Hướng dẫn sử dụng data analysis trong excel 2010

Nếu bạn muốn thực hiện các phân tích thống kê và kỹ thuật phức tạp, bạn có thể rút ngắn các bước và tiết kiệm thời gian bằng cách sử dụng ToolPak Phân tích. Bạn sẽ cung cấp dữ liệu và tham số cho từng phân tích; rồi công cụ sẽ dùng các hàm macro thống kê và kỹ thuật thích hợp rồi hiển thị kết quả trong bảng kết quả. Một số công cụ còn tạo biểu đồ ngoài bảng kết quả.

Chỉ có thể dùng các hàm phân tích dữ liệu trên từng trang tính một. Khi bạn thực hiện phân tích dữ liệu trên các trang tính đã nhóm, kết quả sẽ xuất hiện trên trang tính đầu tiên và bảng đã được định dạng trống sẽ xuất hiện trên các trang tính còn lại. Để thực hiện phân tích dữ liệu trên phần còn lại của trang tính, hãy tính lại công cụ phân tích cho từng trang tính.

ToolPak Phân tích bao gồm các công cụ được mô tả trong các phần sau. Để truy nhập các công cụ này, bấm Phân tích Dữ liệu trong nhóm Phân tích trên tab Dữ liệu. Nếu lệnh Phân tích Dữ liệu không khả dụng, bạn cần tải chương trình bổ trợ ToolPak Phân tích xuống.

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 mục Công cụ > Excel bổ trợ.

3. Trong hộp Bổ trợ, hãy chọn hộp kiểm tra 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.

Lưu ý: Để bao gồm các hàm Visual Basic for Application [VBA] cho ToolPak Phân tích, bạn có thẻ tải Bổ trợ Phân tích ToolPak - VBA giống như cách bạn tải ToolPak Phân tích về. Trong hộp Bổ trợ sẵn dùng, chọn hộp kiểm tra ToolPak Phân tích- VBA.

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].

Hàm trang tính CORREL và PEARSON đều tính toán hệ số tương quan giữa hai biến số đo lường khi các số đo trên mỗi biến số được quan sát cho mỗi đối tượng N. [Bất kỳ quan sát thiếu nào đối với bất kỳ đối tượng nào làm 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 kết quả, một 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, chẳng hạn như hiệp phương hiệp, là một thước đo của phạm vi đến mức mà hai biến số đo lường "cùng biến đổi." Không giống như hiệp phương hiệp, hệ số tương quan được đo lường 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 pao sang kilogram.] Giá trị của mọi hệ số tương quan phải 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 hiệp tính giá trị của hàm trang tính COVARIANCE. P cho mỗi cặp biến số đo lường. [Sử dụng HIỆP PHƯƠNG HIỆP TRỰC TIẾP. P chứ không phải là công cụ Hiệp phương hiệp là phương 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 biến trong hàng i, cột i là hiệp phương hiệp của biến số đo thứ i với chính nó. Đây chỉ là phương sai tổng thể cho biến số đó, như được tính toán bởi 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.

Lưu ý: Giá trị của 0,2 đến 0,3 là các hằng số làm trơn hợp lý. Các giá trị này cho biết dự báo hiện tại nên được điều chỉnh 20 phần trăm đến 30 phần trăm cho lỗi trong dự báo trước. Hằng số lớn hơn cho phản hồi nhanh hơn nhưng có thể tạo ra các phép chiếu không ổn định. Hằng số nhỏ hơn có thể khiến giá trị dự báo bị chậm trễ lâu.

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