W pytaniu chodzi o sprawdzenie, czy typ transportu (zmienna jakościowa: np. drogowy, kolejowy, morski, lotniczy) jest powiązany z czasem dostawy rozumianym jako kategorie/klasy (np. "do 24 h", "24–48 h", "powyżej 48 h"). Dla takiego problemu standardowym narzędziem jest test chi-kwadrat niezależności, który bada, czy rozkład jednej zmiennej różni się w zależności od poziomów drugiej zmiennej. W praktyce tworzy się tabelę kontyngencji (tabelę krzyżową) i sprawdza, czy obserwowane liczności istotnie odbiegają od liczności oczekiwanych przy założeniu braku związku.
Dlaczego pozostałe propozycje nie są właściwe?
- "Analiza wariancji (ANOVA)" służy do porównywania średnich wartości zmiennej ilościowej w co najmniej dwóch (często wielu) grupach. To dobry wybór, gdy czas dostawy jest zmienną ciągłą i porównujemy średni czas między typami transportu. Nie jest to jednak test "związku" dwóch zmiennych jakościowych.
- "Regresja liniowa" zakłada modelowanie zależności ilościowej (liczbowej) zmiennej objaśnianej od predyktorów. Może być użyteczna, gdy czas dostawy jest liczbowy, a typ transportu koduje się zmiennymi zero-jedynkowymi. To jednak inna konstrukcja niż klasyczny test niezależności w tabeli liczności.
- "Test t-Studenta" porównuje średnie w dwóch grupach (np. dwa typy transportu). Jeśli grup jest więcej niż dwie, przechodzi się zwykle do ANOVA. Ponownie: to test różnic średnich, a nie zależności kategorii.
W kontekście spedycji taka analiza pomaga ocenić, czy wybór gałęzi transportu wiąże się z większym ryzykiem opóźnień (w sensie kategorii terminowości), co wspiera dobór rozwiązań operacyjnych i komunikację z klientem.
