Det p- værdi er et af de vigtigste begreber i statistik. Når de arbejder med forskningsprojekter, er dette det output, dataforskere ofte bruger til at finde den statistiske signifikans af to datasæt.
Men hvordan beregner du p- værdi i Google Regneark?
Denne artikel vil vise dig alt, hvad du behøver at vide om emnet. Ved slutningen af artiklen vil du være i stand til at beregne p-værdien og nemt kontrollere dine resultater.
Hvad er P-værdien?
Det p- værdi bruges til at bestemme, om visse hypoteser er korrekte eller ej. Grundlæggende vil videnskabsmænd vælge en værdi eller et område af værdier, der udtrykker det normale, forventede resultat, når data ikke er korreleret. Efter at have beregnet p- værdien af deres datasæt, vil de vide, hvor tæt de er på disse resultater.
hvordan man sender lange videoer på iphone
Konstanten, der repræsenterer de forventede resultater, kaldes signifikansniveauet. Selvom du kan vælge dette tal baseret på tidligere forskning, er det normalt sat til 0,05.
Hvis den beregnede p- værdien er langt under signifikansniveauet, så er de forventede resultater statistisk signifikante. Jo lavere s -værdi, jo mere sandsynligt er det, at dine data udtrykker en form for sammenhæng.
Enkel oversigt
Hvis du er ny til Google Sheets eller formler, opdeler vi det, så det er nemt at forstå.
Funktioner er simple formler, der fortæller Google Sheets, hvilke data du vil udtrække fra et sæt tal.
For at finde P-værdien (om et sæt tal er statistisk signifikant), bruger vi T-Test-funktionen. Hvis resultatet er lavere end 0,05, er dataene statistisk signifikante. Hvis det er højere end 0,05, har vi brug for flere data.
For at undgå risikoen for at ende med falske resultater på grund af fejlbehæftede beregninger, er det bedst at bruge værktøjer som Google Sheets. Siden p- værdien er så betydelig, at udviklerne har inkluderet en funktion, der vil beregne den direkte. Det følgende afsnit viser dig, hvordan du gør det.
Sådan indtaster du data i T-Test-funktionen og får resultaterne:
- Klik på det felt, du vil indtaste formlen.
- Klik Indsæt på toppen. Vælg derefter Fungere og Statistisk . Klik derefter for at indsætte T.Test funktion .
Nu hvor du har indsat T-Test-funktionen, kan du indtaste dataene her:
Liste det første sæt af kolonner og rækker:
- Indtast det første sæt som kolonnenummer + rækkenummer.
- Medtag et komma efter det første sæt.
- Det skal se ud som A2:A7 for vores eksempel.
Angiv derefter det andet sæt kolonner og rækker :
- Indtast det andet sæt som kolonnenummer + rækkenummer.
- Medtag et komma efter det andet sæt.
- I vores eksempel ville det være B2:B7
Fortæl Google om Distribution Tails :
- Tallet 1 betyder, at du arbejder med One Distribution tail.
- Tallet 2 betyder, at du arbejder med Two Distribution tails.
- Medtag et komma efter 1 eller 2.
Indtast 1, 2 eller 3 som det endelige tal :
- 1 er parametre for en parret test.
- 2 er for en lige to-prøve test.
- 3 er for en ulige to-stikprøve test.
- Medtag et komma efter 1, 2 eller 3.
Nu hvor du forstår, hvordan funktionen fungerer, lad os se, om dit datasæt er større end eller mindre end 0,5.
Beregning af p- Værdi i Google Sheets
Den bedste måde at forklare dette på er gennem et eksempel, du kan følge. Hvis du allerede har en eksisterende tabel, skal du blot anvende det, du lærer fra følgende selvstudie.
Vi starter med at lave to sæt data. Derefter vil vi sammenligne de oprettede datasæt for at se, om de har statistisk signifikans.
Lad os sige, at vi skal undersøge data for en personlig træner. Den personlige træner gav os deres klients tal vedrørende deres push-up og pull-up progression, og vi har indtastet dem i Google Spreadsheet.
Tabellen er meget grundlæggende, men den vil tjene formålet med denne artikel.
For at sammenligne disse to sæt data skal vi bruge Google Spreadsheets T-TEST-funktion.
Denne funktions syntaks ser sådan ud: TTEST(array1,array2,tails,type), men du kan også bruge syntaksen T.TEST(array1,array2,tails,type) – begge refererer til den samme funktion.
Array1 er det første datasæt . I vores tilfælde ville det være hele Pushups-kolonnen (undtagen kolonnenavnet, selvfølgelig).
Array2 er det andet datasæt , som er alt under kolonnen Pull-ups.
windows 10 windows startknap fungerer ikke
Haler repræsenterer antallet af haler, der bruges til fordelingen. Du har kun to muligheder her:
1 – ensidet fordeling
2 – tosidet fordeling
Type repræsenterer en heltalsværdi, som kan være 1 (parret T-TEST), 2 (to-samplet lige varians T-test) eller 3 (to-sample ulige varians T-Test).
Vi vil følge disse trin for at arbejde gennem eksemplet p-test:
- Navngiv en kolonne efter vores valg, TTEST, og vis denne funktions resultater i kolonnen ved siden af.
- Klik på den tomme kolonne, hvor du ønsker p- værdier, der skal vises, og indtast den formel, du har brug for.
- Indtast følgende formel: =TEST(A2:A7;B2:B7;1,3). Som du kan se, betyder A2:A7 start- og slutpunktet for vores første kolonne. Du kan blot holde markøren ved den første position (A2) og trække den til bunden af din kolonne, og Google Spreadsheets opdaterer automatisk din formel.
- Tilføj et komma til din formel og gør det samme for den anden kolonne.
Bemærk, at de udfyldte kolonner nu er fremhævet.
- Udfyld hale- og skrivargumenterne (adskilt af kommaer), og tryk på Enter.
Bemærk : Se det forrige afsnit for mere forklaring.
Dit resultat skal vises i den kolonne, hvor du har skrevet formlen.
Almindelige fejlmeddelelser
Hvis du har lavet en fejl ved at indtaste din TTEST-formel, har du sandsynligvis set en af disse fejlmeddelelser:
- #N/A – vises, hvis dine to datasæt har forskellige længder.
- #NUM – vises, hvis det indtastede hale-argument ikke er lig med 1 eller 2. Det kan også vises, hvis type-argumentet ikke er lig med 1, 2 eller 3.
- #VÆRDI! – vises, hvis du har indtastet ikke-numeriske værdier for hale- eller typeargumenter.
Det har aldrig været nemmere at beregne data med Google Regneark
Forhåbentlig har du nu tilføjet endnu en Google Regneark-funktion til dit arsenal. At lære om dette onlineværktøjs muligheder og funktioner vil gøre dig bedre til at analysere data, selvom du ikke er statistiker.
Har du en alternativ metode, du bruger til at beregne p- værdi? Du er velkommen til at fortælle os alt om det i kommentarerne nedenfor.
