การใช้ Analysis ToolPak เพื่อวิเคราะห์ข้อมูลที่ซับซ้อน

สิ่งสำคัญ:  บทความนี้เป็นการแปลด้วยเครื่อง โปรดดู ข้อจำกัดความรับผิดชอบ โปรดดูบทความฉบับภาษาอังกฤษ ที่นี่ เพื่อใช้อ้างอิง

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 2007 คลิกปุ่ม Microsoft Office รูปปุ่ม แล้ว คลิกตัวเลือกของ Excel

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

    ถ้าคุณกำลังใช้ Excel for Mac ในเมนูไฟล์ไปยังเครื่องมือ >เพิ่มประกันของ Excel

  3. ในกล่องAdd-in กล่องกาเครื่องหมายAnalysis ToolPak แล้ว คลิ กตกลง

    • 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: สองปัจจัยที่ มีการจำลองแบบ

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: สองปัจจัยที่ไม่ มีการจำลองแบบ

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 2016 คุณสามารถเดี๋ยวนี้สร้างฮิสโตแกรมหรือแผนภูมิเร

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

เครื่องมือการถดถอยจะใช้ฟังก์ชันเวิร์กชีต LINEST

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

ทดสอบ t-test: จับคู่สองตัวอย่างสำหรับเฉลี่ย

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

หมายเหตุ: ในบรรดาผลลัพธ์ที่สร้างโดยเครื่องมือนี้คือค่าความแปรปรวนรวม ซึ่งเป็นการวัดสะสมของข้อมูลที่กระจายค่าอยู่รอบค่าเฉลี่ย และสามารถหาได้จากสูตรต่อไปนี้

สูตรที่ใช้คำนวณค่าความแปรปรวนรวม

ทดสอบ t-test: สองตัวอย่างที่ตั้งสมมติฐานว่าความแปรปรวนเท่ากัน

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

ทดสอบ 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

หมายเหตุ: ข้อจำกัดความรับผิดชอบของการแปลด้วยเครื่อง: บทความนี้มีการแปลด้วยระบบคอมพิวเตอร์โดยไม่มีการดำเนินการโดยบุคคล Microsoft จัดให้มีการแปลด้วยเครื่องนี้เพื่อช่วยให้ผู้ใช้ที่ไม่ได้พูดภาษาอังกฤษสามารถใช้ประโยชน์จากเนื้อหาเกี่ยวกับผลิตภัณฑ์ บริการและเทคโนโลยีของ Microsoft เนื่องจากบทความมีการแปลด้วยเครื่อง อาจมีข้อผิดพลาดด้านคำศัพท์ ไวยากรณ์หรือรูปประโยค

ดูเพิ่มเติม

สร้างฮิสโตแกรมใน Excel 2016

สร้างแผนภูมิเรใน Excel 2016

ดูวิดีโอเพื่อติดตั้ง และเปิดใช้งาน Analysis Toolpak และ add-in ของ Solver

วิศวกรรมฟังก์ชัน (ข้อมูลอ้างอิง)

ทางสถิติฟังก์ชัน (ข้อมูลอ้างอิง)

ภาพรวมของสูตรใน Excel

วิธีการหลีกเลี่ยงสูตรที่ใช้งานไม่ได้

ค้นหา และแก้ไขข้อผิดพลาดในสูตร

คีย์ลัดของ Excel และแป้นฟังก์ชัน

ฟังก์ชัน Excel (ตามลำดับตัวอักษร)

ฟังก์ชัน Excel (ตามประเภท)

ขยายทักษะของคุณ
สำรวจการฝึกอบรม
รับฟีเจอร์ใหม่ก่อนใคร
เข้าร่วม Office Insider

ข้อมูลนี้เป็นประโยชน์หรือไม่

ขอบคุณสำหรับคำติชมของคุณ!

ขอขอบคุณสำหรับคำติชมของคุณ! เราคิดว่าอาจเป็นประโยชน์ที่จะให้คุณได้ติดต่อกับหนึ่งในตัวแทนฝ่ายสนับสนุน Office ของเรา

×