文/小只
这是小只的第303篇文章
第一次看到"Net Difference Test显著"这几个字，很多人的反应是：这是什么检验？我需要去学吗？
不需要。你已经学过了，只是名字换了。
市场调研行业有一套自己的"方言"。很多方法在统计教材里早就有标准名称，但进了调研公司的报告，会被重新包装成一个听起来更贴近业务的叫法。换了名字，底层的数学一个字没变。
这篇文章把最常见的几个"方言"还原回它们的本来面目。
Net Difference Test = 两比例Z检验
这是最典型的例子。
Nielsen、Ipsos这类调研公司的报告里，比较两个满意率、两个认知率、两个选择比例有没有显著差异，经常用这个名字。"Net Difference"强调的是两个比例之间的净差值。
还原之后：就是标准统计里的Two-Proportion Z-Test（两比例Z检验）。公式、假设、判断标准，完全一样，一个字没改。
你在SPSS里找不到"Net Difference Test"这个选项，但你能找到"两独立样本比例检验"，跑出来的结果是一回事。
Top-2-Box 显著性检验 = 还是两比例Z检验
Top-2-Box是调研里的常用指标——把5分量表里选4分和5分的人合并，算成一个"正向比例"。然后拿这个比例去做组间比较，判断差异是否显著。
这个"Top-2-Box显著性检验"，底层依然是两比例Z检验。只是在做检验之前，先做了一步数据折叠：把连续评分变成二分类比例。方法本身没有任何新东西。
Column Proportion Test = 卡方检验的事后比较
这个名字出现在SPSS的交叉表输出里，看起来很陌生。
实际上它是先做卡方检验，发现整体有显著差异之后，再去比较哪两列之间有差异。本质是卡方检验的事后多重比较（Post-hoc Test），用的是Z检验的逻辑来两两对比各列比例。
说白了：卡方告诉你"这张表整体有问题"，Column Proportion Test告诉你"具体是哪两个格子之间不一样"。是卡方分析的延伸动作，不是一个独立的新方法。
NPS 显著性检验 = 两均值t检验或两比例Z检验
NPS（净推荐值）的计算方式是：推荐者比例 - 贬损者比例，得到一个-100到+100之间的分数。
比较两个NPS有没有显著差异，方法取决于你怎么处理数据：
如果把NPS当成一个整体分数来比（均值思路），用t检验。如果分别比较推荐者比例和贬损者比例，用两比例Z检验。
两种做法都有人用，没有绝对对错，但选了哪种要说清楚，不能含糊。
为什么调研行业要换名字
有几个真实原因：
一个是沟通场景不同。
调研报告的读者是品牌经理、市场总监，不是统计学家。"Net Difference Test"比"Two-Proportion Z-Test"更直白，对方一眼能猜到这是在测差异显不显著，不需要统计背景就能理解这个词在干什么。
另一个是强调分析意图而非数学形式。
"Top-2-Box显著性"这个说法，把分析对象（Top-2-Box指标）和分析目的（显著性判断）打包成一个词，在汇报时更容易定位到具体业务问题。
这种命名方式本身没有问题，问题是它造成了一种错觉：好像调研行业有一套独立的、复杂的统计体系，需要专门去学。
实际上没有。底层就是那几个基础检验。
一张还原表
最后那个"标注字母法"也值得说一下。SPSS交叉表里经常看到A、B、C这样的字母标注在数字旁边，意思是：没有共同字母的两列之间存在显著差异。
这是把多组两两比较的结果，用字母编码的方式压缩进表格里，本质还是两比例Z检验的批量执行。
真正需要记住的只有一件事
调研报告里出现任何你没见过的"检验名称"，先问自己：它在比什么类型的数据？比几组？方言换来换去，底层逻辑没变过。
