 334 22.3 # 是否銷售業績與(包裝及場所)有關 -> 無關 Df Sum Sq Mean Sq Pkg 3 310 103 Store 4 184 46 Pkg:Store 12 24 2

Pkg Store Qty 1 A S1 12 2 A S2 2 3 A S3 8 4 A S4 1 5 A S5 7 6 B S1 20 7 B S2 14 8 B S3 17 9 B S4 12 10 B S5 17