熊媽媽已經忍無可忍了。最近一次關于她做的湯有多辣的爭論以張牙舞爪而結束，而且把小女孩嚇壞了。

熊媽媽認為問題出在小女孩身上。自從有了金鳳花姑娘之后，所有人都無法就任何事情達成一致。床不是太軟就是太硬。粥不是太燙就是太涼。今晚，金鳳花姑娘抱怨湯太辣，熊爸爸抱怨湯不夠辣。

為了使家庭恢復安寧，熊媽媽覺得小女孩需要離開。但是，每當熊媽媽提到這點時，熊爸爸就會跑過去為金鳳花姑娘辯護。熊媽媽需要使用數據來為自己辯護，她明白該怎么做：使用一種名為“屬性一致性分析”的測量系統分析。熊媽媽知道，使用 Minitab中的“協助”會使事情變得簡單容易。

首先，她煮了六份湯。在其中的三份湯中，熊媽媽僅添加了足夠的胡椒粉和香料，使湯美味但不會太辣。她在其余三份湯中加了過量的辣椒醬。

接著，熊媽媽使用 Minitab來設置、收集和分析數據，她希望確定為什么家庭成員如此頻繁地出現意見不一致。

設置屬性一致性分析

選擇協助 > 測量系統分析 (MSA)…

“協助”顯示一個決策樹，該決策樹中包括用于“評價”數據的 MSA。

熊媽媽打算讓每個家庭成員都品嘗六份不同的湯，并讓他們評價是好（“好喝！”）還是差（“難喝！”）。每個評價者對每份湯都品嘗 4 次，因此熊媽媽不僅能夠查看不同檢驗者的意見是否一致，還能查看每個檢驗者每次品嘗后的評價是否一致。

但是，她的數據收集計劃能夠滿足此分析的需要嗎？單擊“屬性一致性工作表”下面的“更多…”即可顯示一列需要檢查的要求。例如，“協助”建議評價者對相同數量的好和差項目進行評分，還建議至少有 3 個評價者，熊媽媽的計劃中涵蓋了這兩項要求。

現在，熊媽媽確信她的計劃非常恰當。她單擊“返回”，然后單擊“屬性一致性工作表”并按如下所示填寫對話框：

在單擊“確定”之后，Minitab 將針對每個評價者和每份湯生成一組（共四個）隨機試驗，并創建一個匹配的數據表。

Minitab 還允許打印一整套隨時可用的數據收集表單（每個試驗和評價者有一份對應的表單）。

接著，熊媽媽加熱這六份湯，并讓每個檢驗者按照 Minitab 所指定的隨機順序對每份湯品嘗四次。然后，她只需將結果輸入到其數據表的相應列中就可以了：

分析數據

將結果輸入到工作表中之后，熊媽媽可以繼續進行分析。返回到協助 > 測量系統分析 (MSA)…，但這一次的目標是分析數據，而不是設置研究：

按如上所示填寫對話框，單擊“確定”。Minitab 將生成所有輸出，熊媽媽需要使用這些輸出來為自己辯護。

匯總報告顯示，總體而言，家庭成員正確識別湯辛辣程度的正確率僅為 75%。按評價者計算的準確度百分比顯示每個評價者對湯進行識別的準確度。熊媽媽和熊寶寶的得分最高，他們的準確度分別為 95.8% 和 87.5%。熊爸爸的準確度為 79.2%，不算太低。

但是，金鳳花姑娘的準確度為 37.5%，很低。

“協助”的準確度報告為熊媽媽提供了有關每個評價者表現的具體細節。準確度報告右側的按評價者計算的準確度百分比圖和標準圖顯示，在三頭熊中，每頭熊都非常擅長識別美味的湯，但是，金鳳花姑娘正確識別出美味的湯的概率不到 20%。

“協助”還有另外兩個輸出——“誤分類報告”和“報告卡”。

證據在湯里

通過屬性一致性分析的結果，可以清楚地判定有關湯辣不辣的大多數不一致源自何處，以及（按照熊媽媽的觀點）不一致應當在何處終結。使用由“協助”創建的簡單圖形，甚至連熊爸爸也可以輕松看出，金鳳花姑娘對湯的評價分歧可能會導致家庭成員產生沖突。

無論您喜歡清淡的湯還是喜歡超辣的湯，您都已經成功完成了此測量系統分析。您已了解如何創建屬性一致性分析工作表，以及如何分析您收集的數據以使用“協助”來確定評價者在何處一致，在何處不一致。

審核編輯：符乾江