Thep Excel
PEARSONหาค่าสหสัมพันธ์ Pearson
หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL
Syntax & Arguments
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| array1 | Range/Array | ชุดข้อมูลที่หนึ่ง (ตัวแปรอิสระ หรือตัวแปรที่เราคาดคะเน) |
| array2 | Range/Array | ชุดข้อมูลที่สอง (ตัวแปรตาม หรือตัวแปรที่ถูกคาดคะเน) |
Additional Notes
PEARSON เป็นฟังก์ชันที่ใช้หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ซึ่งแสดงให้เห็นความแข็งแรงของความสัมพันธ์เชิงเส้นระหว่างสองชุดข้อมูล
ค่าที่ได้จะเป็นตัวเลขระหว่าง -1.0 ถึง 1.0 โดยที่:
– ค่าใกล้ 1 = ความสัมพันธ์เชิงบวกสูง (ตัวแปรหนึ่งเพิ่มขึ้น อีกตัวก็เพิ่มขึ้นด้วย)
– ค่าใกล้ -1 = ความสัมพันธ์เชิงลบสูง (ตัวแปรหนึ่งเพิ่มขึ้น อีกตัวลดลง)
– ค่าใกล้ 0 = ไม่มีความสัมพันธ์เชิงเส้น
ที่เจ๋งคือ PEARSON ใช้ได้ดีสำหรับวิเคราะห์ความสัมพันธ์ทางสถิติ เช่น ความสัมพันธ์ระหว่างอุณหภูมิกับจำนวนผู้ซื้อ หรือเงินโฆษณากับยอดขาย ตรวจสอบได้ว่าตัวแปรสองตัวเคลื่อนไหวไปในทิศทางเดียวกันหรือไม่
Examples
ตัวอย่างที่ 1: ความสัมพันธ์เชิงบวกระหว่างส่วนสูงและน้ำหนักPEARSON(A2:A11, B2:B11)
สมมติว่า A2:A11 เป็นส่วนสูง (cm) และ B2:B11 เป็นน้ำหนัก (kg)
ผลลัพธ์ 0.9847 แสดงว่ามีความสัมพันธ์เชิงบวกสูงมาก คนที่สูงเท่า นักจะหนักกว่า
ตัวอย่างที่ 2: ความสัมพันธ์เชิงลบระหว่างราคากับความต้องการซื้อPEARSON(C2:C10, D2:D10)
สมมติว่า C2:C10 เป็นราคาสินค้า (บาท) และ D2:D10 เป็นจำนวนขายต่อเดือน (ชิ้น)
ผลลัพธ์ -0.876 แสดงว่าราคาสูงขึ้นเมื่อไหร่ ความต้องการซื้อก็ลดลง (ความสัมพันธ์เชิงลบแรง)
ตัวอย่างที่ 3: ไม่มีความสัมพันธ์เชิงเส้นPEARSON(E2:E20, F2:F20)
สมมติว่า E2:E20 เป็นลำดับชั้นพนักงาน และ F2:F20 เป็นจำนวนวันลาในปี
ผลลัพธ์ 0.12 (ใกล้ 0) แสดงว่าไม่มีความสัมพันธ์เชิงเส้นระหว่างทั้งสอง ตำแหน่งไม่ได้เป็นตัวชี้วัดจำนวนวันลา
ตัวอย่างที่ 4: การใช้กับชุดข้อมูลขนาดใหญ่PEARSON(SalesData[Price], SalesData[Volume])
ใช้ Table reference (โครงสร้างตาราง Excel) แทน A1:A100 ทำให้อัปเดตข้อมูลใหม่ได้อัตโนมัติ
หาค่าความสัมพันธ์ระหว่างราคาและปริมาณการขายของข้อมูลมากกว่า 1000 แถว
FAQs
PEARSON กับ CORREL ต่างกันอย่างไร?+
ไม่ต่างกัน! PEARSON และ CORREL คำนวณสิ่งเดียวกัน (Pearson correlation coefficient) เพียงแค่ชื่อต่างกัน CORREL เป็นชื่อเก่า ส่วน PEARSON เป็นชื่อมาตรฐานสถาบันสถิติ เลือกอันไหนก็ได้ ผลจะเหมือน
ช่วงข้อมูลสองชุดต้องเท่ากันไหม?+
ต้องเท่ากัน! A2:A10 ต้องจับคู่กับ B2:B10 จำนวนแถวเท่ากัน ถ้าต่างกันจะได้ error #N/A
ค่า -0.5 กับ 0.5 ความแข็งแรงของความสัมพันธ์เท่ากันไหม?+
เท่ากัน! ความแข็งแรงดูจากค่าสัมบูรณ์ (absolute value): |−0.5| = |0.5| = 0.5 ทั้งคู่แสดงความสัมพันธ์ปานกลาง แค่ทิศทางต่าง (บวก vs ลบ)
ค่า 0.85 เป็นความสัมพันธ์ที่ดีไหม?+
ขึ้นอยู่กับสาขา แต่โดยทั่วไป: 0.7-1.0 = ความสัมพันธ์แรง, 0.4-0.7 = ปานกลาง, 0.0-0.4 = อ่อน ค่า 0.85 ถือว่าแรงมาก
ใช้กับ Excel เวอร์ชันไหนได้?+
Excel 365, Excel 2024, Excel 2021, Excel 2019, Excel 2016 และ Excel Web ทั้งหมด
Resources & Related
ฟังก์ชันที่ผู้เขียนโยงไว้กับ PEARSON จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
CORREL หาค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างข้อมูล 2 ชุด ผลลัพธ์เป็น -1 ถึง 1 บอกให้เห็นว่าข้อมูลทั้งสองไปทางเดียวกันหรือสวนทางกัน
ฟังก์ชัน COVARIANCE.P ใช้คำนวณความแปรปรวนร่วมของประชากร (Population Covariance) ซึ่งวัดความสัมพันธ์ระหว่างสองชุดข้อมูล โดยผลลัพธ์บวกแสดงว่าข้อมูลเคลื่อนไหวไปในทิศทางเดียวกัน ผลลัพธ์ลบแสดงว่าเคลื่อนไหวสวนทางกัน
COVARIANCE.S คำนวณความแปรปรวนร่วมของกลุ่มตัวอย่าง (Sample Covariance) ซึ่งวัดความสัมพันธ์เชิงเส้นระหว่างชุดข้อมูลสองชุด โดยใช้ตัวหาร n-1 สำหรับการประมาณค่าประชากร
FISHER แปลงค่าสัมประสิทธิ์สหสัมพันธ์เป็นค่า Fisher Z ที่มีการกระจายแบบปกติ ใช้สำหรับการทดสอบสมมติฐานทางสถิติ
ฟังก์ชัน INTERCEPT ใน Excel ใช้สำหรับคำนวณจุดที่เส้นถดถอยเชิงเส้น (Linear Regression Line) ตัดกับแกน Y (ค่า Y เมื่อ X = 0).
ฟังก์ชันที่ส่งคืนค่า R-squared (R²) หรือสัมประสิทธิ์การตัดสินใจ แสดงสัดส่วนของความแปรปรวนในตัวแปรตามที่สามารถอธิบายได้จากตัวแปรอิสระ ค่าอยู่ระหว่าง 0 ถึง 1
คำนวณความชันของเส้นถดถอยเชิงเส้น ซึ่งบอกให้รู้ว่าค่า Y เปลี่ยนแปลงเร็วแค่ไหนเมื่อค่า X เพิ่มขึ้น ใช้สำหรับวิเคราะห์แนวโน้มข้อมูล
STEYX หาค่าความคลาดเคลื่อนมาตรฐาน (Standard Error of Estimate) ของค่า Y ที่พยากรณ์จาก X โดยใช้การถดถอยเชิงเส้น
ฟังก์ชันเก่าสำหรับคำนวณความแปรปรวนร่วม (Covariance) ระหว่างข้อมูลสองชุด เพื่อวัดความสัมพันธ์ระหว่างตัวแปร ควรใช้ COVARIANCE.P แทน
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่