Office

การใช้ Analysis ToolPak เพื่อวิเคราะห์ข้อมูลที่ซับซ้อน

หมายเหตุ: เราต้องการมอบเนื้อหาวิธีใช้ปัจจุบันในภาษาของคุณให้กับคุณโดยเร็วที่สุดเท่าที่เราจะทำได้ หน้านี้ได้รับการแปลด้วยระบบอัตโนมัติ และอาจมีข้อผิดพลาดทางไวยากรณ์หรือความไม่ถูกต้อง จุดประสงค์ของเราคือเพื่อให้เนื้อหานี้มีประโยชน์กับคุณ คุณแจ้งให้เราทราบว่าข้อมูลดังกล่าวมีประโยชน์ต่อคุณที่ด้านล่างของหน้านี้ได้หรือไม่ นี่คือบทความภาษาอังกฤษเพื่อให้ง่ายต่อการอ้างอิง

ถ้าคุณต้องสร้างการวิเคราะห์ทางสถิติหรือทางวิศวกรรมที่ซับซ้อน คุณสามารถประหยัดเวลาและลดขั้นตอนได้โดยใช้ Analysis ToolPak เมื่อคุณให้ข้อมูลและพารามิเตอร์สำหรับการวิเคราะห์แต่ละรายการแล้ว เครื่องมือดังกล่าวจะใช้ฟังก์ชันแมโครทางสถิติหรือวิศวกรรมที่เหมาะสม เพื่อคำนวณและแสดงผลลัพธ์ในตารางผลลัพธ์ เครื่องมือบางอย่างจะสร้างแผนภูมินอกเหนือจากตารางผลลัพธ์ด้วย

ฟังก์ชันการวิเคราะห์ข้อมูลสามารถใช้ได้กับเวิร์กชีตทีละเวิร์กชีตเท่านั้น เมื่อคุณวิเคราะห์ข้อมูลบนเวิร์กชีตที่ถูกจัดกลุ่ม ผลลัพธ์จะแสดงบนเวิร์กชีตแรกและตารางเปล่าที่มีการจัดรูปแบบจะแสดงบนเวิร์กชีตที่เหลือ ถ้าต้องการวิเคราะห์ข้อมูลในส่วนที่เหลือของเวิร์กชีต ให้คำนวณเครื่องมือการวิเคราะห์สำหรับแต่ละเวิร์กชีตอีกครั้ง

Analysis ToolPak ประกอบด้วยเครื่องมือต่างๆ ที่จะอธิบายไว้ในส่วนต่างๆ ในลำดับต่อไป เมื่อต้องการใช้เครื่องมือเหล่านี้ ให้คลิก การวิเคราะห์ข้อมูล ในกลุ่ม การวิเคราะห์ บนแท็บ ข้อมูล ถ้าคำสั่ง การวิเคราะห์ข้อมูล ไม่พร้อมใช้งาน คุณต้องโหลดโปรแกรม Analysis ToolPak Add-in

  1. คลิกแท็บ ไฟล์ คลิก ตัวเลือก แล้วคลิกประเภท Add-in

    ถ้าคุณกำลังใช้ Excel ๒๐๐๗ให้คลิกปุ่ม Microsoft Office รูปปุ่ม แล้วคลิกตัวเลือก Excel

  2. ในกล่อง จัดการ ให้เลือก Add-ins ของ Excel แล้วคลิก ไป

    ถ้าคุณกำลังใช้ Excel for Mac ในเมนูไฟล์ให้ไปที่เครื่องมือ> add-in ของ excel

  3. ในกล่องadd-inให้เลือกกล่องกาเครื่องหมายAnalysis ToolPakแล้วคลิกตกลง

    • ถ้า Analysis ToolPak ไม่อยู่ในกล่อง Add-in ที่มีอยู่ ให้คลิก เรียกดู เพื่อระบุตำแหน่ง Analysis ToolPak

    • ถ้าคุณได้รับการแจ้งเตือนว่ายังไม่ได้ติดตั้ง Analysis ToolPak ในคอมพิวเตอร์ของคุณ ให้คลิก ใช่ เพื่อติดตั้ง Analysis ToolPak

หมายเหตุ: เมื่อต้องการรวมฟังก์ชัน Visual Basic for Application (VBA) สำหรับ Analysis ToolPak คุณสามารถโหลด Add-in Analysis ToolPak - VBA ได้แบบเดียวกับที่คุณโหลด Analysis ToolPak ในกล่อง Add-in ที่มีอยู่ ให้เลือกกล่องกาเครื่องหมาย Analysis ToolPak - VBA

เครื่องมือการวิเคราะห์ Anova จะมีการวิเคราะห์ความแปรปรวนชนิดต่างๆ เครื่องมือที่คุณควรใช้จะขึ้นอยู่กับจำนวนปัจจัยและจำนวนตัวอย่างที่คุณมีจากประชากรที่คุณต้องการทดสอบ

Anova: ปัจจัยเดียว

เครื่องมือนี้จะทำการวิเคราะห์อย่างง่ายเกี่ยวกับความแปรปรวนบนข้อมูลอย่างน้อยสองตัวอย่าง การวิเคราะห์จะมีการทดสอบสมมติฐานว่าแต่ละตัวอย่างนั้นถูกสุ่มมาจากการแจกแจงความน่าจะเป็นฐานเดียวกัน โดยเทียบกับสมมติฐานแย้งที่ฐานการแจกแจงความน่าจะเป็นไม่เหมือนกันสำหรับทุกตัวอย่าง ถ้ามีเพียงแค่สองตัวอย่าง คุณสามารถใช้ฟังก์ชันเวิร์กชีต T.TEST ได้ แต่ถ้ามีมากกว่า 2 ตัวอย่าง จะไม่สะดวกในการจัดให้อยู่ในรูปทั่วไปของ T.TEST และสามารถนำรูปแบบ Anova ปัจจัยเดียวมาใช้แทนได้

Anova: สองปัจจัยที่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้จะมีประโยชน์เมื่อข้อมูลสามารถแยกประเภทได้เป็นสองมิติที่ต่างกัน ตัวอย่าง เช่น ในการทดลองเพื่อวัดความสูงของพืช พืชอาจจะได้รับปุ๋ยที่มีตราสินค้าต่างกัน (ตัวอย่างเช่น ก ข ค) และอาจจัดเก็บไว้ในอุณหภูมิที่ต่างกัน (ตัวอย่างเช่น ต่ำ สูง) สำหรับคู่แต่ละคู่ที่เป็นไปได้ทั้งหกคู่ {ปุ๋ย, อุณหภูมิ} เราจะมีจำนวนค่าสังเกตของความสูงพืชที่เท่ากัน เมื่อใช้เครื่องมือ Anova นี้ เราสามารถทดสอบได้ดังนี้

  • ความสูงของพืชสำหรับตราสินค้าของปุ๋ยที่แตกต่างกันนั้นถูกสุ่มมาจากประชากรที่เป็นฐานของการวิเคราะห์เดียวกันหรือไม่ การวิเคราะห์นี้จะไม่พิจารณาอุณหภูมิ

  • ความสูงของพืชสำหรับระดับอุณหภูมิที่แตกต่างกันนั้นถูกสุ่มมาจากประชากรที่เป็นฐานของการวิเคราะห์เดียวกันหรือไม่ การวิเคราะห์นี้จะไม่พิจารณาตราสินค้าของปุ๋ย

มีความแตกต่างหรือไม่สำหรับผลกระทบของความแตกต่างระหว่างตราสินค้าของปุ๋ยที่พบในสัญลักษณ์แสดงหัวข้อย่อยแรก และความแตกต่างของอุณหภูมิในสัญลักษณ์แสดงหัวข้อย่อยที่สอง ตัวอย่างทั้งหกที่แสดงค่า {ปุ๋ย, อุณหภูมิ} ของทุกคู่จะถูกสุ่มจากประชากรกลุ่มเดียวกัน สมมติฐานแย้งก็คือ มีผลกระทบเนื่องจากคู่ {ปุ๋ย, อุณหภูมิ} ที่ระบุเกินและเหนือกว่าความแตกต่างที่มีพื้นฐานมาจากปุ๋ยหรืออุณหภูมิเพียงอย่างเดียว

การตั้งค่าช่วงข้อมูลเข้าสำหรับเครื่องมือ Anova

Anova: สองปัจจัยที่ไม่มีการจำลองแบบ

เครื่องมือการวิเคราะห์นี้จะมีประโยชน์เมื่อข้อมูลมีการแยกประเภทบนสองมิติที่แตกต่างกัน เช่นเดียวกับในกรณีที่มีสองปัจจัยที่มีการจำลองแบบ อย่างไรก็ตาม สำหรับเครื่องมือนี้จะถูกสันนิษฐานว่ามีเพียงค่าสังเกตเดียวสำหรับคู่แต่ละคู่ (ตัวอย่าง เช่น คู่แต่ละคู่ {ปุ๋ย, อุณหภูมิ} ในตัวอย่างก่อนหน้านี้)

ทั้งฟังก์ชันเวิร์กชีต CORREL และ PEARSON จะคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรการวัดสองตัว เมื่อการวัดค่าตัวแปรแต่ละตัวถูกสังเกต N เรื่อง (การสังเกตใดก็ตามที่หายไปในเรื่องใดๆ จะทำให้เรื่องนั้นถูกละเว้นในการวิเคราะห์) เครื่องมือการวิเคราะห์สหสัมพันธ์มีประโยชน์ในกรณีที่มีตัวแปรการวัดมากกว่าสองตัวสำหรับเรื่องแต่ละเรื่องจำนวน N เรื่อง เครื่องมือการวิเคราะห์สหสัมพันธ์จะสร้างตารางผลลัพธ์ ซึ่งก็คือเมทริกซ์สหสัมพันธ์ ที่จะแสดงค่าของ CORREL (หรือ PEARSON) ที่นำไปใช้กับตัวแปรการวัดคู่แต่ละคู่ที่เป็นไปได้

เช่นเดียวกับค่าความแปรปรวนร่วม ค่าสัมประสิทธิ์สหสัมพันธ์เป็นการวัดขอบเขตที่ตัวแปรการวัดสองตัว "แปรตามกัน" แต่ค่าสัมประสิทธิ์สหสัมพันธ์จะไม่เหมือนกับค่าความแปรปรวนร่วมตรงที่ ค่าสัมประสิทธิ์สหสัมพันธ์จะถูกปรับสัดส่วน เพื่อให้ค่าไม่ขึ้นกับหน่วยที่ตัวแปรการวัดสองตัวนั้นถูกแสดงอยู่ (ตัวอย่าง เช่น ถ้าตัวแปรการวัดสองตัวคือน้ำหนักและความสูง ค่าของสัมประสิทธิ์สหสัมพันธ์จะไม่เปลี่ยนถ้าน้ำหนักถูกแปลงจากปอนด์ไปเป็นกิโลกรัม) ค่าของสัมประสิทธิ์สหสัมพันธ์ใดๆ ต้องมีค่าอยู่ระหว่าง -1 และ +1 (รวมทั้งสองตัวเลขนี้ด้วย)

คุณสามารถใช้เครื่องมือวิเคราะห์สหสัมพันธ์ เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

ทั้งเครื่องมือวิเคราะห์สหสัมพันธ์และความแปรปรวนร่วมสามารถใช้ในการตั้งค่าเดียวกันได้ เมื่อคุณมีตัวแปรการวัดที่ต่างกัน N ตัวแปร ซึ่งสังเกตจากชุดแต่ละชุด เครื่องมือสหสัมพันธ์และความแปรปรวนร่วมต่างก็ให้ตารางผลลัพธ์ ซึ่งก็คือเมทริกซ์ที่แสดงค่าสัมประสิทธิ์สหสัมพันธ์หรือค่าความแปรปรวนร่วมระหว่างคู่ตัวแปรการวัดแต่ละคู่ตามลำดับ ข้อแตกต่างก็คือค่าสัมประสิทธิ์สหสัมพันธ์จะถูกปรับสัดส่วนให้มีค่าอยู่ระหว่าง -1 และ +1 แต่ค่าความแปรปรวนร่วมที่สอดคล้องกันจะไม่ถูกปรับสัดส่วน ทั้งค่าสัมประสิทธิ์สหสัมพันธ์และค่าความแปรปรวนร่วมเป็นการวัดขอบเขตที่ตัวแปรสองตัว "แปรตามกัน"

เครื่องมือความแปรปรวนร่วมจะคำนวณค่าของฟังก์ชันเวิร์กชีต COVARIANCE.P สำหรับคู่ตัวแปรการวัดแต่ละคู่ (การใช้ฟังก์ชัน COVARIANCE.P โดยตรงแทนที่จะเป็นเครื่องมือความแปรปรวนร่วมเป็นอีกทางเลือกที่สมเหตุสมผล เมื่อมีตัวแปรการวัดแค่เพียงสองตัว นั่นก็คือ N=2) รายการบนเส้นทแยงมุมของตารางผลลัพธ์ของเครื่องมือความแปรปรวนร่วมในแถว i คอลัมน์ i คือค่าความแปรปรวนร่วมของตัวแปรการวัดลำดับที่ i กับรายการนั้น นี่เป็นเพียงแค่ความแปรปรวนของประชากรสำหรับตัวแปรดังกล่าวตามที่คำนวณโดยฟังก์ชันเวิร์กชีต VAR.P

คุณสามารถใช้เครื่องมือวิเคราะห์ความแปรปรวนร่วม เพื่อตรวจสอบคู่ตัวแปรการวัดแต่ละคู่ เมื่อต้องการระบุว่าตัวแปรการวัดสองตัวมีแนวโน้ม "แปรตามกัน" หรือไม่ นั่นก็คือ ตัวแปรหนึ่งที่มีค่ามากมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์บวก) ตัวแปรหนึ่งที่มีค่าน้อยมีแนวโน้มจะสัมพันธ์กับอีกตัวแปรที่มีค่ามากหรือไม่ (สหสัมพันธ์ลบ) หรือค่าของทั้งสองตัวแปรมีแนวโน้มที่จะไม่สัมพันธ์กัน (สหสัมพันธ์เข้าใกล้ 0 (ศูนย์))

เครื่องมือวิเคราะห์สถิติเชิงพรรณนาจะสร้างรายงานของสถิติหนึ่งตัวแปรสำหรับข้อมูลในช่วงข้อมูลเข้า โดยมีข้อมูลเกี่ยวกับแนวโน้มเข้าสู่ส่วนกลางและการแปรผันของข้อมูลของคุณ

เครื่องมือการปรับเรียบแบบเอ็กซ์โพเนนเชียลจะทำนายค่าจากการพยากรณ์ช่วงก่อนหน้านี้ ที่ปรับเปลี่ยนสำหรับข้อผิดพลาดในการพยากรณ์ครั้งก่อนหน้านั้น เครื่องมือจะใช้ค่าคงที่ปรับเรียบ a ซึ่งเป็นขนาดที่กำหนดว่าการพยากรณ์จะตอบสนองต่อข้อผิดพลาดในการพยากรณ์ก่อนหน้านั้นมากน้อยเพียงใด

หมายเหตุ: ค่า 0.2 ถึง 0.3 เป็นค่าที่เหมาะสำหรับค่าคงที่ปรับเรียบ ค่าเหล่านี้จะระบุว่าการพยากรณ์ปัจจุบันควรปรับเปลี่ยนจาก 20 เปอร์เซ็นต์เป็น 30 เปอร์เซ็นต์สำหรับข้อผิดพลาดในการพยากรณ์ก่อนหน้านี้ ค่าคงที่ที่มากขึ้นจะให้การตอบสนองที่เร็วขึ้นแต่ก็จะทำให้ผลการคาดคะเนแกว่งได้ ส่วนค่าคงที่ที่น้อยลงก็อาจทำให้ค่าพยากรณ์ล่าช้าไปมาก

เครื่องมือการวิเคราะห์ความแปรปรวนแบบ F-Test สองตัวอย่าง จะดำเนินการ F-test แบบสองตัวอย่างเพื่อเปรียบเทียบความแปรปรวนของประชากรสองกลุ่ม

ตัวอย่างเช่น คุณสามารถใช้เครื่องมือ F-Test กับตัวอย่างเวลาในการว่ายน้ำของทีมสองทีม เครื่องมือจะให้ผลลัพธ์ในการทดสอบสมมติฐานว่างว่า ตัวอย่างสองกลุ่มมาจากการแจกแจงที่มีความแปรปรวนเท่ากัน เทียบกับสมมติฐานแย้งว่าค่าความแปรปรวนไม่เท่ากันบนฐานการแจกแจง

เครื่องมือจะคำนวณค่า F-statistic (หรือ F-ratio) ค่าที่เข้าใกล้ 1 จะให้เหตุการณ์ที่ความแปรปรวนของประชากรที่เป็นฐานมีค่าเท่ากัน ในตารางผลลัพธ์ ถ้า f < 1 แล้ว "P(F <= f) one-tail" จะให้ความน่าจะเป็นในการสังเกตค่า F-statistic ที่น้อยกว่า f เมื่อความแปรปรวนของประชากรเท่ากัน และ "F Critical one-tail" ให้ค่าวิกฤตน้อยกว่า 1 สำหรับระดับนัยสำคัญที่เลือกซึ่งก็คือ Alpha ถ้า f > 1 แล้ว "P(F <= f) one-tail" จะให้ความน่าจะเป็นในการสังเกตค่า F-statistic ที่มากกว่า f เมื่อความแปรปรวนของประชากรเท่ากัน และ "F Critical one-tail" ให้ค่าวิกฤตมากกว่า 1 สำหรับ Alpha

เครื่องมือการวิเคราะห์แบบฟูเรียร์จะแก้ปัญหาในระบบเชิงเส้น และวิเคราะห์ข้อมูลที่เป็นคาบโดยใช้วิธีการแปลงฟูเรียร์แบบเร็ว (FFT) เพื่อแปลงข้อมูล เครื่องมือนี้ยังสนับสนุนการแปลงกลับ ซึ่งข้อมูลที่แปลงกลับจะคืนค่าข้อมูลเดิมอีกด้วย

ช่วงข้อมูลเข้าและช่วงผลลัพธ์สำหรับการวิเคราะห์แบบฟูเรียร์

เครื่องมือการวิเคราะห์ฮิสโตแกรมจะคำนวณความถี่แต่ละความถี่และความถี่สะสมสำหรับช่วงเซลล์ของข้อมูลและตัวเก็บข้อมูล เครื่องมือนี้จะสร้างข้อมูลสำหรับจำนวนครั้งที่ค่าในชุดข้อมูลนั้นเกิดขึ้น

ตัวอย่างเช่น ในห้องเรียนที่มีนักเรียน 20 คน คุณสามารถกำหนดการแจกแจงคะแนนในประเภทของผลการเรียนเป็นตัวอักษรได้ ตารางฮิสโตแกรมจะแสดงขอบเขตของผลการเรียนที่เป็นตัวอักษร และจำนวนของคะแนนระหว่างขอบเขตล่างสุดและขอบเขตปัจจุบัน คะแนนหนึ่งที่มีความถี่มากที่สุดคือค่าฐานนิยมของข้อมูล

เคล็ดลับ: ใน Excel ๒๐๑๖คุณสามารถสร้างฮีสโตแกรมหรือแผนภูมิParetoได้แล้ว

เครื่องมือการวิเคราะห์ค่าเฉลี่ยเคลื่อนที่จะทำนายค่าในช่วงการพยากรณ์ โดยมีพื้นฐานมาจากค่าเฉลี่ยของตัวแปรในคาบก่อนหน้าที่มีจำนวนแน่นอน ค่าเฉลี่ยเคลื่อนที่จะให้ข้อมูลแนวโน้มที่ค่าเฉลี่ยทั่วไปของข้อมูลในอดีตทั้งหมดจะครอบคลุม ให้ใช้เครื่องมือนี้เพื่อพยากรณ์การขาย สินค้าคงคลัง หรือแนวโน้มอื่นๆ ค่าพยากรณ์แต่ละค่ามีพื้นฐานมาจากสูตรดังนี้

สูตรที่ใช้คำนวณค่าเฉลี่ยเคลื่อนที่

โดยที่

  • N คือจำนวนคาบก่อนหน้าที่จะรวมไว้ในค่าเฉลี่ยเคลื่อนที่

  • A j เป็นค่าจริง ณ เวลา j

  • F j เป็นค่าพยากรณ์ ณ เวลา j

เครื่องมือการวิเคราะห์การสร้างหมายเลขสุ่มจะเติมค่าในช่วง โดยใช้หมายเลขที่สุ่มจากการแจกแจงหลายค่า คุณสามารถระบุสิ่งที่วิเคราะห์ในประชากรด้วยการแจกแจงความน่าจะเป็น ตัวอย่าง เช่น คุณสามารถใช้การแจกแจงปกติเพื่อระบุประชากรความสูงของคนแต่ละคน หรือคุณสามารถใช้การแจกแจงเบอร์นูลีของผลลัพธ์ที่เป็นไปได้สองแบบ เพื่อระบุประชากรของผลลัพธ์ที่จะเกิดขึ้นได้เพียงแบบเดียว

เครื่องมือการวิเคราะห์ลำดับที่และเปอร์เซ็นไทล์จะสร้างตารางที่มีเลขลำดับและอันดับเปอร์เซ็นต์ของค่าแต่ละค่าในชุดข้อมูล คุณสามารถวิเคราะห์ตำแหน่งสัมพัทธ์ของค่าในชุดข้อมูลได้ เครื่องมือนี้ใช้ฟังก์ชันเวิร์กชีต RANK.EQ และ PERCENTRANK.INC ถ้าคุณต้องการแสดงถึงค่าที่ผูกกันอยู่ ให้ใช้ฟังก์ชัน RANK.EQ ซึ่งจะถือว่าค่าที่ผูกกันอยู่มีอันดับเดียวกัน หรือใช้ฟังก์ชัน RANK.AVG ซึ่งจะส่งกลับอันดับเฉลี่ยสำหรับค่าที่ผูกกันอยู่

เครื่องมือการวิเคราะห์การถดถอยจะวิเคราะห์การถดถอยเชิงเส้นโดยใช้วิธี "ค่ายกกำลังสองต่ำสุด" เพื่อให้เส้นพอดีกับชุดของค่าสังเกต คุณสามารถวิเคราะห์ว่าตัวแปรอ้างอิงหนึ่งได้รับผลจากค่าของตัวแปรอิสระอย่างน้อยหนึ่งตัวได้อย่างไร ตัวอย่าง เช่น คุณสามารถวิเคราะห์ว่าสมรรถภาพของนักกีฬาได้รับผลกระทบจากปัจจัย เช่น อายุ ส่วนสูง และน้ำหนักได้อย่างไร คุณสามารถแบ่งสัดส่วนของการวัดสมรรถภาพให้กับปัจจัยแต่ละปัจจัยทั้งสามนี้ โดยขึ้นอยู่กับชุดของข้อมูลสมรรถภาพ จากนั้นใช้ผลลัพธ์เพื่อคาดการณ์สมรรถภาพของนักกีฬาใหม่ที่ยังไม่เคยผ่านการทดสอบ

เครื่องมือการถดถอยใช้ฟังก์ชันเวิร์กชีตLINEST

เครื่องมือการวิเคราะห์การสุ่มตัวอย่างจะสร้างตัวอย่างจากประชากร โดยจะถือว่าช่วงข้อมูลเข้าเป็นประชากร เมื่อประชากรมีจำนวนมากเกินกว่าที่จะประมวลผลหรือสร้างแผนภูมิ คุณสามารถใช้ตัวอย่างที่เป็นตัวแทนได้ นอกจากนี้คุณยังสามารถสร้างตัวอย่างที่มีเฉพาะค่าจากบางส่วนของรอบได้ ถ้าคุณเชื่อว่าข้อมูลเข้านั้นเป็นข้อมูลตามระยะเวลา ตัวอย่าง เช่น ถ้าช่วงของข้อมูลเข้ามียอดขายรายไตรมาส การสุ่มตัวอย่างที่มีอัตราตามระยะเวลาเป็นสี่ จะวางค่าจากไตรมาสเดียวกันไว้ในช่วงของผลลัพธ์

เครื่องมือการวิเคราะห์ t-Test สองตัวอย่าง จะทดสอบความเท่ากันของค่าเฉลี่ยประชากรที่เป็นฐานของตัวอย่างแต่ละตัวอย่าง เครื่องมือทั้งสามจะใช้สมมติฐานที่ต่างกันคือ ความแปรปรวนประชากรมีค่าเท่ากัน ความแปรปรวนประชากรมีค่าไม่เท่ากัน และทั้งสองตัวอย่างแสดงการสังเกตก่อนและหลังการทดลองในเรื่องเดียวกัน

สำหรับเครื่องมือการวิเคราะห์ t-Test ทั้งสามต่อไปนี้ ค่า t-Statistic หรือ t จะถูกคำนวณและแสดงเป็น "t Stat" ในตารางผลลัพธ์ ค่า t นี้อาจเป็นค่าลบหรือไม่ใช่ค่าลบก็ได้ขึ้นอยู่กับข้อมูล ภายใต้สมมติฐานของค่าเฉลี่ยที่มีฐานประชากรเท่ากัน ถ้า t < 0 แล้ว "P(T <= t) one-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะถูกสังเกตได้ว่ามีค่าเป็นลบมากกว่า t และถ้า t >=0 แล้ว "P(T <= t) one-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะถูกสังเกตได้ว่ามีค่าเป็นบวกมากกว่า t ส่วน "t Critical one-tail" จะให้ค่าตัด เพื่อให้ความน่าจะเป็นในการสังเกตค่าของ t-Statistic ที่มากกว่าหรือเท่ากับ "t Critical one-tail" เป็น Alpha

"P(T <= t) two-tail" จะให้ความน่าจะเป็นที่ค่าของ t-Statistic จะถูกสังเกตว่ามีค่าสัมบูรณ์มากกว่า t ส่วน "P Critical two-tail" จะให้ค่าตัด เพื่อให้ความน่าจะเป็นของ t-Statistic ที่สังเกตที่มีค่าสัมบูรณ์มากกว่าค่าสัมบูรณ์ของ "P Critical two-tail" เป็น Alpha

t-Test: จับคู่สองตัวอย่างสำหรับค่าเฉลี่ย

คุณสามารถใช้การทดสอบแบบจับคู่เมื่อมีการจับคู่ค่าสังเกตตามธรรมชาติในตัวอย่างต่างๆ เช่น เมื่อมีการทดสอบกลุ่มตัวอย่างสองครั้ง คือก่อนและหลังการทดลอง เครื่องมือการวิเคราะห์นี้และสูตรของเครื่องมือจะทำ Student's t-Test แบบจับคู่สองตัวอย่าง เพื่อระบุว่าการสังเกตที่ทำก่อนการทดลองและการสังเกตที่ทำหลังการทดลอง น่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรที่เท่ากัน รูปแบบ t-Test นี้ไม่ได้ตั้งสมมติฐานว่าความแปรปรวนของประชากรทั้งสองมีค่าเท่ากัน

หมายเหตุ: ในบรรดาผลลัพธ์ที่สร้างโดยเครื่องมือนี้คือค่าความแปรปรวนรวม ซึ่งเป็นการวัดสะสมของข้อมูลที่กระจายค่าอยู่รอบค่าเฉลี่ย และสามารถหาได้จากสูตรต่อไปนี้

สูตรที่ใช้คำนวณค่าความแปรปรวนรวม

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนเท่ากัน

เครื่องมือการวิเคราะห์นี้จะทำ Student's t-Test แบบสองตัวอย่าง รูปแบบ t-Test นี้จะตั้งสมมติฐานว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนเท่ากัน หรือที่เรียกว่า homoscedastic t-Test คุณสามารถใช้ t-Test นี้เพื่อกำหนดว่าทั้งสองตัวอย่างน่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่

t-Test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนไม่เท่ากัน

เครื่องมือการวิเคราะห์นี้จะทำ Student's t-Test แบบสองตัวอย่าง รูปแบบ t-Test นี้จะตั้งสมมติฐานว่าชุดข้อมูลทั้งสองชุดมาจากการแจกแจงที่มีค่าความแปรปรวนไม่เท่ากัน หรือที่เรียกว่า heteroscedastic t-Test เช่นเดียวกับในกรณีของความแปรปรวนเท่ากันก่อนหน้านี้ คุณสามารถใช้ t-Test นี้เพื่อกำหนดว่าทั้งสองตัวอย่างน่าจะมาจากการแจกแจงที่มีค่าเฉลี่ยประชากรเท่ากันหรือไม่ ให้ใช้การทดสอบนี้เมื่อทั้งสองตัวอย่างมีเรื่องที่ต่างกัน และให้ใช้การทดสอบแบบคู่ที่อธิบายในตัวอย่างต่อไป เมื่อมีเรื่องชุดเดียวและทั้งสองตัวอย่างแสดงการวัดสำหรับเรื่องแต่ละเรื่องก่อนและหลังทำการทดลอง

สูตรต่อไปนี้จะใช้กำหนดค่าสถิติ t

สูตรที่ใช้คำนวณค่า t

สูตรต่อไปนี้ใช้เพื่อคำนวณระดับความเป็นอิสระหรือ df เนื่องจากผลลัพธ์ในการคำนวณมักจะไม่เป็นจำนวนเต็ม ค่า df จึงถูกปัดเศษเป็นจำนวนเต็มที่ใกล้เคียงที่สุดเพื่อให้ได้ค่าวิกฤตจากตาราง t โดยฟังก์ชันเวิร์กชีต T.TEST ของ Excel จะใช้ค่า df จากการคำนวณโดยไม่ปัดเศษ เพราะเป็นไปได้ที่จะคำนวณค่า T.TEST โดยใช้ค่า df ที่ไม่ใช่จำนวนเต็ม และเพราะความแตกต่างในการกำหนดค่าระดับความเป็นอิสระนี้ ผลลัพธ์ของ T.TEST และเครื่องมือ t-Test นี้จะแตกต่างในกรณีที่ความแปรปรวนไม่เท่ากัน

สูตรที่ใช้ประมาณระดับความเป็นอิสระ

z-Test: เครื่องมือการวิเคราะห์สองตัวอย่างสำหรับค่าเฉลี่ย จะดำเนินการ z-Test ที่ใช้สองตัวอย่างสำหรับค่าเฉลี่ยที่ทราบค่าความแปรปรวน เครื่องมือนี้ใช้เพื่อทดสอบสมมติฐานว่างว่าไม่มีความแตกต่างระหว่างค่าเฉลี่ยประชากรสองค่า เทียบกับสมมติฐานแย้งแบบทางเดียวหรือแบบสองทาง ถ้าไม่ทราบค่าความแปรปรวน ควรใช้ฟังก์ชันเวิร์กชีต Z.TEST แทน

เมื่อคุณใช้เครื่องมือ z-Test คุณควรทำความเข้าใจผลลัพธ์อย่างถี่ถ้วน สำหรับ "P(Z <= z) one-tail" นั้นที่จริงก็คือ P(Z >= ABS(z)) ซึ่งคือความน่าจะเป็นที่ค่า z จะมีค่าห่างจาก 0 ในทิศทางเดียวกับค่า z ที่สังเกตเมื่อไม่มีผลต่างระหว่างค่าเฉลี่ยประชากร ส่วน "P(Z <= z) two-tail" ที่จริงก็คือ P(Z >= ABS(z) หรือ Z <= -ABS(z)) ซึ่งคือความน่าจะเป็นที่ค่า z จะมีค่าห่างออกมาจาก 0 คนละทิศทางกับค่า z ที่สังเกตเมื่อไม่มีผลต่างระหว่างค่าเฉลี่ยประชากร ผลลัพธ์จากการทดสอบแบบสองทางเป็นเพียงการนำผลลัพธ์จากการทดสอบแบบทางเดียวมาคูณด้วย 2 เครื่องมือ z-Test ยังสามารถใช้ในกรณีที่สมมติฐานว่างคือค่าที่ระบุที่ไม่ใช่ศูนย์สำหรับผลต่างระหว่างค่าเฉลี่ยประชากรสองค่า ตัวอย่างเช่น คุณสามารถใช้การทดสอบนี้ เพื่อพิจารณาความแตกต่างระหว่างสมรรถนะของรถยนต์สองรุ่น

ต้องการความช่วยเหลือเพิ่มเติมไหม

คุณสามารถสอบถามผู้เชี่ยวชาญใน Excel Tech Community ขอความช่วยเหลือใน Answers community หรือแนะนำฟีเจอร์ใหม่หรือการปรับปรุงบน Excel User Voiceได้เสมอ

ดูเพิ่มเติม

สร้างฮิสโตแกรมใน Excel ๒๐๑๖

สร้างแผนภูมิ Pareto ใน Excel ๒๐๑๖

โหลด Analysis ToolPak ใน Excel

ฟังก์ชันทางวิศวกรรม (ข้อมูลอ้างอิง)

ฟังก์ชันทางสถิติ (ข้อมูลอ้างอิง)

ภาพรวมของสูตรใน Excel

วิธีการหลีกเลี่ยงสูตรที่ใช้งานไม่ได้

ค้นหาและแก้ไขข้อผิดพลาดในสูตร

แป้นพิมพ์ลัดและแป้นฟังก์ชัน Excel

ฟังก์ชันของ Excel (เรียงลำดับตามตัวอักษร)

ฟังก์ชันของ Excel (เรียงตามประเภท)

ขยายทักษะ Office ของคุณ
สำรวจการฝึกอบรม
รับฟีเจอร์ใหม่ก่อนใคร
เข้าร่วม Office Insider

ข้อมูลนี้เป็นประโยชน์หรือไม่

ขอบคุณสำหรับคำติชมของคุณ!

ขอขอบคุณสำหรับคำติชมของคุณ! เราคิดว่าอาจเป็นประโยชน์ที่จะให้คุณได้ติดต่อกับหนึ่งในตัวแทนฝ่ายสนับสนุน Office ของเรา

×