ฟังก์ชัน INTERCEPT ใน Excel ใช้สำหรับคำนวณจุดที่เส้นถดถอยเชิงเส้น (Linear Regression Line) ตัดกับแกน Y (ค่า Y เมื่อ X = 0).
| อาร์กิวเมนต์ | ชนิด | คำอธิบาย |
|---|---|---|
| known_y's | Range/Array | ช่วงหรืออาร์เรย์ของค่า Y ที่รู้ (Dependent Data Set) – ค่าที่ขึ้นอยู่กับ X |
| known_x's | Range/Array | ช่วงหรืออาร์เรย์ของค่า X ที่รู้ (Independent Data Set) – ค่าที่เป็นตัวแปรอิสระ |
INTERCEPT ช่วยหาจุดตัดแกน Y ของสมการเส้นตรง y = mx + a
เมื่อคุณมีข้อมูล X และ Y ที่สัมพันธ์กัน INTERCEPT จะหาเส้นที่เหมาะสมที่สุด (best-fit line) แล้วบอกว่าเส้นนั้นตัดแกน Y ที่ค่า a เท่าไหร่ ซึ่งมีประโยชน์มากในการวิเคราะห์ต้นทุนคงที่ หรือค่าเริ่มต้นของแนวโน้ม
ที่เจ๋งคือ INTERCEPT รวมกับ SLOPE ให้สมการเส้นตรงที่สมบูรณ์ได้เลย เช่น หากต้องการคาดการณ์ยอดขายในอนาคต ก็ใช้ INTERCEPT (ค่าเริ่มต้น) + SLOPE (อัตราการเติบโต) × เวลา
Excel จะหาเส้นตรงที่เหมาะสมที่สุด แล้วบอกว่าเส้นนั้นตัดแกน Y ที่จุด 0.0483871 เมื่อ X = 0
ผลลัพธ์ 4000 หมายถึง Fixed Cost (ต้นทุนคงที่) = 4000 บาท ซึ่งเป็นต้นทุนที่ต้องจ่ายแม้ว่าไม่ผลิตสินค้าเลย (เมื่อปริมาณ = 0)
INTERCEPT บอกค่าเริ่มต้นของยอดขาย SLOPE บอกว่าทุกเดือนเพิ่มกี่บาท คูณ 7 (เดือนที่ 7) ได้ยอดขายที่คาดการณ์
ผลลัพธ์ -80 หมายถึง เมื่ออุณหภูมิ = 0°C การใช้ไฟฟ้าจะเป็น -80 kWh ซึ่งไม่สมจริง แต่ในอุตสาหกรรม อาจมี baseline power consumption ที่ต้องใช้อยู่แล้ว
SLOPE หาความชันของเส้น (m ในสูตร y = mx + a) ส่วน INTERCEPT หาจุดตัดแกน Y (a ในสูตร) ทั้งสองใช้ร่วมกันเพื่อให้สมการเส้นตรงที่สมบูรณ์
Excel จะคืนค่า #N/A error เพราะต้องมีคู่ข้อมูล (X, Y) จำนวนเท่ากัน
ถ้าข้อมูล collinear (อยู่บนเส้นตรงเดียว) หรือไม่มีความแปรปรวน Excel จะคืนค่า #DIV/0! error
Excel จะละเว้น (ignore) ค่าที่เป็นข้อมูลตัวอักษรและบูลีน แต่ 0 ยังถูกนับว่าเป็นค่าตัวเลขปกติ
ประมาณการต้นทุนคงที่ หาค่าเริ่มต้นแนวโน้ม คาดการณ์ทางการเงิน การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปร
ฟังก์ชันที่ผู้เขียนโยงไว้กับ INTERCEPT จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง
ฟังก์ชันที่ใช้สมการถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ค่าในอนาคต โดยยึดตามแนวโน้มข้อมูลในอดีต
พยากรณ์ค่าในอนาคตโดยใช้สมการถดถอยเชิงเส้น (Linear Regression) จากข้อมูลชุดเดิม
LINEST คำนวณค่าสถิติสำหรับเส้นตรงที่เหมาะสมที่สุด ด้วยวิธีกำลังสองน้อยที่สุด (Linear Regression Analysis)
LOGEST ใช้คำนวณค่าสถิติสำหรับเส้นโค้ง Exponential ที่เหมาะสมที่สุด เพื่อวิเคราะห์การเติบโตแบบเลขชี้กำลัง
หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL
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
TREND ใช้หา linear regression line (เส้นตรงที่ลดความเบี่ยงเบนของข้อมูล) เพื่อพยากรณ์ค่า Y ในอนาคตจากข้อมูลเดิม หรือสร้างค่า fitted line สำหรับกราฟแนวโน้ม
ยังไม่มีบทความที่เกี่ยวข้องกับฟังก์ชันนี้
Comments
อีเมลของคุณจะไม่ถูกเผยแพร่