建立枢纽分析表、百分比.ppt

馬上練習 假定，要處理 * 之問卷內容，其資料安排於範例Ch07.xlsx『常用飲料交叉性別』工作表，求常用飲料交叉性別之複選結果，並加以解釋： * 馬上練習 假定，要處理 之問卷內容，其資料安排於範例Ch07.xlsx『未購買數位相機原因交叉性別』工作表： * 求未購買數位相機原因交叉性別之複選結果，並加以解釋： * 重點整理 建立樞紐分析表、百分比、篩選 變更樞紐分析表的版面配置 區間分組、僅取部分資料區間分組 取得樞紐分析表內容GETPIVOTDATA(欄位名稱,樞紐分析表,欄位1,項目1,…) 卡方分配基本定義(補充) 卡方分配CHIDIST(卡方值x,自由度)，傳回右尾的機率P CHIINV(累計機率,自由度)，傳回卡方值 傳統方法計算卡方檢定 卡方檢定CHITEST(觀察值範圍,期望值範圍)Pα，即表示兩個變項間存有顯著關聯、期望次數不應少於5 複選題處理步驟(選讀) * 第七章 結束謝謝！ * 於U5輸入=，續點選樞紐分析表之M6，可取得=GETPIVOTDATA(“人數”,$L$3,“政黨傾向”,“民進黨”,“居住地區”,“北區”)將其改為=GETPIVOTDATA(人數,$L$3,政黨傾向,$T5,居住地區,U$4) * 續將其抄給U5:U10，再將U5:U10抄給U5:X10，取得各儲存格之觀察値 選取U5:Y11，切換到『常用』索引標籤，按『編輯』群組之『加總』鈕，取得欄/列之加總 * 期望值範圍處，第一欄第一列第一欄（AB5）之期望值應為樞紐分析表之： 第一欄% × 第一列% × 總樣本數 450/1000 × 228/1000 × 1000 可簡化成 第一欄% × 第一列總計 450/1000 × 228 或 第一欄總計 × 第一列% 450 × 228/1000 以U5:Y10之觀察值範圍之內容來表示，其公式將為 =U$11*$Y5/$Y$11 * 續將其抄給AB5:AB10，再將AB5:AB10抄給AB5:AE10，取得各儲存格之期望値 接著，來計算每格之假定，要將其安排於U13:X18。U13處之公式應為：即=(U5-AB5)^2/AB5 * 將U13:X18之值加總，即卡方值32.74：傳統之作法，是査附錄三卡方分配的臨界值，於自由度15（(4-1)*(6-1)=15）、α=0.05，其臨界值為25.00。而我們所求算出之χ2=32.74＞25.00，故應棄卻政黨傾向與地區別無關之虛無假設。也就是說，政黨支持率之高低，會因地區別不同而有顯著差異。 * 但由於有CHIDIST()函數，只須將卡方值與自由度，代入CHIDIST()函數=CHIDIST(U20,U21)即可求得其右尾之機率（P值，卡方獨立性檢定的顯著水準） 判斷檢定結果時很簡單，只須看此P值是否小於所指定顯著水準之α值。若是，即表示交叉表之兩個變項間存有顯著關聯，故可省去查表之麻煩。本例，由於其P值0.005α=0.05，所以應棄卻政黨傾向與地區別無關之虛無假設，其結論同於先前查表之結果 * 應注意下列事項 使用卡方檢定進行分析時，應注意下列事項： 卡方檢定僅適用於類別資料（名目變數，如：性別、地區、政黨傾向、宗教信仰、是否有手機、……）。 各細格之期望次數不應少於5。通常要有80％以上的期望次數≧5，否則會影響其卡方檢定的效果。若有期望次數小於5時，可將其合併。如：原所得以 * 分成五組，於卡方檢定時，發現有太多細格之期望次數小於5，可將其合併成：縮減成三組，使每組人數變大後，可望消除部份期望次數小於5之情況。 由於，各細格之期望次數不應少於5。通常要有80％以上的期望次數≧5，否則會影響其卡方檢定的效果。故而，我們於AE13以=COUNTIF(AB5:AE10,5)/COUNT(AB5:AE10)計算期望值＜5之儲存格比例，發現僅8.3%而已，故並無需進行任何調整： * 利用CHITEST() 同樣之例子，於求得觀察值範圍（U5:X10）與其期望值範圍（AB5:AE10）後，即可直接以=CHITEST(U5:X10,AB5:AE10)利用CHITEST()函數，求得其檢定結果（P值）：（詳範例Ch07.xls『卡方-CHITEST』工作表） * 當然，也可以透過顯著水準之P值與自由度，利用CHIINV()函數，以=CHIINV(X13,X15)逆向求得其卡方值32.74： * 馬上練習 針對範例Ch07.xlsx『卡方-性別交叉運動時間』工作表之交叉表，以卡方檢定運動時間與性別是否存有顯著之關聯（α=0.05）： * 馬上練習 針對範例Ch0