在試算表中計算p值（p-value）教學

p值（p-value）是什麼？

p值（p-value）是一個機率值，它代表反對虛無假設的證據強度，而虛無假設（H0）是一種認為變數之間沒有顯著差異或影響的假設。p值幫助研究者確定觀察到的結果是否具有統計顯著性，或者只是偶然發生的。

在試算表中使用T.TEST函數計算p值

T.TEST 函數在試算表中常用於比較兩組資料集的平均值，並計算相應的p值。此函數假設兩組資料級來自相同的母體，符合常態分佈，並且具有相同的變異數。以下我們將舉例教您使用：

例如，當您想要知道工廠的新製程與舊製程相比，是否確實降低了平均不良率，您可以進行單尾檢定。

1. 將您的數據分別輸入到兩列。
2. 選取一個要放p值的空白儲存格。
3.輸入公式：=T.TEST(array1, array2, tails, type)

• "array1" 和 "array2" 指的是兩組樣本的數據範圍。

• "tails" 代表檢定的尾數（輸入1 代表單尾檢定， 2 代表雙尾檢定。

• "type" 代表要執行的t檢定類型（輸入 1 代表成對樣本，2 代表獨立樣本。

此範例的公式請用：=T.TEST(A3:A7,B3:B7,1,1)

何時使用單尾檢定或雙尾檢定

在假設檢定中何時使用單尾檢定或雙尾檢定，取決於特定的研究題目以及預期影響的方向性。

• 當您的假設有一個具體方向性時，意即您預期產生的影響有特定方向（要不是更大、就是更小），請使用單尾檢定。例如，您正在測試一種新的教學方法是否提高了學生的測驗成績，而您本來就預期它會提高成績，可以使用單尾檢定來驗證。

• 當您想確定兩個組別或兩種條件之間是否存在顯著差異，但沒有具體的方向性假設，而希望找到變化的方向時（可能是增加、或是減少），使用雙尾檢定。例如，您正在測試一種新藥對血壓是否有影響，但不確定它會增加還是降低血壓，則應使用雙尾檢定。

如何解釋p值結果

• 若p值小於顯著水準（通常為 0.05）代表結果具有統計顯著性。

• 若p值大於顯著水準代表結果不具統計顯著性，我們無法拒絕虛無假設。

在上面的例子中，得出的p值遠小於選定的顯著水準 0.05。我們可以得出結論，有足夠的證據支持虛無假設：新製程比起舊製程確實減少了平均不良率。

使用T.Test函數計算p值的實際應用

在以下情境中，使用試算表中的T.Test 函數可幫助研究者判定兩個組別或兩種條件之間，是否存在顯著差異和影響，從而協助您做出明確的決策。

• 醫學研究：比較服用降血壓新藥的患者和服用一般安慰劑的患者，驗證新的血壓藥是否能有效降低血壓。

• 市場研究：分析兩個不同客戶群體的平均消費模式，以確定是否存在任何顯著差異。

• 教育研究：評估一種新的教學方法比起傳統方法，能否幫助學生獲得更高的考試成績。

• 生產品質管理：比較新製程比起舊製程，是否能提升產品品質。

• 環境研究：分析城市和農村地區的環境監測站數據，調查空氣污染程度是否存在差異。

試算表中的其他p值計算方法

在試算表中，您可以根據您想進行的假設檢定，使用不同的統計函數來計算p值。以下是幾種常見函數：

• Z檢定：Z.TEST函數一般用於已知母體標準差的大樣本。例如，使用 =Z.TEST(A1:A100, 50, STDEV(A1:A100)) 可以檢驗 A1:A100 中的樣本平均值是否與 50 顯著不同。

• 卡方檢定：CHISQ.TEST函數是分析類別型資料的統計方法，用來評估兩變數間是否相互獨立。例如，如果您的觀察值在儲存格 A1:A4 中，而期望值在儲存格 B1:B4 中，可以使用 =CHISQ.TEST(A1:A4, B1:B4)。

• 變異數分析（ANOVA）：ANOVA函數可用於檢定多組相互獨立樣本的母體平均數是否具有顯著差異。例如，如果您有三組數據在 A1:A20、B1:B20 和 C1:C20 中，可以使用 =ANOVA(A1:A20, B1:B20, C1:C20)。

• 相關性分析：您可以使用皮爾森（Pearson）函數來衡量兩個變數之間的關聯強度和關係方向。例如，您的兩組數據在儲存格 A1:A10 和 B1:B10 中，可以使用 =PEARSON(A1:A10, B1:B10)。

在試算表計算p值時可能出現的錯誤

避免以下錯誤，確保p值計算的準確性。

• 使用錯誤公式

• 對p值結果解讀錯誤

• 誤解統計檢定方法隱含的前提假設，例如常態性、獨立性和變異數同質性，使用檢定前請多加留意。

• 輸入錯誤資料

• 混淆單尾和雙尾檢定

• 未能識別與處理離群值或影響點