Dùng ToolPak Phân tích để thực hiện phân tích dữ liệu phức tạp

1. Bấm tab Tệp, chọn Tùy chọn rồi bấm thể loại Bổ trợ.

2. Trong hộp Quản lý, chọn Bổ trợ Excel, rồi bấm Đi tới.

   Nếu bạn đang sử dụng Excel for Mac, trong menu tệp, đi đến công cụ > bổ trợ Excel.

3. Trong hộp Bổ trợ, hãy chọn hộp kiểm ToolPak Phân tích, rồi bấm OK.

   • Nếu ToolPak Phân tích không được liệt kê trong hộp Bổ trợ Sẵn dùng, bấm Duyệt để định vị nó.

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

Công cụ phân tích Anova cung cấp các dạng phân tích phương sai khác nhau. Công cụ mà bạn nên dùng phụ thuộc vào số lượng nhân tố và số lượng mẫu mà bạn có từ các tổng thể mà bạn muốn kiểm định.

Anova: Nhân 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 kiểm định cho giả thiết rằng mỗi mẫu được lấy từ cùng phân bố xác suất cơ bản so với giả thiết loại trừ rằng các phân bố xác suất cơ bản là không giống nhau đối với tất cả các mẫu. Nếu chỉ có hai mẫu, bạn có thể dùng hàm trang tính T.TEST. Với nhiều hơn hai mẫu, không có sự suy rộng T.TEST thích hợp và thay vào đó kiểu Anova Nhân tố Đơn có thể được gọi.

Anova: Nhân tố Kép có Lặp

Công cụ phân tích này hữu ích khi dữ liệu có thể được phân loại theo hai kích thước khác nhau. Ví dụ, trong một thí nghiệm để đo chiều cao của cây, các cây đó có thể được bón bằng các nhãn hiệu phân bón khác nhau (chẳng hạn A, B, C) và cũng có thể được giữ ở các nhiệt độ khác nhau (chẳng hạn thấp, cao). Với mỗi sáu cặp khả thi {phân bón, nhiệt độ}, chúng ta có số lần quan sát chiều cao của cây bằng nhau. Dùng công cụ Anova này, chúng ta có thể kiểm định:

• Liệu chiều cao của cây đối với các nhãn hiệu phân bón khác nhau có được lấy từ cùng tổng thể cơ bản hay không. Nhiệt độ được bỏ qua trong phân tích này.

• Liệu chiều cao của cây đối với các mức nhiệt độ khác nhau có được lấy từ cùng tổng thể cơ bản hay không. Nhãn hiệu phân bón được bỏ qua trong phân tích này.

Liệu đã tính đến tác động của những khác biệt giữa các nhãn hiệu phân bón được tìm thấy trong điểm gạch đầu dòng đầu tiên và những khác biệt về nhiệt độ được tìm thấy trong điểm gạch đầu dòng thứ hai, sáu mẫu đại diện cho tất cả các cặp giá trị {phân bón, nhiệt độ} được lấy từ cùng tổng thể hay chưa. Giả thiết loại trừ là có những tác động do các cặp {phân bón, nhiệt độ} cụ thể bên cạnh những khác biệt dựa vào riêng phân bón hoặc riêng nhiệt độ.

Anova: Nhân tố Kép Không Lặp

Công cụ phân tích này hữu ích khi dữ liệu được phân loại theo hai kích thước khác nhau như trong trường hợp Nhân tố Kép có Lặp. Tuy nhiên, đối với công cụ này, điều được giả định là chỉ có duy nhất một lần quan sát cho mỗi cặp (chẳng hạn, mỗi cặp {phân bón, nhiệt độ} trong ví dụ trên).

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

Hệ số tương quan, giống như hiệp phương sai, là một thước đo của phạm vi mà hai biến số đo lường "thay đổi cùng nhau." Không giống như hiệp phương sai, hệ số tương quan được xác định tỷ lệ để giá trị của nó độc lập với các đơn vị mà trong đó hai biến số đo lường được thể hiện. (Ví dụ, nếu hai biến số đo lường là trọng lượng và chiều cao, giá trị của hệ số tương quan không thay đổi nếu trọng lượng được chuyển đổi từ pound sang kilograms.) Giá trị của bất kỳ hệ số tương quan nào phải nằm trong khoảng từ -1 đến +1 bao gồm cả -1.

Bạn có thể dùng công cụ phân tích tương quan để kiểm tra mỗi cặp biến số đo lường để xác định liệu hai biến số đo lường có xu hướng cùng di chuyển hay không — đó là, các giá trị lớn của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (tương quan dương), các giá trị nhỏ của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (tương quan âm), hay các giá trị của cả hai biến số có xu hướng độc lập (tương quan gần 0 (không)).

Công cụ Tương quan và Hiệp phương sai đều có thể được dùng trong cùng thiết đặt, khi bạn có N biến số đo lường khác nhau được quan sát trên một bộ cá thể. Công cụ Tương quan và Hiệp phương sai cung cấp bảng kết quả, một ma trận, thể hiện hệ số tương quan hoặc hiệp phương sai tương ứng giữa mỗi cặp biến số đo lường. Sự khác nhau là hệ số tương quan được đo nằm trong khoảng từ -1 đến +1 bao gồm cả hai số này. Hiệp phương sai tương ứng không được đo. Cả hệ số tương quan và hiệp phương sai đều là các đơn vị đo lường của phạm vi đến mức mà hai biến số đo lường "cùng biến đổi."

Công cụ Hiệp phương sai tính giá trị của hàm trang tính COVARIANCE. P cho mỗi cặp biến số đo lường. (Sử dụng trực tiếp HIỆP PHƯƠNG SAI. P thay vì công cụ Hiệp phương sai là một giải pháp thay thế hợp lý khi chỉ có hai biến số đo lường, nghĩa là N=2.) Mục nhập trên đường chéo của bảng kết quả của công cụ Hiệp phương sai trong hàng i, cột i là hiệp phương sai của biến số đo thứ i. Đây chỉ là phương sai tổng thể của biến số đó, theo tính toán của hàm trang tính VAR.P.

Bạn có thể dùng công cụ Hiệp phương sai để kiểm tra mỗi cặp biến số đo lường để xác định liệu hai biến số đo lường có xu hướng cùng di chuyển hay không — đó là, các giá trị lớn của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (hiệp phương sai dương), các giá trị nhỏ của một biến số có xu hướng liên kết với các giá trị lớn của biến số khác hay không (hiệp phương sai âm), hay các giá trị của cả hai biến số có xu hướng độc lập (tương quan gần 0 (không)).

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

Công cụ phân tích Làm trơn Hàm mũ dự đoán một giá trị phụ thuộc vào dự đoán cho kỳ trước, được điều chỉnh cho lỗi trong dự báo trướć. Công cụ dùng hằng số làm trơn a, độ lớn của nó xác định dự báo phản hồi đến các lỗi trong dự báo trước mạnh mẽ như thế nào.

Công cụ phân tích Hai mẫu Kiểm định F đối với Phương sai thực hiện kiểm định F đối với hai mẫu để so sánh hai phương sai tổng thể.

Ví dụ, bạn có thể dùng công cụ Kiểm định F trên các mẫu số lần gặp đội bơi đối với một trong hai đội. Công cụ cung cấp kết quả của kiểm tra giả thiết null rằng hai mẫu này đến từ các phân bố có phương sai bằng nhau, so với giải pháp loại trừ rằng phương sai không bằng nhau trong các phân bố cơ bản.

Công cụ tính giá trị f của thống kê F (hay tỉ lệ F). Giá trị f gần tới 1 cung cấp bằng chứng rằng các phương sai tổng thể cơ bản là bằng nhau. Trong bảng kết quả, nếu f < 1 "P(F <= f) một đầu" đưa ra xác suất của việc quan sát giá trị thống kê F nhỏ hơn f khi các phương sai tổng thể bằng nhau và "F Một đầu quan trọng" đưa ra giá trị giới hạn nhỏ hơn 1 cho mức độ có nghĩa được chọn, Alpha. Nếu f > 1, "P(F <= f) một đầu" đưa ra xác suất của việc quan sát giá trị thống kê F lớn hơn f khi các phương sai tổng thể bằng nhau và "F Một đầu quan trọng" đưa ra giá trị giới hạn lớn hơn 1 cho Alpha.

Công cụ Phân tích Fourier xử lý các vấn đề trong hệ thống tuyến tính và phân tính dữ liệu định kỳ bằng cách dùng phương pháp Biến đổi Fourier Nhanh (FFT) để biến đổi dữ liệu. Công cụ này cũng hỗ trợ các biến đổi nghịch đảo, trong đó nghịch đảo của dữ liệu được biến đổi trả về dữ liệu gốc.

Công cụ phân tích Biểu đồ tần suất tính toán tần suất riêng lẻ và lũy tích cho một phạm vi dữ liệu ô và tủ dữ liệu. Công cụ này tạo dữ liệu cho số lần xuất hiện của một giá trị trong tập dữ liệu.

Ví dụ, trong một lớp học có 20 học sinh, bạn có thể xác định phân bố điểm trong mục điểm theo chữ cái. Bảng biểu đồ tần suất trình bày đường biên điểm theo chữ cái và số điểm giữa biên thấp nhất và biên hiện tại. Điểm đơn có tần suất nhiều nhất là chế độ của dữ liệu.

Công cụ phân tích Trung bình Di chuyển chiếu các giá trị trong kỳ dự báo, dựa vào giá trị trung bình của biến số qua số kỳ trước cụ thể. Trung bình di chuyển cung cấp thông tin xu thế mà một đường trung bình đơn giản của tất cả các dữ liệu lịch sử sẽ được che lại. Dùng công cụ này để dự báo doanh số, hàng tồn kho hoặc các xu hướng khác. Mỗi giá trị dự báo dựa vào công thức sau.

trong đó:

• N là số kỳ trước bao gồm trong trung bình di chuyển

• A j là giá trị thực tế tại thời điểm j

• F j là giá trị dự báo tại thời điểm j

Công cụ phân tích Tạo Số Ngẫu nhiên lấp đầy một phạm vi bằng các số ngẫu nhiên độc lập được lấy từ một trong một vài phân bố. Bạn có thể mô tả đặc điểm của các đối tượng trong tổng thể với phân bố xác suất. Ví dụ, bạn có thể dùng phân bố thường để mô tả đặc điểm tổng thể chiều cao của các cá thể, hoặc bạn có thể dùng phân bố Bernoulli của hai kết quả khả thi để mô tả đặc điểm tổng thể các kết quả ném đồng xu.

Công cụ phân tích Xếp hạng và Phân vị tạo ra bảng có chứa xếp hạng theo số thứ tự và phần trăm của mỗi giá trị trong tập dữ liệu. Bạn có thể phân tích vị trí liên quan của các giá trị trong tập dữ liệu. Công cụ này dùng các hàm trang tính RANK.EQ vàPERCENTRANK.INC. Nếu bạn muốn làm rõ các giá trị nối, dùng hàm RANK.EQ, xử lý các giá trị nối như có cùng thứ hạng, hoặc dùng hàm RANK.AVG trả xếp hạng trung bình cho các giá trị nối.

Công cụ phân tích Hồi quy thực hiện phân tích hồi quy tuyến tính bằng cách dùng phương pháp "bình phương tối thiểu" để khớp một đường thông qua một tập quan sát. Bạn có thể phân tích một biến số độc lập đơn bị tác động bởi các giá trị của một hoặc nhiều biến số độc lập như thế nào. Ví dụ, bạn có thể phân tích hoạt động của một vận động viên điền kinh bị ảnh hưởng bởi các yếu tố như tuổi tác, chiều cao và cân nặng như thế nào. Bạn có thể chia ra các phần trong đơn vị đo hoạt động cho mỗi trong ba yếu tố sau, dựa vào tập dữ liệu hoạt động, rồi dùng các kết quả để dự đoán hoạt động của một vận động viên mới, chưa được kiểm tra.

Công cụ Hồi quy dùng hàm trang tính LINEST.

Công cụ phân tích Lấy mẫu tạo mẫu từ tổng thể bằng cách xử lý phạm vi nhập liệu như một tổng thể. Khi tổng thể quá lớn để xử lý hay lập biểu đồ, bạn có thể dùng mẫu đại diện. Bạn cũng có thể tạo mẫu chỉ chứa các giá trị từ một phần cụ thể của một chu trình nếu bạn cho rằng dữ liệu nhập mang tính định kỳ. Ví dụ, nếu phạm vi nhập liệu chứa các số liệu doanh thu theo quý, lấy mẫu các giá trị từ cùng một quý trong phạm vi nhập liệu với tỉ lệ định kỳ của bốn địa điểm.

Công cụ phân tích Kiểm định t cho Hai Mẫu kiểm tra đẳng thức của các trung bình tổng thể làm cơ sở cho mỗi mẫu. Ba công cụ dùng các giả định khác nhau: rằng các phương sai tổng thể là bằng nhau, rằng các phương sai tổng thể là không bằng nhau và rằng hai mẫu đại diện cho các quan sát trước xử lý và sau xử lý trên cùng các đối tượng.

Đối với ba công cụ dưới đây, giá trị Thống kê t, t, được tính và thể hiện là "t Stat" trong bảng kết quả. Dựa vào dữ liệu, giá trị này, t, có thể âm hoặc dương. Theo giả định của các trung bình tổng thể cơ bản bằng nhau, nếu t < 0, "P(T <= t) một đầu" đưa ra xác xuất mà một giá trị của Thống kê t sẽ được quan sát âm hơn t. Nếu t >=0, "P(T <= t) một đầu" đưa ra xác suất mà một giá trị của Thống kê t sẽ được quan sát dương hơn t. "t Một đầu quan trọng" đưa ra giá trị ngưỡng, sao cho xác suất quan sát một giá trị của Thông kê t lớn hơn hoặc bằng "t Một đầu quan trọng" là Alpha.

"P(T <= t) hai đầu" đưa ra xác suất mà một giá trị của Thống kê t sẽ được quan sát có giá trị tuyệt đối lớn hơn t. "P Hai đầu quan trọng" đưa ra giá trị ngưỡng, sao cho xác suất của Thống kê t được quan sát có giá trị tuyệt đối lớn hơn "P Hai đầu quan trọng" là Alpha.

Kiểm định t: Trung bình Hai mẫu được Lấy theo cặp

Bạn có thể dùng kiểm định theo cặp khi có sự ghép cặp tự nhiên của các quan sát trong mẫu, ví dụ như một nhóm mẫu được kiểm định hai lần  — trước và sau thử nghiệm. Công cụ phân tích này và công thức của nó thực hiện Kiểm định t của Student cho hai mẫu được lấy theo cặp để xác định các quan sát được thực hiện trước khi xử lý và các quan sát được thực hiện sau khi xử lý có khả năng đến từ các phân bố với các trung bình tổng thể bằng nhau hay không. Dạng thức Kiểm định t này không giả định rằng phương sai của cả hai tổng thể là bằng nhau.

Kiểm định t: Giả định Hai mẫu có Phương sai Bằng nhau

Công cụ phân tích này thực hiện Kiểm định t của student cho hai mẫu. Dạng thức Kiểm định t này giả định rằng hai tập dữ liệu đến từ các phân bố có phương sai giống nhau. Nó được gọi là Kiểm định t phương sai có điều kiện không đổi. Bạn có thể dùng Kiểm định t này để xác định hai mẫu có khả năng đến từ các phân bố có trung bình tổng thể bằng nhau.

Kiểm định t: Giả định Hai mẫu có Phương sai Không bằng nhau

Công cụ phân tích này thực hiện Kiểm định t của student cho hai mẫu. Dạng thức Kiểm định t này giả định rằng hai tập dữ liệu đến từ các phân bố có phương sai khác nhau. Nó được gọi là Kiểm định t có phương sai phụ thuộc vào một biến ngẫu nhiên có điều kiện khác. Với trường hợp Phương sai Bằng nhau trước đó, bạn có thể dùng Kiểm định t này để xác định hai mẫu có khả năng đến từ các phân bố có trung bình tổng thể bằng nhau. Hãy dùng kiểm định này khi có các đối tượng riêng biệt trong hai mẫu. Hãy dùng kiểm định Theo cặp, được mô tả trong ví dụ sau, khi có một tập đơn các đối tượng và hai mẫu đại diện cho các đo lường cho mỗi đối tượng trước và sau xử lý.

Công thức sau được dùng để xác định giá trị thống kê t.

Công thức sau được dùng để tính bậc tự do, df. Vì kết quả của phép tính thường không là số nguyên, giá trị của df được làm tròn đến số nguyên gần nhất để có được giá trị giới hạn từ bảng t. Hàm trang tính T.TEST trong Excel dùng giá trị df được tính không làm tròn, vì nó có thể tính toán giá trị cho T.TEST bằng một df không phải số nguyên. Vì những cách tiếp cận khác nhau này đến việc xác định bậc tự do, các kết quả của T.TEST và công cụ t-Test này sẽ khác nhau trong trường hợp Phương sai Không bằng nhau.

Kiểm định z: Công cụ phân tích Trung bình Hai mẫu thực hiện Kiểm định z hai mẫu cho trung bình với phương sai đã biết. Công cụ này được dùng để kiểm định giả thiết null rằng không có sự khác biệt giữa hai trung bình tổng thể so với các giả thiết thay thế một bên hoặc hai bên. Nếu chưa biết phương sai, hàm trang tính Z.TEST nên được dùng thay thế.

Khi bạn dùng công cụ Kiểm định z-Test, hãy thận trọng để hiểu kết quả. "P(Z <= z) một đầu" thực sự là P(Z >= ABS(z)), xác suất của một giá trị z xa hơn 0 theo cùng hướng như giá trị z được quan sát khi không có sự khác biệt giữa các trung bình tổng thể. "P(Z <= z) hai đầu" thực sự là P(Z >= ABS(z) hoặc Z <= -ABS(z)), xác suất của giá trị z xa hơn 0 theo một trong hai hướng hơn là giá trị z được quan sát khi không có sự khác biệt giữa các trung bình tổng thể. Kết quả hai đầu chỉ là kết quả một đầu nhân đôi. Công cụ Kiểm định z cũng có thể được dùng cho trường hợp trong đó giả thiết null là có giá trị khác 0 cụ thể cho sự khác biệt giữa hai trung bình tổng thể. Ví dụ, bạn có thể dùng kiểm định này để xác định sự khác biệt giữa hiệu năng của hai mẫu xe hơi.