Bảng tính wps thêm vào phân tích dữ liệu

Tải và kích hoạt ToolPak Phân tích

1. Bấm vào tab Tệp, bấm vào Tùy chọn, rồi bấm vào danh mục Bổ trợ

2. Trong hộp Quản lý, chọn Phần bổ trợ Excel rồi bấm vào Đi

   Nếu bạn đang sử dụng Excel cho Mac, trong menu tệp, hãy chuyển đến Công cụ > Phần bổ trợ Excel

3. Trong hộp Add-Ins, chọn hộp kiểm Analysis ToolPak, rồi bấm OK

   • Nếu ToolPak Phân tích không được liệt kê trong hộp Bổ trợ có sẵn, bấm Duyệt để tìm nó

   • Nếu bạn được nhắc rằng ToolPak Phân tích hiện chưa được cài đặt trên máy tính của bạn, hãy nhấp vào Có để cài đặt nó

Ghi chú. Để bao gồm các hàm Visual Basic for Application [VBA] cho Analysis ToolPak, bạn có thể tải Analysis ToolPak - Phần bổ trợ VBA giống như cách bạn tải Analysis ToolPak. Trong hộp Bổ trợ có sẵn, chọn hộp kiểm Analysis ToolPak - VBA

Anova

Các công cụ phân tích Anova cung cấp các loại phân tích phương sai khác nhau. Công cụ mà bạn nên sử dụng tùy thuộc vào số lượng yếu tố và số lượng mẫu mà bạn có từ quần thể mà bạn muốn kiểm tra

Anova. Yếu tố đơn

Công cụ này thực hiện phân tích phương sai đơn giản trên dữ liệu cho hai hoặc nhiều mẫu. Phân tích cung cấp một thử nghiệm về giả thuyết rằng mỗi mẫu được rút ra từ cùng một phân phối xác suất cơ bản so với giả thuyết thay thế rằng các phân phối xác suất cơ bản không giống nhau đối với tất cả các mẫu. Nếu chỉ có hai mẫu, bạn có thể sử dụng hàm trang tính T. KIỂM TRA. Với nhiều hơn hai mẫu, không có sự khái quát hóa thuận tiện của T. THỬ NGHIỆM và thay vào đó, có thể sử dụng mô hình Single Factor Anova

Anova. Hai yếu tố với bản sao

Công cụ phân tích này rất hữu ích khi dữ liệu có thể được phân loại theo hai chiều khác nhau. Ví dụ, trong một thí nghiệm để đo chiều cao của cây, cây có thể được cung cấp các nhãn hiệu phân bón khác nhau [ví dụ: A, B, C] và cũng có thể được giữ ở các nhiệt độ khác nhau [ví dụ: thấp, cao]. Đối với mỗi cặp trong số sáu cặp {phân bón, nhiệt độ} có thể, chúng ta có số lần quan sát chiều cao cây bằng nhau. Sử dụng công cụ Anova này, chúng tôi có thể kiểm tra

• Liệu chiều cao của cây đối với các nhãn hiệu phân bón khác nhau có được rút ra từ cùng một quần thể cơ bản hay không. Nhiệt độ được bỏ qua cho phân tích này

• Liệu chiều cao của thực vật cho các mức nhiệt độ khác nhau có được rút ra từ cùng một quần thể cơ bản hay không. Các thương hiệu phân bón bị bỏ qua trong phân tích này

Cho dù đã tính đến tác động của sự khác biệt giữa các nhãn hiệu phân bón được tìm thấy trong dấu đầu dòng đầu tiên và sự khác biệt về nhiệt độ được tìm thấy trong dấu đầu dòng thứ hai, sáu mẫu đại diện cho tất cả các cặp giá trị {phân bón, nhiệt độ} được lấy từ cùng một quần thể. Giả thuyết thay thế là có những tác động do các cặp {phân bón, nhiệt độ} cụ thể vượt trội so với sự khác biệt chỉ dựa trên phân bón hoặc chỉ dựa trên nhiệt độ

Anova. Hai yếu tố không nhân rộng

Công cụ phân tích này rất hữu ích khi dữ liệu được phân loại theo hai chiều khác nhau như trong trường hợp Hai yếu tố có bản sao. Tuy nhiên, đối với công cụ này, giả định rằng chỉ có một quan sát duy nhất cho mỗi cặp [ví dụ: mỗi cặp {phân bón, nhiệt độ} trong ví dụ trước]

tương quan

Cả hai hàm trang tính CORREL và PEARSON đều tính toán hệ số tương quan giữa hai biến đo lường khi các phép đo trên mỗi biến được quan sát cho từng đối tượng trong số N đối tượng. [Bất kỳ quan sát nào bị thiếu đối với bất kỳ đối tượng nào đều khiến đối tượng đó bị bỏ qua trong phân tích. ] Công cụ Phân tích tương quan đặc biệt hữu ích khi có nhiều hơn hai biến đo lường cho mỗi đối tượng trong số N đối tượng. Nó cung cấp một bảng đầu ra, một ma trận tương quan, hiển thị giá trị của CORREL [hoặc PEARSON] được áp dụng cho từng cặp biến đo lường có thể có

Hệ số tương quan, giống như hiệp phương sai, là thước đo mức độ mà hai biến đo lường "thay đổi cùng nhau". " Không giống như hiệp phương sai, hệ số tương quan được chia tỷ lệ sao cho giá trị của nó không phụ thuộc vào đơn vị biểu thị hai biến đo lường. [Ví dụ: 2 biến đo lường là cân nặng và chiều cao thì giá trị của hệ số tương quan không thay đổi nếu quy đổi cân nặng từ pound sang kilogam. ] Giá trị của bất kỳ hệ số tương quan nào phải nằm trong khoảng từ -1 đến +1

Bạn có thể sử dụng công cụ phân tích tương quan để kiểm tra từng cặp biến đo lường nhằm xác định xem hai biến đo lường có xu hướng di chuyển cùng nhau hay không — nghĩa là liệu các giá trị lớn của một biến có xu hướng liên kết với các giá trị lớn của biến kia [tương quan thuận] hay không

hiệp phương sai

Cả hai công cụ Tương quan và Hiệp phương sai đều có thể được sử dụng trong cùng một cài đặt, khi bạn có N biến đo lường khác nhau được quan sát trên một tập hợp các cá nhân. Mỗi công cụ Tương quan và Hiệp phương sai cung cấp một bảng đầu ra, một ma trận, tương ứng hiển thị hệ số tương quan hoặc hiệp phương sai giữa mỗi cặp biến đo lường. Sự khác biệt là các hệ số tương quan được chia tỷ lệ nằm trong khoảng từ -1 đến +1. Hiệp phương sai tương ứng không được chia tỷ lệ. Cả hệ số tương quan và hiệp phương sai đều là thước đo mức độ mà hai biến "thay đổi cùng nhau". "

Công cụ Hiệp phương sai tính toán giá trị của hàm trang tính COVARIANCE. P cho từng cặp biến đo lường. [Sử dụng trực tiếp COVARIANCE. P thay vì công cụ Hiệp phương sai là một sự thay thế hợp lý khi chỉ có hai biến đo lường, nghĩa là N=2. ] Mục nhập trên đường chéo của bảng kết quả công cụ Hiệp phương sai ở hàng i, cột i là hiệp phương sai của biến đo lường thứ i với chính nó. Đây chỉ là phương sai tổng thể cho biến đó, được tính toán bởi hàm trang tính VAR. P

Bạn có thể sử dụng công cụ Hiệp phương sai để kiểm tra từng cặp biến đo lường nhằm xác định xem hai biến đo lường có xu hướng di chuyển cùng nhau hay không — nghĩa là liệu các giá trị lớn của một biến có xu hướng liên kết với các giá trị lớn của biến kia [hiệp phương sai dương] hay không.

Thống kê mô tả

Công cụ phân tích Thống kê mô tả tạo báo cáo thống kê đơn biến cho dữ liệu trong phạm vi đầu vào, cung cấp thông tin về xu hướng trung tâm và tính biến thiên của dữ liệu của bạn

Làm mịn theo cấp số nhân

Công cụ phân tích Làm mịn hàm mũ dự đoán một giá trị dựa trên dự báo cho giai đoạn trước, được điều chỉnh cho lỗi trong dự báo trước đó. Công cụ này sử dụng hằng số làm mịn a, độ lớn của hằng số này xác định mức độ mạnh mẽ của các dự báo phản ứng với các lỗi trong dự báo trước đó

Ghi chú. Giá trị của 0. 2 đến 0. 3 là hằng số làm mịn hợp lý. Các giá trị này chỉ ra rằng dự báo hiện tại nên được điều chỉnh từ 20% đến 30% do lỗi trong dự báo trước đó. Các hằng số lớn hơn mang lại phản hồi nhanh hơn nhưng có thể tạo ra các phép chiếu thất thường. Các hằng số nhỏ hơn có thể dẫn đến độ trễ dài cho các giá trị dự báo

F-Test Hai mẫu cho Phương sai

Công cụ phân tích F-Test Two-Sample for Variances thực hiện phép thử F hai mẫu để so sánh hai phương sai tổng thể

Ví dụ: bạn có thể sử dụng công cụ F-Test trên các mẫu thời gian trong một cuộc gặp gỡ bơi lội của mỗi đội trong số hai đội. Công cụ này cung cấp kết quả kiểm tra giả thuyết khống rằng hai mẫu này đến từ các phân phối có phương sai bằng nhau, so với phương án thay thế là các phương sai không bằng nhau trong các phân phối cơ bản

The tool calculates the value f of an F-statistic [or F-ratio]. A value of f close to 1 provides evidence that the underlying population variances are equal. In the output table, if f < 1 "P[F