คำนวณความชันของเส้นถดถอยเชิงเส้น ซึ่งบอกให้รู้ว่าค่า Y เปลี่ยนแปลงเร็วแค่ไหนเมื่อค่า X เพิ่มขึ้น ใช้สำหรับวิเคราะห์แนวโน้มข้อมูล
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| known_y's | Range/Array | ช่วงหรืออาร์เรย์ของค่า Y (ตัวแปรตาม) ต้องมีข้อมูลอย่างน้อย 2 ค่า |
| known_x's | Range/Array | ช่วงหรืออาร์เรย์ของค่า X (ตัวแปรอิสระ) จะต้องมีจำนวนเท่ากับ known_y’s |
ฟังก์ชัน SLOPE คำนวณความชัน (m) ของเส้นถดถอยเชิงเส้น (linear regression line) ที่สอดคล้องกับชุดข้อมูลของคุณ
ลองนึกภาพแกน X กับแกน Y บนกราฟ ถ้าคุณมีจุดข้อมูลหลายจุด SLOPE จะหาเส้นตรงที่เหมาะสมที่สุดแล้วบอกความชันของเส้นนั้น ค่าที่ได้คือตัวเลขที่บอกว่า Y เพิ่มขึ้นเท่าไหร่เมื่อ X เพิ่มขึ้น 1 หน่วย
ที่เจ๋งคือ SLOPE ใช้วิธี “Least Squares” ซึ่งหาเส้นตรงที่ลดความคลาดเคลื่อนให้น้อยที่สุด ไม่ใช่เพียงลากเส้นโดยประมาณสองสามจุด
ส่วนตัวผม ถ้าต้องวิเคราะห์แนวโน้ด SLOPE เป็นตัวช่วยที่ดีเพราะบอกให้รู้ว่าแนวโน้มแบบไหน (เพิ่ม ลด หรือแบน) ได้เลย 😎
ค่า 20 หมายถึงทุกเดือนยอดขายเพิ่มขึ้นเฉลี่ย 20 หน่วย
รายได้เพิ่มขึ้นโดยเฉลี่ย 15,000 บาทต่อเดือน
ค่าลบแสดงมูลค่าลดลง 5,000 บาทต่อปี (depreciation)
รวม SLOPE กับ INTERCEPT ได้สมการเส้นถดถอยเต็ม เอา SLOPE (3) คูณ X + INTERCEPT (5) ได้ค่า Y ตามเส้นถดถอย
อย่างน้อย 2 คู่ของค่า X, Y (2 จุดบนกราฟ) แต่ข้อมูลยิ่งเยอะยิ่งแม่นยำ
ฟังก์ชันจะส่งข้อผิดพลาด #N/A เพราะทั้งสองต้องมีจำนวนเท่ากัน
– ค่าบวก = Y เพิ่มขึ้นเมื่อ X เพิ่ม (แนวโน้มขึ้น)
– ค่าลบ = Y ลดลงเมื่อ X เพิ่ม (แนวโน้มลง)
– ค่า 0 = ไม่มีความสัมพันธ์เชิงเส้น
SLOPE ออกแต่ค่า m (ความชัน), LINEST ออกข้อมูลละเอียด (slope, intercept, R-squared ฯลฯ)
ฟังก์ชันที่ผู้เขียนโยงไว้กับ SLOPE จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
COVARIANCE.S คำนวณความแปรปรวนร่วมของกลุ่มตัวอย่าง (Sample Covariance) ซึ่งวัดความสัมพันธ์เชิงเส้นระหว่างชุดข้อมูลสองชุด โดยใช้ตัวหาร n-1 สำหรับการประมาณค่าประชากร
ฟังก์ชันที่ใช้สมการถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ค่าในอนาคต โดยยึดตามแนวโน้มข้อมูลในอดีต
พยากรณ์ค่าในอนาคตโดยใช้สมการถดถอยเชิงเส้น (Linear Regression) จากข้อมูลชุดเดิม
ฟังก์ชัน INTERCEPT ใน Excel ใช้สำหรับคำนวณจุดที่เส้นถดถอยเชิงเส้น (Linear Regression Line) ตัดกับแกน Y (ค่า Y เมื่อ X = 0).
LINEST คำนวณค่าสถิติสำหรับเส้นตรงที่เหมาะสมที่สุด ด้วยวิธีกำลังสองน้อยที่สุด (Linear Regression Analysis)
หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL
ฟังก์ชันที่ส่งคืนค่า R-squared (R²) หรือสัมประสิทธิ์การตัดสินใจ แสดงสัดส่วนของความแปรปรวนในตัวแปรตามที่สามารถอธิบายได้จากตัวแปรอิสระ ค่าอยู่ระหว่าง 0 ถึง 1
STEYX หาค่าความคลาดเคลื่อนมาตรฐาน (Standard Error of Estimate) ของค่า Y ที่พยากรณ์จาก X โดยใช้การถดถอยเชิงเส้น
TREND ใช้หา linear regression line (เส้นตรงที่ลดความเบี่ยงเบนของข้อมูล) เพื่อพยากรณ์ค่า Y ในอนาคตจากข้อมูลเดิม หรือสร้างค่า fitted line สำหรับกราฟแนวโน้ม
ฟังก์ชันเก่าสำหรับคำนวณความแปรปรวนร่วม (Covariance) ระหว่างข้อมูลสองชุด เพื่อวัดความสัมพันธ์ระหว่างตัวแปร ควรใช้ COVARIANCE.P แทน
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่