| 文件名 | pareto.xlsx |
|---|---|
| 数据用途 | 帕累托图案例数据 |
| 变量说明 | 分类变量表示原因或项目,权重变量表示频数或影响次数。 |
完整案例
1. 背景
质量管理或问卷开放题归类后,希望识别少数主要原因是否贡献了大部分问题。
2. 理论与公式
帕累托图按频数降序排列类别,并叠加累计百分比,用于识别贡献最高的少数类别。
类别频数
统计每个类别的出现次数。
排序
按频数从高到低排列。
累计百分比
用于识别主要贡献类别。
3. 数据结构
分类变量表示原因或项目,权重变量表示频数或影响次数。
4. 操作截图
- 上传案例数据
- 选择帕累托图
- 放入分类变量
- 按需放入权重变量
- 点击开始分析

5. 结果表格与结果阅读
| 类别 | 频数 | 百分比 | 累计百分比 | 优先级 |
|---|---|---|---|---|
| 原因A | 42 | 35.00% | 35.00% | 1 |
| 原因B | 31 | 25.83% | 60.83% | 2 |
| 原因C | 23 | 19.17% | 80.00% | 3 |
累计到 80% 左右的类别通常是重点改善对象。
重点查看排序柱形、累计百分比折线和 80% 参考线附近的关键类别。
6. 辅助截图


7. 文字分析
帕累托图显示,少数几个类别贡献了大部分问题,后续优化可优先聚焦累计贡献靠前的类别。
8. 剖析提醒
帕累托图强调优先级排序,不能替代显著性检验;分类口径需要在绘图前统一。