研究问题不同,寻找结果的过程可参考

90 个研究案例,
找到与你相近的问题。

从基准到最终设定,看清做了什么、结果如何变化,以及哪些结论还不能下。

11 个领域 · 90 份结果可查 · 38 份基准即交付 · 52 份探索后交付

找到 90 个研究案例 · 当前 1–20

案例1 · 企业经营

制造业保养间隔与生产损失

11,783 行原始记录23 个字段1 张数据表

这个研究案例的结果

保养间隔与停机损失呈 U 形,约 30 天时损失最低

基准线性项 p0.501最终二次项名义 p< 0.001
01

原来的结果

线性回归的斜率接近零(p = 0.501),看不出关系。

02

做了什么

分组均值显示损失随保养间隔先降后升;第 1 轮加入以 30 天为中心的二次项,保留 9 项期初背景控制,稳健标准误。

03

结果怎么变

二次项显著(p < 0.001):损失最低点约在 30.0 天(95% CI 29.9 至 30.2);20 天时间隔每多一天损失约少 1.14 小时,40 天时每多一天约多 1.13 小时。

04

哪些结论还不能下

探索性结果,名义 p 值未校正;保养间隔由企业自行选择,描述的是统计关系,不能说明因果。

研究原文、回归方程与统计细节

我想了解maintenance_days与lost_hours的关系及合理解释。

lost_hours_w = b0 + b1*m_30 + b2*m_30sq + b3*opening_employees_w + b4*order_book_days_w + b5*material_price_index_w + b6*export_demand_index_w + b7*supplier_lead_days_w + b8*skill_share_w + b9*firm_age + b10*ln(opening_assets_wan_w) + b11*ln(prior_sales_wan_w) + e; m_30 = maintenance_days - 30, m_30sq = m_30^2
实际方法
OLS(regress)
核心项
m_30sq
核心系数 / 标准误
0.0565965 / 0.0014699
95% 区间
0.053715 至 0.059478
估计样本 N
11,783
实际执行
4 次 · 8 分 38 秒

你的数据,也有相似的问题?

带上自己的数据和研究要求,新建一份研究。

分析我的数据 ↗