วิธีใช้ Data Analysis Toolpak ใน Excel (13 คุณลักษณะที่ยอดเยี่ยม)

Data Analysis toolpak เป็นหนึ่งในฟีเจอร์ที่ดีที่สุดของ Excel เมื่อเราต้องทำการวิเคราะห์ทางสถิติขั้นสูง หากคุณกำลังมองหาเทคนิคพิเศษบางอย่างสำหรับการใช้เครื่องมือวิเคราะห์ข้อมูลใน Excel คุณมาถูกที่แล้ว มีหลายวิธีในการใช้เครื่องมือวิเคราะห์ข้อมูลใน Excel บทความนี้จะกล่าวถึงสิบสามตัวอย่างที่เหมาะสมของการใช้ชุดเครื่องมือวิเคราะห์ข้อมูล Excel มาทำตามคำแนะนำฉบับสมบูรณ์เพื่อเรียนรู้ทั้งหมดนี้

ขั้นตอนในการเปิดใช้งาน Data Analysis Toolpak ใน Excel

ก่อนวิเคราะห์คุณลักษณะทั้งหมดของชุดเครื่องมือวิเคราะห์ข้อมูลของ Excel เราต้องแสดงวิธีการติดตั้งชุดเครื่องมือนี้ เราจะสาธิตวิธีเปิดใช้งาน Data Analysis Toolpak ใน Excel ในการดำเนินการนี้ คุณต้องทำตามขั้นตอนต่อไปนี้

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ตัวเลือก จาก ไฟล์ .

• จากนั้นไปที่ ส่วนเสริม .
• ที่นี่ เลือก โปรแกรมเสริมของ Excel ใน จัดการ เมนูแบบเลื่อนลง
• และคลิกที่ ไป .

• จากนั้น หน้าต่างใหม่จะปรากฏขึ้น
• ที่นี่ ทำเครื่องหมาย ตัวเลือก Analysis ToolPak และคลิกที่ ตกลง . นี่คือวิธีที่คุณจะสามารถเปิดใช้งานชุดเครื่องมือวิเคราะห์ข้อมูลของ Excel

• ตอนนี้ ไปที่ วิเคราะห์ เมนูใน ข้อมูล แท็บ ที่นี่คุณจะพบ การวิเคราะห์ข้อมูล ตัวเลือก

13 คุณสมบัติที่ยอดเยี่ยมของ Data Analysis Toolpak ที่คุณสามารถใช้ได้ใน Excel

เราจะใช้สิบสามวิธีที่มีประสิทธิภาพและยุ่งยากในการใช้ชุดเครื่องมือวิเคราะห์ข้อมูลใน Excel ที่นี่ เราจะสาธิตคุณลักษณะสิบสามประการของชุดเครื่องมือวิเคราะห์ข้อมูล Excel ส่วนนี้ให้รายละเอียดมากมายเกี่ยวกับสิบสามวิธี คุณสามารถใช้อันใดอันหนึ่งเพื่อจุดประสงค์ของคุณ พวกมันมีความยืดหยุ่นมากมายในการปรับแต่ง คุณควรเรียนรู้และประยุกต์ใช้สิ่งเหล่านี้ เนื่องจากจะช่วยปรับปรุงความสามารถในการคิดและความรู้ของ Excel เราใช้ Microsoft Office 365 เวอร์ชันที่นี่ แต่คุณสามารถใช้เวอร์ชันอื่นได้ตามต้องการ

1. การวิเคราะห์อโนวา

Anova ให้โอกาสแรกในการพิจารณาว่าปัจจัยใดบ้างที่มีผลกระทบอย่างมีนัยสำคัญต่อชุดข้อมูลที่กำหนด หลังจากการวิเคราะห์เสร็จสิ้น นักวิเคราะห์จะทำการวิเคราะห์เพิ่มเติมเกี่ยวกับ ปัจจัยวิธีการ ที่ส่งผลกระทบอย่างมากต่อลักษณะที่ไม่สอดคล้องกันของชุดข้อมูล และเขาใช้ผลการวิเคราะห์ของ Anova ใน f-test เพื่อสร้างข้อมูลเพิ่มเติมที่เกี่ยวข้องกับการวิเคราะห์การถดถอยโดยประมาณ . การวิเคราะห์ ANOVA จะเปรียบเทียบชุดข้อมูลหลายชุดพร้อมกันเพื่อดูว่ามีการเชื่อมโยงระหว่างชุดข้อมูลหรือไม่ ANOVA เป็นวิธีทางสถิติที่ใช้ในการวิเคราะห์ความแปรปรวนที่สังเกตได้ภายในชุดข้อมูลโดยแบ่งออกเป็นสองส่วน:1) ปัจจัยเชิงระบบและ 2) ปัจจัยสุ่ม

สูตรของอโนวา:

F=MSE / MST

ที่นี่:

ฟ =สัมประสิทธิ์ Anova

MST =ผลรวมของสี่เหลี่ยมจัตุรัสที่เกิดจากการรักษา

MSE =ผลรวมของกำลังสองเฉลี่ยเนื่องจากข้อผิดพลาด

Anova มีสองประเภท:ปัจจัยเดียวและสองปัจจัย วิธีการนี้เกี่ยวข้องกับการวิเคราะห์ความแปรปรวน

• ในสองปัจจัย มีตัวแปรตามหลายตัว และในปัจจัยเดียว จะมีตัวแปรตามหนึ่งตัว
• ปัจจัยเดียว Anova คำนวณผลกระทบของปัจจัยเดียวต่อตัวแปรเดียว และตรวจสอบว่าชุดข้อมูลตัวอย่างทั้งหมดเหมือนกันหรือไม่
• ปัจจัยเดียว Anova ระบุความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยของตัวแปรจำนวนมาก

1.1 การวิเคราะห์ Anova ปัจจัยเดียว

ในที่นี้ เราจะสาธิตวิธีวิเคราะห์ Anova ปัจจัยเดียว อันดับแรก ให้เราแนะนำคุณเกี่ยวกับชุดข้อมูล Excel ของเรา เพื่อให้คุณสามารถเข้าใจสิ่งที่เราพยายามทำให้สำเร็จด้วยบทความนี้ เรามีชุดข้อมูลแสดงกลุ่มของปัจจัย มาดูขั้นตอนเพื่อทำการวิเคราะห์ Anova ปัจจัยเดียวกัน

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างปรากฏขึ้น เลือก Anova:ปัจจัยเดียว  ตัวเลือก
• จากนั้น คลิกที่ ตกลง .

• ตอนนี้ Anova:ปัจจัยเดียว หน้าต่างจะเปิดขึ้น
• ระบุข้อมูลในช่วงอินพุต ที่คุณต้องการกำหนดการวิเคราะห์ Anova โดยการลากผ่านคอลัมน์หรือแถว
• ตรวจสอบ กล่องชื่อ ป้ายกำกับในแถวแรก .
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่ได้โดยเลือก แผ่นงานใหม่ และคุณยังดูผลลัพธ์ในสมุดงานใหม่ได้โดยเลือกสมุดงานใหม่ .
• ถัดไป คุณต้องตรวจสอบป้ายกำกับในแถวแรก หากคุณเลือกช่วงข้อมูลที่ป้อนด้วยป้ายกำกับ
• จากนั้น คลิกที่ ตกลง .

• ด้วยเหตุนี้ ผลลัพธ์ของ Anova จะเป็นดังที่แสดงด้านล่าง

การตีความผลลัพธ์:

• ในตารางสรุป คุณจะพบค่าเฉลี่ยและความแปรปรวนของแต่ละกลุ่ม ที่นี่คุณสามารถดู ค่าเฉลี่ย ระดับคือ 60.4 สำหรับ กลุ่ม a แต่ ความแปรปรวน คือ 315.15 ซึ่งต่ำกว่ากลุ่มอื่นมาก หมายความว่าสมาชิกในกลุ่มมีค่าน้อยกว่า
• ในที่นี้ ผลลัพธ์ของ Anova ไม่ได้สำคัญขนาดนั้น เนื่องจากคุณกำลังคำนวณเฉพาะความแปรปรวนเท่านั้น
• ในที่นี้ ค่า P จะตีความความสัมพันธ์ระหว่างคอลัมน์และค่าต่างๆ ที่มากกว่า 0.05 ดังนั้นจึงไม่มีนัยสำคัญทางสถิติ และไม่ควรมีความสัมพันธ์ระหว่างคอลัมน์ด้วย

1.2 Anova:สองปัจจัยพร้อมการจำลองแบบ

ในที่นี้ เราจะสาธิตสองปัจจัยด้วยการวิเคราะห์ Anova การจำลอง สมมติว่าคุณมีข้อมูลบางอย่างเกี่ยวกับคะแนนสอบต่างๆ ของโรงเรียน มีสองกะในโรงเรียนนั้น อันหนึ่งสำหรับกะเช้า อีกอันสำหรับกะกลางวัน คุณต้องการวิเคราะห์ข้อมูลของข้อมูลที่พร้อมเพื่อค้นหาความสัมพันธ์ระหว่างคะแนนของนักเรียนสองกะ มาดูขั้นตอนในการทำ Anova แบบสองปัจจัยพร้อมการวิเคราะห์การจำลอง

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างปรากฏขึ้น เลือก Anova:Two-Factor With Replication ตัวเลือก
• จากนั้น คลิกที่ ตกลง .

• ตอนนี้ หน้าต่างใหม่ จะปรากฏขึ้น
• ระบุข้อมูลใน ช่วงอินพุต ที่คุณต้องการกำหนดการวิเคราะห์ Anova โดยการลากผ่านคอลัมน์หรือแถว
• ถัดไป ป้อน 4 ใน แถวต่อตัวอย่าง กล่องตามที่คุณมี 4 แถวต่อกะ
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่ได้โดยเลือก แผ่นงานใหม่ และคุณยังดูผลลัพธ์ในสมุดงานใหม่ได้โดยเลือกสมุดงานใหม่ .
• จากนั้น คลิกที่ ตกลง .

• ด้วยเหตุนี้ คุณจะเห็นเวิร์กชีตใหม่ถูกสร้างขึ้น
• และ สองทาง อโนวา ผลลัพธ์จะปรากฏในแผ่นงานนี้

การตีความผลลัพธ์:

ที่นี่ ตารางแรก มีการแสดงสรุปกะ โดยสังเขป:

• คะแนนเฉลี่ยใน เช้า การเปลี่ยนแปลงคะแนนคณิตศาสตร์ 65.5 แต่ใน วัน กะคือ 83.75
• แต่ตอนสอบวิชาเคมี คะแนนเฉลี่ยในเช้า กะคือ 87.25 แต่ใน วัน กะคือ 77.25 .
• ความแปรปรวนสูงมากที่ 91 ใน เช้า เลื่อนสอบคณิต
• คุณจะได้รับภาพรวมที่สมบูรณ์ของข้อมูลในสรุป

ในทำนองเดียวกัน คุณสามารถสรุปการโต้ตอบและเอฟเฟกต์แต่ละรายการได้ในส่วน Anova โดยสังเขป:

• ค่าค่า P ของ คอลัมน์ คือ 0 .037 ซึ่งมีนัยสำคัญทางสถิติ คุณจึงสามารถพูดได้ว่ามีผลกระทบต่อผลการปฏิบัติงานของนักเรียนในการสอบ แต่ค่านั้นใกล้เคียงกับ ค่าอัลฟาเท่ากับ 0.05 ดังนั้นผลจึงมีนัยสำคัญน้อยกว่า .
• แต่ค่า P ของการโต้ตอบ คือ 0.000967 ซึ่งน้อยกว่าค่าอัลฟามาก ดังนั้นจึง มีนัยสำคัญทางสถิติ . มาก และคุณสามารถพูดได้ว่าผลกระทบของการเปลี่ยนแปลงในการสอบทั้งสองนั้นสูงมาก

1.3 Anova:สองปัจจัยที่ไม่มีการทำซ้ำ

ตอนนี้ เรากำลังจะทำการวิเคราะห์ความแปรปรวนโดยทำตามวิธีการของสองปัจจัยโดยไม่มีการวิเคราะห์ Anova สมมติว่าคุณมีข้อมูลบางอย่างเกี่ยวกับคะแนนสอบต่างๆ ของโรงเรียน มีสองกะในโรงเรียนนั้น อันหนึ่งสำหรับกะเช้า อีกอันสำหรับกะกลางวัน คุณต้องการวิเคราะห์ข้อมูลของข้อมูลที่พร้อมเพื่อค้นหาความสัมพันธ์ระหว่างคะแนนของนักเรียนสองกะ มาดูขั้นตอนในการทำสองปัจจัย ANOVA โดยไม่ต้องวิเคราะห์การจำลอง

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างจะปรากฏขึ้น เลือก “Anova:Two-Factor Without Replication ” ตัวเลือก
• จากนั้น คลิกที่ ตกลง .

• ตอนนี้ หน้าต่างใหม่ จะปรากฏขึ้น
• ระบุข้อมูลใน ช่วงอินพุต ที่คุณต้องการกำหนดการวิเคราะห์ Anova โดยการลากผ่านคอลัมน์หรือแถว
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่ได้โดยเลือก แผ่นงานใหม่ และคุณยังดูผลลัพธ์ในสมุดงานใหม่ได้โดยเลือกสมุดงานใหม่ .
• ต่อไป คุณต้องตรวจสอบป้ายกำกับ ถ้าใส่ข้อมูลช่วงที่มีป้ายกำกับ
• จากนั้น คลิกที่ ตกลง .

• ด้วยเหตุนี้ คุณจะเห็นเวิร์กชีตใหม่ถูกสร้างขึ้น
• ด้วยเหตุนี้ คุณจะได้ผลลัพธ์ Anova แบบสองทางดังที่แสดงด้านล่าง

การตีความผลลัพธ์:

• คะแนนเฉลี่ยใน เช้า เลื่อนคะแนนคณิตศาสตร์ 65 .5 แต่ใน วัน กะคือ 83.75
• แต่ตอนสอบวิชาเคมี คะแนนเฉลี่ยในเช้า กะคือ 87 แต่ใน วัน กะคือ 77.25
• ค่าค่า P ของ คอลัมน์ คือ 0.24 ซึ่งมีนัยสำคัญทางสถิติ คุณจึงสามารถพูดได้ว่ามีผลกระทบต่อผลการปฏิบัติงานของนักเรียนในการสอบ แต่ค่านั้นใกล้เคียงกับ ค่าอัลฟาเท่ากับ 0.05 ดังนั้นผลจึงมีนัยสำคัญน้อยกว่า .

อ่านเพิ่มเติม: วิธีเพิ่มการวิเคราะห์ข้อมูลใน Excel (ด้วย 2 ขั้นตอนง่ายๆ)

2. การวิเคราะห์สหสัมพันธ์

ตอนนี้ เรากำลังจะทำการวิเคราะห์ข้อมูลสหสัมพันธ์ซึ่งเป็นคุณลักษณะที่ยอดเยี่ยมของชุดเครื่องมือวิเคราะห์ข้อมูลของ Excel ในสถิติ ค่าสัมประสิทธิ์สหสัมพันธ์หรือสหสัมพันธ์เป็นพารามิเตอร์ที่แสดงความสอดคล้องกันระหว่างตัวแปรสองตัวเพื่อตอบสนองต่อปริมาณความผันผวนอย่างต่อเนื่องของอีกตัวแปรหนึ่ง ค่าของมันอยู่ในช่วงตั้งแต่ -1 เพื่อ +1 . ดังนั้นจึงมีสามสถานะของการกำหนดความสัมพันธ์ตัวแปร คือ:

• -1 บ่งชี้ถึงความสัมพันธ์เชิงลบซึ่งหมายความว่าตัวแปรเปลี่ยนแปลงไปในทิศทางตรงกันข้าม
• +1 บ่งชี้ถึงความสัมพันธ์เชิงบวก ซึ่งหมายความว่าตัวแปรเปลี่ยนแปลงไปในทิศทางเดียวกัน
• 0 หมายถึงไม่มีความสัมพันธ์ซึ่งหมายความว่าไม่มีการเคลื่อนไหวที่ชัดเจนในทิศทางใดๆ ของตัวแปรเมื่อเปลี่ยนค่าของตัวแปรอื่นๆ

ที่นี่ เรามีชุดข้อมูลที่มีราคาหุ้นสองรายการในช่วงเวลาที่ต่างกัน มาดูขั้นตอนในการวิเคราะห์ข้อมูลสหสัมพันธ์กัน

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างปรากฏขึ้น เลือก สหสัมพันธ์  ตัวเลือก
• ถัดไป คลิกตกลง .

• ตอนนี้ หน้าต่างใหม่ จะปรากฏขึ้น
• ระบุข้อมูลใน ช่วงอินพุต ที่คุณต้องการคำนวณความสัมพันธ์โดยการลากผ่านคอลัมน์หรือแถว
• ตอนนี้ คุณต้องตรวจสอบ คอลัมน์ ตัวเลือกใน จัดกลุ่มตาม  ตัวเลือก
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่ได้โดยเลือก แผ่นงานใหม่ และคุณยังดูผลลัพธ์ในสมุดงานใหม่ได้โดยเลือกสมุดงานใหม่ .
• ถัดไป คุณต้องตรวจสอบป้ายกำกับในแถวแรก ถ้าใส่ข้อมูลช่วงที่มีป้ายกำกับ
• จากนั้น คลิกที่ตกลง .

• ด้วยเหตุนี้ คุณจะได้ผลลัพธ์ความสัมพันธ์ดังต่อไปนี้

จากการคำนวณข้างต้น เราจะเห็นความสัมพันธ์เชิงบวกซึ่งหมายความว่าตัวแปรจะเปลี่ยนไปในทิศทางเดียวกัน

อ่านเพิ่มเติม: วิธีวิเคราะห์ข้อมูลอนุกรมเวลาใน Excel (ด้วยขั้นตอนง่ายๆ)

3. การวิเคราะห์ความแปรปรวนร่วม

ตอนนี้ เรากำลังจะทำการวิเคราะห์ข้อมูลความแปรปรวนร่วมซึ่งเป็นคุณลักษณะที่ยอดเยี่ยมของชุดเครื่องมือวิเคราะห์ข้อมูลของ Excel ความแปรปรวนร่วมของตัวแปรสองตัวเป็นตัววัดว่าตัวแปรหนึ่งมีอิทธิพลต่อตัวแปรอื่นอย่างไร เห็นได้ชัดว่าเป็นการประเมินค่าความเบี่ยงเบนระหว่างสองตัวแปรที่จำเป็น นอกจากนี้ ตัวแปรต่างๆ ไม่จำเป็นต้องพึ่งพิงกัน มาดูขั้นตอนในการวิเคราะห์ข้อมูลความแปรปรวนกัน

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างปรากฏขึ้น เลือก ความแปรปรวนร่วม  ตัวเลือก
• จากนั้น กด Enter .
• จากนั้น คลิกที่ตกลง .

• ตอนนี้ หน้าต่างใหม่ จะปรากฏขึ้น
• ระบุข้อมูลใน ช่วงอินพุต ที่คุณต้องการคำนวณความแปรปรวนร่วมโดยลากผ่านคอลัมน์หรือแถว
• ตอนนี้ คุณต้องตรวจสอบ คอลัมน์ ตัวเลือกใน จัดกลุ่มตาม  ส่วน.
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่ได้โดยเลือก แผ่นงานใหม่ และคุณยังดูผลลัพธ์ในสมุดงานใหม่ได้โดยเลือกสมุดงานใหม่ .
• ถัดไป คุณต้องตรวจสอบป้ายกำกับในแถวแรก ถ้าใส่ข้อมูลช่วงที่มีป้ายกำกับ
• จากนั้น คลิกที่ตกลง .

• ด้วยเหตุนี้ คุณจะได้ผลลัพธ์ความแปรปรวนร่วมดังต่อไปนี้

คำอธิบายผลลัพธ์:

เมทริกซ์สหสัมพันธ์ช่วยให้เราสามารถประเมินความสัมพันธ์ระหว่างตัวแปรหลายตัวและตัวแปรเดี่ยว ส่วนไฮไลต์จากภาพต่อไปนี้แสดงถึงความแปรปรวนของแต่ละเรื่อง

• ความแปรปรวนของคณิตศาสตร์คือ 154.9375 และความแปรปรวนของฟิสิกส์คือ 76.484375 . ต่อไป ความแปรปรวนของเคมีคือ 154.9375

ส่วนไฮไลต์จากภาพต่อไปนี้จะระบุค่าความแปรปรวนระหว่างบุคคลทั้งสอง คณิตศาสตร์และฟิสิกส์ คณิตศาสตร์และเคมี และฟิสิกส์และประวัติศาสตร์มีค่าความแปรปรวนตามลำดับ 60.9375 , 3.65625, และ 8.8125. เมื่อความแปรปรวนร่วมในกรณีนี้เป็นค่าบวก แสดงว่าตัวแปรมีความสมส่วน หมายความว่าเมื่อตัวแปรหนึ่งเพิ่มขึ้น อีกตัวแปรหนึ่งมีแนวโน้มที่จะเพิ่มขึ้นควบคู่ไปกับมัน

อ่านเพิ่มเติม: [แก้ไขแล้ว:] การวิเคราะห์ข้อมูลไม่แสดงใน Excel (โซลูชันที่มีประสิทธิภาพ 2 รายการ)

4. การวิเคราะห์สถิติเชิงพรรณนา

ตอนนี้ เราจะสาธิตวิธีวิเคราะห์สถิติเชิงพรรณนา ชุดเครื่องมือวิเคราะห์ข้อมูลของ Excel ช่วยให้เราทำการวิเคราะห์สถิติเชิงพรรณนาเพื่อวิเคราะห์ชุดข้อมูลเพื่อกำหนดลักษณะเฉพาะ ที่นี่ เรามีชุดข้อมูลที่มีคะแนนฟิสิกส์สำหรับนักเรียนแต่ละคน มาดูขั้นตอนในการวิเคราะห์ข้อมูลสหสัมพันธ์กัน

📌 ขั้นตอน:

• ขั้นแรก ไปที่ ข้อมูล ในแถบริบบิ้นด้านบน
• จากนั้น เลือก การวิเคราะห์ข้อมูล  เครื่องมือ

• เมื่อ การวิเคราะห์ข้อมูล หน้าต่างปรากฏขึ้น เลือก สถิติเชิงพรรณนา  ตัวเลือก
• จากนั้น คลิกที่ตกลง .

• ตอนนี้ หน้าต่างใหม่ จะปรากฏขึ้น
• ระบุข้อมูลใน ช่วงอินพุต ที่คุณต้องการคำนวณสถิติเชิงพรรณนาโดยลากผ่านคอลัมน์หรือแถว
• ตอนนี้ คุณต้องตรวจสอบ คอลัมน์ ตัวเลือกใน จัดกลุ่มตาม ส่วน.
• ใน ช่วงเอาต์พุต ระบุช่วงข้อมูลที่คุณต้องการจัดเก็บข้อมูลจากการคำนวณของคุณโดยการลากผ่านคอลัมน์หรือแถว หรือคุณสามารถแสดงผลในแผ่นงานใหม่โดยเลือก แผ่นงานใหม่ and you can also see the output in the new workbook by selecting New Workbook .
• Then, check the Summary statistics .
• Then, click on OK .

• As a consequence, you will get the following covariance result.

• The above result gives us the characteristics of two variables, i.e. mean, median, standard deviation, and maximum and minimum value of the dataset, which are respectively 77.25, 80, 19.088, 45, and 100.

อ่านเพิ่มเติม: How to Use Analyze Data in Excel (5 Easy Methods)

5. Exponential Smoothing Analysis

Now, we are going to demonstrate how to do an exponential smoothing analysis. The Excel data analysis toolpak allows us to do exponential smoothing in order to make appropriate decisions regarding business volume. Here, we have a dataset containing a number of items sold in different weeks by a manufacturing company. Let’s walk through the steps to do an exponential smoothing data analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Exponential Smoothing option.
• Then, click on OK .

• Now, a new window จะปรากฏขึ้น
• Provide data in the Input Range box, that you want to calculate the exponential smoothing by dragging through the column or row.
• Now, you have to enter 0.9 in the Damping factor กล่อง. Here, we damping 1-alpha
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• Then, check the Chat Output .
• Then, click on OK .

• As a consequence, you will get the following exponential smoothing result and chart for 0.1 alpha.

Here, from the above result, we can say that Excel can not provide data for the first value in this method. If we use a large damping factor, we will get more smooth peaks and valleys.

6. F-Test Two-Sample for Variances Analysis

Now, we are going to do an F-test for two sample variances.  Using the variance of two variables, the F-test provides statistical analysis in Excel. Here, we have a dataset containing two items’ sales prices in different weeks by a manufacturing company. Let’s walk through the steps to do an f-test for two sample variances.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the F-Test Two-Sample for Variances  ตัวเลือก
• Then, click on OK .

• Now, a new window จะปรากฏขึ้น
• Provide data in the Input Range box, that you want to calculate the F-test by dragging through the column or row.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of an F-test for two sample variances.

Explanation of the Result:

• From the above data, we can see that the mean value of variable 2 is greater than variable 1.
• We also know that if the value F is greater than F Critical one-tail value, in this case, we can say it doesn’t follow null hypothesis. In the above data, the value of F is .8016 and the value of F Critical one-tail is 0.3145 which indicates F is much greater than F critical one-tail. In other words, the variances between two variables don’t match.

7. Moving Average Analysis

Now, we are going to do a moving average analysis which is one of the best features of Excel data analysis toolpak.. The moving average means the time period of the average is the same but it keeps moving when new data is added. Am moving average smooths out any irregularities (peaks and valleys) from data to easily recognize trends. The larger the interval period is to calculate the moving average, the more fluctuations smoothing occurs. As more data points are included in each calculated average. Here, we have a dataset containing a number of items sold in different weeks by a manufacturing company. Let’s walk through the steps to do a moving average analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Moving Average  ตัวเลือก
• Then, click on OK .

In the Moving Average pop-up box,

• Provide data in the Input Range box, that you want to calculate the moving average by dragging through the column or row.
• Write the number of intervals the Interval .
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• If you want to see the trendline of your data with a chart then check the Chart Output otherwise leave it.
• Next, you have to check the Labels in the first row if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the moving average of the data along with an Excel trendline showing both the original data and the moving average value with smoothed fluctuations.

การอ่านที่คล้ายกัน

• How to Analyze Quantitative Data in Excel (with Easy Steps)
• Analyze Large Data Sets in Excel (6 Effective Methods)
• วิธีวิเคราะห์ข้อมูลขนาด Likert ใน Excel (ด้วยขั้นตอนด่วน)
• วิเคราะห์ข้อมูลเชิงคุณภาพจากแบบสอบถามใน Excel

8. Random Number Generation

Now, we are going to generate a random number. The Excel data analysis toolpak allows us to generate random numbers with different criteria. Let’s walk through the steps to do a moving average analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Descriptive Statistics  ตัวเลือก
• Then, click on OK .

In the Random Number Generation pop-up box,

• Provide data on the Number of Variables which indicates the number of columns of random numbers that you want in your worksheet. Here, we enter 2 as we want 2 columns.
• Next, you have to provide data in the Number of Random Numbers which refers to the number of rows that you want in your worksheet. Here, enter 7 which means we want 7 rows in our worksheet.
• Then, select the uniform in the Distribution Here, Distribution means which kinds of distribution of random numbers you want.
• Here, parameters indicate the boundaries of your distribution. In this example, we 40 to 60.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Then, click on OK .

• As a consequence, you will be able to generate random numbers with some specified criteria as shown below.

9. Rank and Percentile Analysis

Now, we are going to do rank and percentile analysis. Here, we have a dataset containing students’ ID and their Math exam scores. We are going to calculate the rank and percentile of each student’s math exam score. Let’s walk through the steps to do rank and percentile analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Rank and Percentile  ตัวเลือก
• Then, click on OK .

In the Rank and Percentile pop-up box,

• Provide data in the Input Range box, that you want to calculate the moving average by dragging through the column or row.
• Now, you have to check the Columns option in the Grouped By  ส่วน.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels in the first row if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the rank and percentile for each student’s exam score as shown below.

From the above result, we can see that we are able to calculate the rank and percentile of each student’s mark. Here, the Rank 1 mark is 100 which is ID-5’s math score, and the last rank mark is 45 which is ID-6’s math score.

10. Regression Analysis

Now, we are going to do regression analysis. Regression analysis is a part of statistics that helps to predict values depending on two or more variables. Here, we have a dataset containing the player name, the number of matches played by each player, and the number of goals given by each player. Let’s walk through the steps to do regression analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Regression  ตัวเลือก
• Then, click on OK .

In the Regression pop-up box,

• Provide data in the Input Range box, and provide the data ranges in the Input X Range and Input Y Range  boxes.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• You also have to check the Residuals option to get the output value.
• Then, click on OK .

• As a consequence, you will get the following result of the regression analysis.

Explanation of the Regression Analysis Result:

Regression Statistics:

Regression statistics is an array of various parameters that describe how well the measured linear regression is.

• Multiple R is a correlation coefficient parameter that indicates the correlation between variables. Its value ranges from -1 to +1. The bigger the value, the stronger the correlative relationships are.
• R Square symbolizes the coefficient of determination. It indicates the scale by how well the data model fits the regression analysis.
• The adjusted R square is used in multiple variables in regression analysis.
• Standard Error is another parameter that shows a healthy fit of any regression analysis. The smaller the standard error the more accurate the linear regression equation. It shows the average distance of data points from the linear equation.

Anova:

It analyses the variance of the data model.

• Here, df represents the degree of freedom.
• SS( sum of squares) symbolizes the good-to-fit parameter.
• MS means the Mean Square.
• F refers to the Null Hypothesis. It tests the overall significance of the regression model
• Significance of F means the P-value of F.

Co-efficient Outcome:

It helps to determine Y values easily.

Residual Output:

So, it compares the estimated value with the calculated value.

11. t-Test Analysis

Now, we are going to do a T-Test analysis of the dataset. The T-Test is of three types:

• Paired two samples for means
• Two samples assuming equal variances
• Two- samples using unequal variances

This section provides extensive details on the three types of t-Test analysis. You can use either one for your purpose, they have a wide range of flexibility when it comes to customization.

11.1 t-Test:Paired Two Sample for Means

Now, we are going to do a t-Test:Paired Two Sample for Means. Here, we have a dataset containing the Students’ IDs and each student’s Math and Physics scores. Let’s walk through the steps to do a t-Test:Paired Two Sample for Means analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the t-Test:Paired Two Samples for Means  ตัวเลือก
• Then, click on OK .

In the t-Test:Paired Two Sample for Means pop-up box,

• Provide data in the Input box, and provide the data ranges in the Variable 1 Range and Variable 2 Range  boxes.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of the t-Test:Paired Two Sample for Means .

Explanation of the Result:

• Here, we can see that the Mean Value of the Math Score is greater than the mean value of the Physics Score.
• The variance of the Math Score is also greater than the variance of the Physics Score.
• If t Stat is greater than t Critical two-tail, in this condition we can’t eliminate null hypothesis. In the above calculation, we can see that t Stat is and t Critical two-tail value is respectively 1.603 and 2.36464 . That means 1.603<2.36464 , it doesn’t match the null hypothesis. In other words, the variances between two variables don’t match.

11.2 t-Test Two-Sample Assuming Equal Variances

Now, we are going to do a t-Test:Two-Sample Equal Variances . Here, we have a dataset containing the Students’ IDs and each student’s Math and Physics scores. Here, equal variance means that we have taken our data from regular distribution populations. Let’s walk through the steps to do a t-Test:Two-Sample Equal Variances analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the t-Test:Two-Sample Equal Variances  ตัวเลือก
• Then, click on OK .

In the t-Test:Paired Two Sample Equal Variances pop-up box,

• Provide data in the Input box, and provide the data ranges in the Variable 1 Range and Variable 2 Range  boxes.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of the t-Test:Two-Sample Equal Variances .

Explanation of the Result:

• Here, we can see that the Mean Value of the Math Score is greater than the mean value of the Physics Score.
• The variance of the Math Score is also greater than the variance of the Physics Score.
• If t Stat is greater than t Critical two-tail, in this condition we can’t eliminate the null hypothesis. In the above calculation, we can see that t Stat is and t Critical two-tail value is respectively 1.48 and 2.144 . That means 1.48<2.144 , it doesn’t match the null hypothesis. In other words, the variances between two variables don’t match.

11.3 t-Test:Two-Sample Assuming Unequal Variances

Now, we are going to do a t-Test:Two-Sample Unequal Variances. Here, we have a dataset containing the Students’ IDs and each student’s Math and Physics scores. Here, unequal variance means that we have taken our data from irregular distribution populations. Let’s walk through the steps to do a t-Test:Two-Sample Unequal Variances analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the t-Test:Two-Sample Unequal Variances  ตัวเลือก
• Then, click on OK .

In the t-Test:Paired Two Sample Unequal Variances pop-up box,

• Provide data in the Input box, and provide the data ranges in the Variable 1 Range and Variable 2 Range  boxes.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of the t-Test:Two-Sample Unequal Variances.

Explanation of the Result:

• Here, we can see that the Mean Value of the Math Score is greater than the mean value of the Physics Score.
• From the above result, we can see the variance of the Math Score is also greater than the variance of the Physics Score.
• If t Stat is greater than t Critical two-tail, in this condition we can’t eliminate null hypothesis. In the above calculation, we can see that t Stat is and t Critical two-tail value is respectively 79 and 2.131 . That means 1.79<2.131 , it doesn’t match the null hypothesis. In other words, the variances between two variables don’t match.

12. z-Test:Two Sample for Means

Now, we are going to do a z-Test:Two-Sample Means. Here, we have a dataset containing the Students’ IDs and each student’s Math and Physics scores. Here we will use the VAR.P function to calculate the variance of both variables of the following dataset. Let’s walk through the steps to do a z-Test:Two-Sample Means analysis.

📌 ขั้นตอน:

• First of all, to calculate the variance of the Math score, we will use the following formula in the cell D14:

=VAR.P(C5:C12)

• จากนั้น กด Enter .
• As a consequence, you will get the following variance of Match Score.

• Next, to calculate the variance of the Physics score, we will use the following formula in the cell D15:

=VAR.P(D5:D12)

• จากนั้น กด Enter .
• As a consequence, you will get the following variance of Physics Score.

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the z-Test:Two-Sample Means  ตัวเลือก
• Then, click on OK .

In the z-Test:Two-Sample Means pop-up box,

• Provide data in the Input box, and provide the data ranges in the Variable 1 Range and Variable 2 Range  boxes.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• You have to enter the value variance of Math and Physics Score respectively in the Variable 1 Variance (known) and Variable 2 Variance (known)
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of the z-Test:Two-Sample Means  ตัวเลือก

Explanation of the Result:

• Here, we can see that the Mean Value of the Math Score is greater than the mean value of the Physics Score.
• From the above result, we can see the variance of the Math Score is also greater than the variance of the Physics Score.
• If Z is less than Z critical two-tall, in this condition we can’t eliminate null hypothesis. In the above calculation, we can see that z and z Critical two-tail value is respectively 52 and 1.95 . That means 1.52 <1.95 , which matches the null hypothesis. In other words, the variances between two variables match.

อ่านเพิ่มเติม: How to Perform Case Study Using Excel Data Analysis

13. Sampling Analysis

Now, we are going to do a sampling analysis which is one of the best features of the Excel data analysis toolpak. Here, we have a dataset containing two items individual sales and total sales value for different time periods. Let’s walk through the steps to do sampling analysis.

📌 ขั้นตอน:

• First, go to the Data ในแถบริบบิ้นด้านบน
• Then, select the Data Analysis  tool.

• When the Data Analysis window appears, select the Sampling  ตัวเลือก
• Then, click on OK .

In the Sampling pop-up box,

• Provide data in the Input Range box, that you want to calculate the moving average by dragging through the column or row.
• In the Output Range box, provide the data range that you want your calculated data to store by dragging through the column or row. Or you can show the output in the new worksheet by selecting New Worksheet Ply and you can also see the output in the new workbook by selecting New Workbook .
• You have to enter data in the Number of Samples  ตัวเลือก
• Next, you have to check the Labels if the input data range with the label.
• Then, click on OK .

• As a consequence, you will get the following result of the Sampling  analysis. In the following picture, we are able to pick up six samples from the Total Sales คอลัมน์. If you want to pick up more sample data from this column, you have to enter more numbers in the Number of Samples box when the Sampling หน้าต่างจะปรากฏขึ้น

อ่านเพิ่มเติม: How to Analyze Sales Data in Excel (10 Easy Ways)

บทสรุป

นั่นคือจุดสิ้นสุดของเซสชั่นของวันนี้ Here, we demonstrate thirteen suitable examples to use the data analysis toolpak. I strongly believe that from now, you may be able to use data analysis toolpak in Excel. หากคุณมีคำถามหรือคำแนะนำใด ๆ โปรดแบ่งปันในส่วนความคิดเห็นด้านล่าง

อย่าลืมตรวจสอบเว็บไซต์ของเรา Exceldemy.com สำหรับปัญหาและแนวทางแก้ไขต่างๆ ที่เกี่ยวข้องกับ Excel เรียนรู้วิธีใหม่ๆ และเติบโตต่อไป!

บทความที่เกี่ยวข้อง

• How to Analyze Data in Excel Using Pivot Tables (9 Suitable Examples)
• Analyze Time-Scaled Data in Excel (With Easy Steps)
• How to Analyze Qualitative Data in Excel (with Easy Steps)
• Analyze qPCR Data in Excel (2 Easy Methods)
• How to Analyze Text Data in Excel (5 Suitable Ways)