Лояльность и отношение к компании в зависимости от стажа работы

Результат нашего исследования Ключевые факторы эффективности и текучести персонала (приглашаю поучаствовать).
Я периодически играюсь с Хи квадрат, получаются красивые вещи, см.:

1. В какой отрасли самый лучший HR-бренд
2. Серая зарплата и бренд компании
3. Бренд компании и непосредственный руководитель
4. Как наставники на испытательном сроке формируют бренд компании

Настал черед стажа.
Идея крайне простая: кто чаще готовы рекомендовать компанию: новички, ветераны или связь не линейна, а хитро закручена?
* я взял в анализ только тех респондентов, кто на момент заполнения анкеты работал в компании. Т.е. речь только про работающих.

Стаж как числовая переменная

На этой диаграмме (если вы не умеете читать диаграмму boxplot, вам сюда Как читать диаграмму boxplot (ящик с усами))

• Ось X - стаж работы в месяцах;
• Ось Y - ответ респондента на вопрос, готовы ли рекомендовать компанию 

Заметно, что медиана стажа тех, кто готов рекомендовать компанию, будет повыше, чем тех, кто не готов. Ну и вроде бы это логично. Работает, значит, лоялен.
Но
Kruskal-Wallis rank sum test

data:  q$stag by q$ref
Kruskal-Wallis chi-squared = 2.4175, df = 1, p-value = 0.12

Различия не значимы! А значит, готовность рекомендовать компанию в такой постановке вопроса не зависит от стажа.

Страты

А теперь давайте посмотрим другую логику. Я разбиваю стаж на страты.

1. До трех месяцев;
2. От трех до полугода;
3. От полугода до года;
4. От года до двух;
5. От 2 до 3 лет;
6. От трех до 5 лет;
7. Более 5 лет.

Надеюсь, вы не будете возражать против такой разбивки на страты.

Каждый столбец нормированной диаграммы обозначает промежуток по стажу и процентное соотношение готовых и не готовых рекомендовать.
Пик лояльности - более пяти лет и до трех месяцев. Одних уже никуда не возьмут, другие еще на что-то надеются (шютка юмора, если чё);
Пик антилояльности - от полугода до двух лет - карьерные амбиции, надежды реализоваться....
И Pearson's Chi-squared test

data:  t
X-squared = 16.041, df = 5, p-value = 0.006728
Это значит, что различия значимы!

Почему критерии показали разные результаты?

Почему критерий Крускал Уолисс показал незначимость результатов, а в случае Хи квадрат различия значимы?
Это вам вопрос.
Скажу только, что  математикой здесь все в порядке, никаких ошибок, все очень логично. Дело в самих данных.





__________________________________________________________
На этом все, читайте нас в фейсбуке, телеграмме и вконтакте