Thep Excel

STEYXคำนวณค่าความคลาดเคลื่อนมาตรฐานของการทำนาย

STEYX หาค่าความคลาดเคลื่อนมาตรฐาน (Standard Error of Estimate) ของค่า Y ที่พยากรณ์จาก X โดยใช้การถดถอยเชิงเส้น

fx
=STEYX(known_y's, known_x's)

ความนิยม5/10
ความยาก4/10
ประโยชน์6/10

อัปเดต 2 December 2025

Syntax & Arguments

อาร์กิวเมนต์ ชนิด คำอธิบาย
known_y's Range/Array ข้อมูลตัวแปรตาม (Dependent Variable) – ค่า Y ที่ต้องการทำนาย
known_x's Range/Array ข้อมูลตัวแปรอิสระ (Independent Variable) – ค่า X ที่ใช้เป็นตัวทำนาย

Additional Notes

ฟังก์ชัน STEYX ใน Excel คำนวณค่าความคลาดเคลื่อนมาตรฐานของการทำนาย ซึ่งบอกคุณว่า “เมื่อเราใช้เส้นแนวโน้มในการพยากรณ์ค่า Y จากค่า X ตัวจริง จะห่างจากการพยากรณ์เพียงเท่าไหร่” นั่นคือตัวบ่งชี้ความแม่นยำของโมเดลถดถอย ยิ่งค่า STEYX น้อย ยิ่งแสดงว่าข้อมูลเกาะกลุ่มใกล้เส้นแนวโน้ม

ฉันเห็นหลายคนสับสนระหว่าง STEYX กับ RSQ (R-Squared) ทั้งสองบอกเรื่องคล้ายๆ กัน แต่ STEYX บอกค่าความคลาดเคลื่อนสัมบูรณ์ (หน่วยเดียวกับ Y) ส่วน RSQ บอกร้อยละว่าโมเดลอธิบายได้กี่เปอร์เซ็นต์

จุดสำคัญที่ต้องระวังคือ STEYX ทำงานแบบเชิงเส้นเท่านั้น ถ้าความสัมพันธ์ระหว่าง X กับ Y โค้งงอ STEYX อาจให้ผลที่ไม่เชื่อถือได้ และมีค่าต้ำ่ว่าต้องมีข้อมูลอย่างน้อย 3 จุด ถ้าน้อยกว่าจะได้ #DIV/0! ความคลาดเคลื่อนที่ STEYX บอก มีหน่วยเดียวกับ Y ถ้า Y เป็นจำนวนเงิน STEYX ก็เป็นเงินบาท ถ้า Y เป็นจำนวนคน STEYX ก็เป็นจำนวนคน 😎

Examples

ตัวอย่างพื้นฐาน: วัดความแม่นยำของการทำนายยอดขายSTEYX(A2:A6, B2:B6)

ค่าความคลาดเคลื่อนมาตรฐาน = 20.41 บาท หมายความว่า เมื่อเราใช้ยอดโฆษณาในการพยากรณ์ยอดขาย การพยากรณ์จะห่างจากตัวจริงประมาณ 20 บาท โดยเฉลี่ย

fx
=STEYX(A2:A6, B2:B6)

ผลลัพธ์ประมาณ 20.41
ตัวอย่างปกติ: ร้านกาแฟวิเคราะห์ผลการส่งเมลโปรโมชั่นSTEYX(E2:E11, F2:F11)

ค่า STEYX = 2.07 คน หมายความว่า เมื่อทำนายจำนวนผู้ติดตามจากจำนวนเมล การพยากรณ์จะห่างจากตัวจริงประมาณ 2 คน นี่คือค่าที่ดี (ดูเบาเทียบกับค่าเฉลี่ยประมาณ 20 คน) โมเดลนี้มีความแม่นยำสูง

fx
=STEYX(E2:E11, F2:F11)

ผลลัพธ์ประมาณ 2.07
ตัวอย่างขั้นสูง: เปรียบเทียบความแม่นยำของสองโมเดลที่แตกต่างกันSTEYX(C2:C50, D2:D50) // โมเดล 1 =STEYX(C2:C50, E2:E50) // โมเดล 2

โมเดล 1 มีค่า STEYX ต่ำกว่า = มีความแม่นยำสูงกว่า ยอดโฆษณาเป็นตัวทำนายที่ดีกว่าอุณหภูมิ เมื่อใช้อุณหภูมิ ข้อผิดพลาดเพิ่มขึ้นกว่า 3 เท่า

fx
=STEYX(C2:C50, D2:D50) // โมเดล 1
=STEYX(C2:C50, E2:E50) // โมเดล 2

ผลลัพธ์โมเดล 1: 500, โมเดล 2: 1800
ตัวอย่างผิดพลาด: ข้อมูลไม่เพียงพอSTEYX(G2:G3, H2:H3)

ข้อผิดพลาด #DIV/0! เพราะว่า STEYX ต้องการข้อมูลอย่างน้อย 3 จุด ถ้าน้อยกว่านี้ฟังก์ชันไม่สามารถคำนวณความคลาดเคลื่อนได้

fx
=STEYX(G2:G3, H2:H3)

ผลลัพธ์#DIV/0!

FAQs

STEYX กับ RSQ ต่างกันยังไง?+

STEYX บอกค่าความคลาดเคลื่อนสัมบูรณ์ (หน่วยเดียวกับ Y) เช่น "ห่างประมาณ 20 บาท" ส่วน RSQ บอกร้อยละว่าโมเดลอธิบายได้กี่เปอร์เซ็นต์ เช่น "อธิบายได้ 85%" ทั้งสองใช้ร่วมกันได้ดี

ต้องใช้ STEYX ร่วมกับฟังก์ชันไหนบ้าง?+

STEYX มักใช้ร่วมกับ SLOPE, INTERCEPT, TREND, LINEST เหล่านี้ต่างใช้การถดถอยเชิงเส้น ถ้าต้องการเทียบกับแบบจริงใช้ FORECAST เพื่อทำนายค่า Y แล้วเปรียบเทียบกับตัวจริง

ใช้ได้กับ Excel เวอร์ชันไหนบ้าง?+

STEYX มีมาตั้งแต่ Excel 2007 ขึ้นไป ทั้ง Windows และ Mac ใช้ได้ ส่วน Excel 365 ก็ใช้ได้ปกติ

ค่า STEYX ควรน้อยเท่าไหร่ถึงดี?+

ไม่มี "ขอบเขตสัมบูรณ์" ที่ดี ต้องดูตามบริบท ถ้า Y มีค่าเฉลี่ย 1000 บาท STEYX = 100 ก็ดี (ความคลาดเคลื่อน 10%) แต่ถ้า Y เฉลี่ย 100 บาท STEYX = 100 ก็ห่วย (ความคลาดเคลื่อน 100%) ให้ลองเปรียบเทียบ STEYX / เฉลี่ยของ Y

Resources & Related

ฟังก์ชันที่ผู้เขียนโยงไว้กับ STEYX จัดกลุ่มตามหมวด · ชี้ที่ชื่อใดชื่อหนึ่ง แล้วฟังก์ชันที่ใช้คู่กันจะมีจุดทอง

ฟังก์ชันนี้STEYXStatistical
Statistical (7)
FORECAST

ฟังก์ชันที่ใช้สมการถดถอยเชิงเส้น (Linear Regression) เพื่อพยากรณ์ค่าในอนาคต โดยยึดตามแนวโน้มข้อมูลในอดีต

INTERCEPT

ฟังก์ชัน INTERCEPT ใน Excel ใช้สำหรับคำนวณจุดที่เส้นถดถอยเชิงเส้น (Linear Regression Line) ตัดกับแกน Y (ค่า Y เมื่อ X = 0).

LINEST

LINEST คำนวณค่าสถิติสำหรับเส้นตรงที่เหมาะสมที่สุด ด้วยวิธีกำลังสองน้อยที่สุด (Linear Regression Analysis)

PEARSON

หาค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน (Pearson correlation coefficient) ระหว่างสองชุดข้อมูล – เหมือน CORREL

RSQ

ฟังก์ชันที่ส่งคืนค่า R-squared (R²) หรือสัมประสิทธิ์การตัดสินใจ แสดงสัดส่วนของความแปรปรวนในตัวแปรตามที่สามารถอธิบายได้จากตัวแปรอิสระ ค่าอยู่ระหว่าง 0 ถึง 1

SLOPE

คำนวณความชันของเส้นถดถอยเชิงเส้น ซึ่งบอกให้รู้ว่าค่า Y เปลี่ยนแปลงเร็วแค่ไหนเมื่อค่า X เพิ่มขึ้น ใช้สำหรับวิเคราะห์แนวโน้มข้อมูล

TREND

TREND ใช้หา linear regression line (เส้นตรงที่ลดความเบี่ยงเบนของข้อมูล) เพื่อพยากรณ์ค่า Y ในอนาคตจากข้อมูลเดิม หรือสร้างค่า fitted line สำหรับกราฟแนวโน้ม

Comments

อีเมลของคุณจะไม่ถูกเผยแพร่