ສາລະບານ
ການວິເຄາະ Regression ແມ່ນຢູ່ໃນເກືອບທຸກປະເພດຂອງຊອບແວສະຖິຕິເຊັ່ນ SPSS , R, ແລະບໍ່ໄດ້ກ່າວເຖິງ Excel. Regression ສາມາດໃຫ້ພວກເຮົາຮູບພາບໃຫຍ່ກ່ຽວກັບຄວາມສໍາພັນລະຫວ່າງຕົວແປ. ການຖົດຖອຍແບບເສັ້ນສາມາດເຮັດໄດ້ຢ່າງໄວວາໃນ Excel ໂດຍໃຊ້ເຄື່ອງມື ການວິເຄາະຂໍ້ມູນ . ບົດຄວາມນີ້ຈະສະແດງໃຫ້ເຫັນວິທີທີ່ທ່ານສາມາດ ຕີຄວາມຫມາຍຜົນໄດ້ຮັບ regression ໃນ Excel.
ຕີຄວາມໝາຍ Regression Results.xlsx
Regression ແມ່ນຫຍັງ?
ການວິເຄາະການຖົດຖອຍມັກຈະຖືກໃຊ້ໃນການວິເຄາະຂໍ້ມູນເພື່ອກໍານົດການເຊື່ອມໂຍງລະຫວ່າງຫຼາຍຕົວແປ. ການວິເຄາະ Regression ຊ່ວຍໃຫ້ທ່ານເລືອກສິ່ງທີ່ເກີດຂື້ນກັບຕົວແປທີ່ຂຶ້ນກັບຖ້າຕົວແປເອກະລາດຫນຶ່ງປ່ຽນແປງ. ມັນຍັງຊ່ວຍໃຫ້ທ່ານຄິດອອກທາງຄະນິດສາດວ່າຕົວແປເອກະລາດໃດມີອິດທິພົນ.
ການຖົດຖອຍແບບເສັ້ນງ່າຍດາຍ ແມ່ນແຕກຕ່າງຈາກ ການຖົດຖອຍເສັ້ນຫຼາຍເສັ້ນ ໃນສະຖິຕິ. ການນໍາໃຊ້ການທໍາງານເປັນເສັ້ນ, ງ່າຍດາຍ <1> ການວິເຄາະການຖົດຖອຍເສັ້ນ <2> ການເຊື່ອມໂຍງລະຫວ່າງຕົວແປແລະຕົວແປອິດສະລະຫນຶ່ງ. ການຖົດຖອຍຫຼາຍເສັ້ນ ແມ່ນເວລາທີ່ສອງ ຫຼືຫຼາຍປັດໃຈອະທິບາຍຖືກໃຊ້ເພື່ອກໍານົດຕົວແປ. ການນໍາໃຊ້ regression nonlinear ແທນທີ່ຈະເປັນຕົວແປທີ່ຂຶ້ນກັບແມ່ນໄດ້ອະທິບາຍເປັນຫນ້າທີ່ nonlinear ເນື່ອງຈາກວ່າການພົວພັນຂໍ້ມູນບໍ່ແມ່ນເສັ້ນ. ບົດຄວາມນີ້ຈະເນັ້ນໃສ່ ຫຼາຍເສັ້ນregression ເພື່ອສະແດງວິທີທີ່ເຈົ້າສາມາດ ຕີຄວາມໝາຍຜົນການຖົດຖອຍໃນ Excel. ຈຸດປະສົງການວິເຄາະ. ນີ້ແມ່ນຕົວແປເອກະລາດຈະເປັນຖັນ ລາຄາ ແລະ ຖັນ ຂາຍ . ຖັນ ອິດສະລະ ຈະເປັນຖັນ ຄວາມຕ້ອງການ .
ຂັ້ນຕອນ
- ພວກເຮົາຕ້ອງໄປທີ່ແຖບ ຂໍ້ມູນ ແລະຄລິກທີ່ ການວິເຄາະຂໍ້ມູນ ເພື່ອເຮັດການຖົດຖອຍ .
- ຈະມີໜ້າຕ່າງໃໝ່; ເລືອກຂອບເຂດຂໍ້ມູນຕົວແປທີ່ຂຶ້ນກັບ ແລະຕົວແປເອກະລາດ.
- ຈາກນັ້ນໝາຍຕິກໃສ່ກ່ອງ ປ້າຍກຳກັບ ແລະ ຄວາມໝັ້ນໃຈ ກ່ອງ.
- ຈາກນັ້ນຄລິກທີ່ຂອບເຂດຕາລາງຜົນຜະລິດ. ກ່ອງເພື່ອເລືອກທີ່ຢູ່ຕາລາງຜົນຜະລິດ
- ຕໍ່ໄປ, ໝາຍຕິກໃສ່ Residual ເພື່ອຄຳນວນການຕົກຄ້າງ.
- ຫຼັງຈາກນັ້ນ, ໃຫ້ໝາຍຕິກໃສ່ Residual plots ແລະ Line Fit Plots boxes
- ຄລິກ ຕົກລົງ ຫຼັງຈາກນີ້.
- ຫຼັງຈາກຄລິກ ຕົກລົງ, ພາຣາມີເຕີຜົນໄດ້ຮັບຕົ້ນຕໍຂອງການວິເຄາະຈະຢູ່ທີ່ຕາລາງທີ່ລະບຸ. ເຊັ່ນ ຄວາມສຳຄັນ ຄ່າ ແລະ ອື່ນໆໃນຕາຕະລາງ ANOVA ( ການວິເຄາະຄວາມຜັນຜວນ ).
- ໃນນີ້, df ໝາຍເຖິງ ລະດັບອິດສະລະທີ່ກ່ຽວຂ້ອງກັບແຫຼ່ງທີ່ມາຂອງຄວາມແຕກຕ່າງ.
- SS ໝາຍເຖິງຜົນລວມຂອງກຳລັງສອງ. ຮູບແບບຂອງທ່ານຈະສະທ້ອນໃຫ້ເຫັນຂໍ້ມູນທີ່ດີກວ່າຖ້າຫາກວ່າ Residual SS ແມ່ນນ້ອຍກວ່າ SS ທັງໝົດ.
- MS ໝາຍເຖິງສີ່ຫຼ່ຽມມົນ.
- F ໝາຍເຖິງ F -test ສຳລັບສົມມຸດຕິຖານ null.
- ຄວາມສຳຄັນ F ໝາຍເຖິງ P -value ຂອງ F .
- ຈາກນັ້ນທ່ານຍັງຈະໄດ້ຮັບຄ່າສໍາປະສິດຂອງຕົວປ່ຽນແປງ, ຄ່າຄວາມສໍາຄັນ, ແລະອື່ນໆໃນຕາຕະລາງ.
- ຈາກນັ້ນເຈົ້າຈະໄດ້ຕາຕະລາງສຸດທ້າຍຂ້າງລຸ່ມນີ້ຕາຕະລາງສໍາປະສິດທີ່ມີຄ່າທີ່ຍັງເຫຼືອສໍາລັບການເຂົ້າແຕ່ລະຄົນ.
- ຕໍ່ໄປ, ທ່ານຈະໄດ້ຮັບ ຄວາມຕ້ອງການ vs ລາຄາ ຕາຕະລາງການຖົດຖອຍ, ດ້ວຍເສັ້ນແນວໂນ້ມ.
- ຫຼັງຈາກ ນີ້, ທ່ານໄດ້ຮັບ ຄວາມຕ້ອງການ ທຽບກັບ ຂາຍ ຕາຕະລາງການຖົດຖອຍທີ່ມີເສັ້ນແນວໂນ້ມ.
- ມີອັນອື່ນອີກ. ຕາຕະລາງສະແດງໃຫ້ເຫັນການແຈກຢາຍຂອງສ່ວນທີ່ເຫຼືອຂອງແຕ່ລະລາຍການຈາກຕົວແປ ຂາຍ . ຂອງແຕ່ລະລາຍການຈາກ ລາຄາ ຕົວແປ.
ຕໍ່ໄປ, ພວກເຮົາຈະສະແດງໃຫ້ທ່ານເຫັນວິທີ n ຕີຄວາມຜົນການຖົດຖອຍເຫຼົ່ານີ້ໃນ Excel. Regression ຜົນໄດ້ຮັບໃນ Excel
ສິ່ງຕໍ່ໄປທີ່ທ່ານຕ້ອງເຮັດຫຼັງຈາກເຮັດການວິເຄາະການຖົດຖອຍແລະຕີຄວາມມັນ. ຜົນໄດ້ຮັບແມ່ນໄດ້ອະທິບາຍ ແລະລາຍລະອຽດຢູ່ລຸ່ມນີ້.
ການວິເຄາະມູນຄ່າການຖົດຖອຍຂອງຫຼາຍ R-Squared
Theຕົວເລກ R-squared ສະແດງວ່າອົງປະກອບຂອງຊຸດຂໍ້ມູນມີຄວາມກ່ຽວຂ້ອງກັນແນວໃດ ແລະ ເສັ້ນການຖົດຖອຍກົງກັບຂໍ້ມູນແນວໃດ. ພວກເຮົາກໍາລັງຈະນໍາໃຊ້ການວິເຄາະ regression linear ຫຼາຍ, ໃນທີ່ພວກເຮົາຈະກໍານົດຜົນກະທົບຂອງສອງຫຼືຫຼາຍຕົວແປກ່ຽວກັບປັດໃຈຕົ້ນຕໍ. ນີ້ຫມາຍເຖິງການປ່ຽນແປງຕົວແປທີ່ຂື້ນກັບການປ່ຽນແປງຫນຶ່ງຂອງຕົວແປເອກະລາດ. ຊ່ວງຂອງຄ່າສຳປະສິດນີ້ແມ່ນຕັ້ງແຕ່ -1 ຫາ 1. ໃນນີ້,
- 1 ໝາຍເຖິງຄວາມສຳພັນທາງບວກທີ່ໃກ້ຊິດ
- 0 ໝາຍຄວາມວ່າບໍ່ມີການພົວພັນລະຫວ່າງຕົວແປ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ຈຸດຂໍ້ມູນແມ່ນແບບສຸ່ມ.
- -1 ຫມາຍເຖິງການພົວພັນແບບປີ້ນກັນຫຼືທາງລົບລະຫວ່າງຕົວແປ.
ໃນຜົນໄດ້ຮັບທີ່ສະແດງຂ້າງເທິງ, ຄ່າຫຼາຍ R ຂອງຄ່າທີ່ໃຫ້. ຊຸດຂໍ້ມູນແມ່ນ o.7578( ປະມານ ), ເຊິ່ງສະແດງເຖິງຄວາມສຳພັນທີ່ເຂັ້ມແຂງລະຫວ່າງຕົວແປ.
R Squared
R squared ຄ່າອະທິບາຍວິທີການຕອບສະໜອງຂອງຕົວແປທີ່ຂຶ້ນກັບຄວາມແຕກຕ່າງກັນກັບຕົວແປເອກະລາດ. ໃນກໍລະນີຂອງພວກເຮົາ, ຄ່າແມ່ນ 0.574(ປະມານ), ເຊິ່ງສາມາດຕີຄວາມສຳພັນທີ່ເໝາະສົມລະຫວ່າງຕົວແປໄດ້.
ປັບ R-Squared
ນີ້ແມ່ນພຽງແຕ່ ເວີຊັນສຳຮອງຂອງຄ່າ R squared . ອັນນີ້ພຽງແຕ່ສະຫຼັບຕົວແປ ຕົວຄາດຄະເນ ໃນຂະນະທີ່ຄາດຄະເນຕົວແປ ຕອບສະໜອງ . ມັນຄິດໄລ່ເປັນ
R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)]
ນີ້, R^2 : ຄ່າ R^2 ທີ່ພວກເຮົາໄດ້ຮັບຈາກຊຸດຂໍ້ມູນ.
n : ຈໍານວນການສັງເກດ.
K : ຈຳນວນຕົວແປການຄາດເດົາ.
ຄວາມສຳຄັນ ຂອງຄ່ານີ້ເກີດຂື້ນໃນຂະນະທີ່ເຮັດການວິເຄາະການຖົດຖອຍລະຫວ່າງຕົວແປ ຕົວແປ ສອງຕົວ. ຖ້າຫາກວ່າມີຫຼາຍກ່ວາຫນຶ່ງ predictor ຕົວປ່ຽນແປງໃນຊຸດຂໍ້ມູນ, ຫຼັງຈາກນັ້ນຄ່າ R ສອງຈະເພີ່ມຂຶ້ນ, ຊຶ່ງເປັນທີ່ບໍ່ຕ້ອງການສູງ. ຄ່າ R squared ທີ່ປັບປ່ຽນຈະປັບອັດຕາເງິນເຟີ້ນີ້ ແລະໃຫ້ພາບທີ່ຖືກຕ້ອງຂອງຕົວແປ.
ມາດຕະຖານຄວາມຜິດພາດ
ການວັດແທກຄວາມເໝາະສົມອັນໜຶ່ງອັນໜຶ່ງ. ທີ່ຊີ້ໃຫ້ເຫັນຄວາມຖືກຕ້ອງຂອງການວິເຄາະການຖົດຖອຍຂອງທ່ານ; ຄ່າຕ່ໍາກວ່າ, ໃຫ້ແນ່ໃຈວ່າທ່ານສາມາດຢູ່ໃນການວິເຄາະການຖົດຖອຍຂອງທ່ານຫຼາຍຂຶ້ນ.
ຄວາມຜິດພາດມາດຕະຖານ ແມ່ນຕົວຊີ້ວັດທີ່ສະແດງເຖິງໄລຍະທາງສະເລ່ຍທີ່ຈຸດ deviate ຈາກເສັ້ນແນວໂນ້ມ. ໃນທາງກົງກັນຂ້າມ, R2 ເປັນຕົວແທນຂອງອັດຕາສ່ວນຂອງຕົວແປທີ່ຂຶ້ນກັບ. ໃນກໍລະນີນີ້, ຄ່າຂອງ ຄວາມຜິດພາດມາດຕະຖານ ແມ່ນ 288.9 ( ປະມານ ), ເຊິ່ງໝາຍເຖິງຈຸດຂໍ້ມູນຂອງພວກເຮົາ, ໂດຍສະເລ່ຍແລ້ວ, ຫຼຸດລົງ 288.9 ຈາກເສັ້ນແນວໂນ້ມ.
ການສັງເກດ
ຊີ້ບອກຈໍານວນຂອງການສັງເກດຫຼືລາຍການ. ຊີ້ບອກເຖິງຄວາມໜ້າເຊື່ອຖື (ຕາມສະຖິຕິ) ຂອງການວິເຄາະຂອງພວກເຮົາ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ມັນຊີ້ໃຫ້ເຫັນຄວາມເປັນໄປໄດ້ຂອງຊຸດຂໍ້ມູນຂອງພວກເຮົາທີ່ຜິດພາດ. ຄ່ານີ້ຄວນຈະຕໍ່າກວ່າ 5%. ແຕ່ໃນກໍລະນີນີ້, ມູນຄ່າຄວາມສໍາຄັນຂອງພວກເຮົາແມ່ນ 0.00117,ເຊິ່ງແປເປັນ 0.1%, ເຊິ່ງຕໍ່າກວ່າ 5%. ດັ່ງນັ້ນການວິເຄາະຂອງພວກເຮົາແມ່ນດີ. ຖ້າບໍ່ດັ່ງນັ້ນ, ພວກເຮົາອາດຈະຕ້ອງເລືອກຕົວແປທີ່ແຕກຕ່າງກັນສໍາລັບການວິເຄາະຂອງພວກເຮົາ.
P-value ໃນການວິເຄາະ Regression
ເຊື່ອມໂຍງຢ່າງໃກ້ຊິດກັບຄ່າທີ່ສໍາຄັນ, the P- value ໝາຍເຖິງຄວາມເປັນໄປໄດ້ຂອງຄ່າສຳປະສິດທີ່ຜິດ. P-value ຫມາຍເຖິງການເຊື່ອມໂຍງກັບສົມມຸດຕິຖານ null ກັບຕົວແປ.
ຖ້າ p-value ຂອງທ່ານ. ຕົວເລກ ຄວາມສໍາຄັນ , ມີຫຼັກຖານພຽງພໍທີ່ຈະປະຕິເສດການສົມມຸດຕິຖານມູນຄ່າ null. ນີ້ໝາຍຄວາມວ່າມີຄວາມສຳພັນທີ່ບໍ່ເປັນສູນລະຫວ່າງຕົວແປ. ສົມມຸດຕິຖານ null. ນັ້ນໝາຍເຖິງວ່າບໍ່ສາມາດມີຄວາມສໍາພັນລະຫວ່າງຕົວແປໄດ້. 0.00117 (ຄ່າຄວາມສຳຄັນ),
ດັ່ງນັ້ນຈຶ່ງບໍ່ມີການສົມມຸດຕິຖານ null ເກີດຂຶ້ນຢູ່ທີ່ນີ້, ແລະມີຫຼັກຖານພຽງພໍທີ່ຈະປະກາດຄວາມກ່ຽວຂ້ອງກັນລະຫວ່າງຕົວແປ.
ໃນທາງກົງກັນຂ້າມ, ສໍາລັບຕົວແປ ຂາຍແລ້ວ , the (P-value) 0.0038515 < 0.0011723 (ຄ່າຄວາມສຳຄັນ)
ສະນັ້ນ ອາດມີສົມມຸດຕິຖານ null ເກີດຂຶ້ນຢູ່ບ່ອນນີ້, ແລະບໍ່ມີຫຼັກຖານພຽງພໍເພື່ອປະກາດຄວາມສຳພັນທີ່ບໍ່ແມ່ນສູນລະຫວ່າງຕົວແປ.
ໃນກໍລະນີຫຼາຍທີ່ສຸດ, P ນີ້ -value ກໍານົດວ່າຕົວແປຈະຢູ່ໃນຊຸດຂໍ້ມູນຫຼືບໍ່. ຕົວຢ່າງ, ພວກເຮົາຄວນເອົາ ຂາຍແລ້ວ ອອກຕົວປ່ຽນແປງເພື່ອຮັກສາຄວາມແຂງແຮງຂອງຊຸດຂໍ້ມູນ.
ສົມຜົນການຖົດຖອຍ
ດັ່ງທີ່ພວກເຮົາກຳນົດການວິເຄາະການຖົດຖອຍແບບເສັ້ນໃນ Excel, ເສັ້ນແນວໂນ້ມຄວນຈະເປັນເສັ້ນນຳ. ຮູບແບບທົ່ວໄປແມ່ນ:
Y=mX+C.
ນີ້, Y ແມ່ນຕົວແປທີ່ຂຶ້ນກັບ.
ແລະ X ແມ່ນຕົວແປເອກະລາດຢູ່ທີ່ນີ້, ຊຶ່ງຫມາຍຄວາມວ່າພວກເຮົາຈະກໍານົດຜົນກະທົບຂອງການປ່ຽນແປງຂອງຕົວແປ x ຕໍ່ຕົວແປ Y.
C ຈະເປັນພຽງແຕ່ຄ່າຂອງຈຸດຕັດກັນຂອງແກນ Y. ແຖວ.
ໃນກໍລະນີນີ້, ຄ່າຂອງ C intercept ເທົ່າກັບ 9502.109853
ແລະຄ່າຂອງ m ສໍາລັບສອງຕົວແປແມ່ນ -809.265 ແລະ 0.424818.
ດັ່ງນັ້ນ, ພວກເຮົາມີສົມຜົນສຸດທ້າຍຂອງສອງຕົວແປທີ່ແຍກກັນ.
ອັນທຳອິດແມ່ນ:
Y=-809.265771X+9502.12ແລະສົມຜົນຂອງຕົວແປທີສອງແມ່ນ:
Y=0.4248X+9502.12ຄ່າສຳປະສິດ
ຄ່າສຳປະສິດທີ່ພວກເຮົາໄດ້ຮັບແມ່ນ m1=-809.2655 ແລະ m2=04248 . ແລະ interceptor, C= 9502.12 .
- ທຳອິດ, ຄ່າ interceptor ຊີ້ບອກວ່າຄວາມຕ້ອງການຈະເປັນ 9502 ເມື່ອລາຄາເປັນສູນ.
- ແລະຄ່າຂອງ m ໝາຍເຖິງອັດຕາການປ່ຽນແປງຄວາມຕ້ອງການຕໍ່ຫົວໜ່ວຍການປ່ຽນແປງລາຄາ. ຄ່າສໍາປະສິດລາຄາແມ່ນ -809.265, ສະແດງໃຫ້ເຫັນວ່າການເພີ່ມຂຶ້ນຂອງລາຄາຕໍ່ຫົວໜ່ວຍຈະເຮັດໃຫ້ຄວາມຕ້ອງການຫຼຸດລົງປະມານ 809 ຫົວໜ່ວຍ.
- ສຳລັບຕົວແປທີສອງ, ຂາຍແລ້ວ, ຄ່າ m ແມ່ນ 0.424. ນີ້ຫມາຍເຖິງການປ່ຽນແປງຕໍ່ຫົວຫນ່ວຍລາຍການທີ່ຂາຍຈະເຮັດໃຫ້ຜະລິດຕະພັນເພີ່ມຂຶ້ນ 0424 ເວລາ. ເຂົ້າຈາກເສັ້ນ regression ແມ່ນຄວາມແຕກຕ່າງ. ການຕົກຄ້າງ ລະບຸວ່າຄ່າຕົວຈິງຢູ່ໄກຈາກເສັ້ນເທົ່າໃດ. ຕົວຢ່າງ, ການເຂົ້າຄຳນວນຈາກການວິເຄາະການຖົດຖອຍສຳລັບການເຂົ້າທຳອິດແມ່ນ 9497. ແລະຄ່າຕົ້ນສະບັບທຳອິດແມ່ນ 9500. ດັ່ງນັ້ນສ່ວນທີ່ເຫຼືອແມ່ນປະມານ 2.109.
T-Statistics Value
ຄ່າ T-statics ແມ່ນການແບ່ງຕົວຄູນດ້ວຍຄ່າມາດຕະຖານ. ຄ່າທີ່ສູງກວ່ານັ້ນ, ຄວາມໜ້າເຊື່ອຖືທີ່ດີຂຶ້ນຂອງຄ່າສຳປະສິດຊີ້ບອກ.
ມີຄວາມສຳຄັນອີກອັນໜຶ່ງຂອງຄ່ານີ້, ເຊິ່ງຈໍາເປັນຕ້ອງໄດ້ ຄິດໄລ່ຄ່າ P.
ໄລຍະຄວາມເຊື່ອໝັ້ນ 95%
ນີ້ແມ່ນຄວາມໝັ້ນໃຈຂອງຕົວແປທີ່ພວກເຮົາກຳນົດໄວ້ເປັນ 95 ໃນຕອນຕົ້ນ. ມັນສາມາດປ່ຽນແປງໄດ້.
- ໃນນີ້, ຄ່າສໍາປະສິດຂອງ 95% ຕ່ໍາແມ່ນຄິດໄລ່ເປັນ 8496.84 ຫມາຍຄວາມວ່າ 95% ເທິງແມ່ນຄິດໄລ່ເປັນ 10507.37,
- ນີ້ຫມາຍຄວາມວ່າໃນຂະນະທີ່ພວກເຮົາ. ຄ່າສໍາປະສິດຫຼັກແມ່ນປະມານ, 9502.1.ມີໂອກາດສູງທີ່ຄ່າອາດຈະຕໍ່າກວ່າ 8496 ສໍາລັບ 95% ຂອງກໍລະນີ ແລະ 5% ໂອກາດທີ່ມັນຈະເກີນ 10507.37
ອ່ານເພີ່ມເຕີມ:
ສິ່ງທີ່ຄວນຈື່
✎ ວິທີການວິເຄາະການຖົດຖອຍພຽງແຕ່ປະເມີນຄວາມສຳພັນລະຫວ່າງຕົວແປທີ່ຢູ່ພາຍໃຕ້ການກວດສອບເທົ່ານັ້ນ. ມັນບໍ່ໄດ້ສ້າງເຫດຜົນ. ໃນວິທີການອື່ນໆ, ພຽງແຕ່ລັກສະນະຄວາມກ່ຽວຂ້ອງພິຈາລະນາ. ເມື່ອການກະ ທຳ ບາງຢ່າງເຮັດໃຫ້ເກີດບາງສິ່ງບາງຢ່າງ, ມັນກາຍເປັນສາເຫດ. ເມື່ອການປ່ຽນແປງຂອງຕົວແປຫນຶ່ງສ້າງການປ່ຽນແປງ, ມັນສາມາດພິຈາລະນາສາເຫດ. ທຸກປະເພດຂອງ outliers ຕ້ອງໄດ້ຮັບການໂຍກຍ້າຍອອກກ່ອນທີ່ຈະເຮັດການວິເຄາະ. ເພື່ອວິເຄາະແລະຕີຄວາມຜົນຂອງການວິເຄາະການຖົດຖອຍໃນ Excel, ທ່ານຈໍາເປັນຕ້ອງພິຈາລະນາຈຸດເຫຼົ່ານີ້.
ສະຫຼຸບ
ເພື່ອສະຫຼຸບມັນ, ຄໍາຖາມ "ວິທີການຕີຄວາມຜົນຂອງການຖົດຖອຍໃນ Excel" ແມ່ນຕອບຢ່າງລະອຽດ. ການວິເຄາະແລະຕໍ່ມາຕີຄວາມມັນ. ການວິເຄາະແມ່ນເຮັດໄດ້ຜ່ານເຄື່ອງມື ການວິເຄາະຂໍ້ມູນ ໃນແຖບ ຂໍ້ມູນ .
ສຳລັບບັນຫານີ້, ປຶ້ມວຽກແມ່ນມີໃຫ້ດາວໂຫຼດທີ່ທ່ານສາມາດປະຕິບັດການວິເຄາະການຖົດຖອຍ ແລະຕີຄວາມໝາຍໄດ້. ມັນ.
ກະລຸນາຖາມຄຳຖາມ ຫຼື ຄຳຕິຊົມຜ່ານພາກສ່ວນຄຳເຫັນ. ຄຳແນະນຳໃດໆກໍຕາມເພື່ອຄວາມດີຂຶ້ນຂອງຊຸມຊົນ Exceldemy ຈະເປັນທີ່ຊື່ນຊົມສູງ.
