De p- värde är ett av de viktigaste begreppen inom statistik. När de arbetar med forskningsprojekt är detta den utdata som dataforskare ofta använder för att hitta den statistiska signifikansen av två datamängder.
Men hur räknar man ut p- värde i Google Kalkylark?
Den här artikeln kommer att visa dig allt du behöver veta om ämnet. I slutet av artikeln kommer du att kunna beräkna p-värdet och enkelt kontrollera dina resultat.
Vad är P-värdet?
De p- värde används för att avgöra om vissa hypoteser är korrekta eller inte. I grund och botten kommer forskare att välja ett värde eller ett värdeintervall som uttrycker det normala, förväntade resultatet när data inte är korrelerade. Efter att ha beräknat p- värdet av deras datamängder kommer de att veta hur nära de är dessa resultat.
Konstanten som representerar de förväntade resultaten kallas signifikansnivån. Även om du kan välja detta nummer baserat på tidigare forskning, är det vanligtvis satt till 0,05.
Om den beräknade p- värdet är långt under signifikansnivån, då är de förväntade resultaten statistiskt signifikanta. Ju lägre sid -värde, desto mer sannolikt är det att din data uttrycker någon form av korrelation.
Enkel sammanfattning
Om du är ny på Google Kalkylark eller formler delar vi upp det så att det är lätt att förstå.
Funktioner är enkla formler som talar om för Google Sheets vilken data du vill extrahera från en uppsättning siffror.
För att hitta P-värdet (om en uppsättning siffror är statistiskt signifikant) använder vi T-Test-funktionen. Om utfallet är lägre än 0,05 är uppgifterna statistiskt signifikanta. Om det är högre än 0,05 behöver vi mer data.
För att undvika risken att få falska resultat på grund av felaktiga beräkningar är det bäst att använda verktyg som Google Sheets. Sedan p- värdet är så betydande att utvecklarna har inkluderat en funktion som kommer att beräkna det direkt. Följande avsnitt visar hur du gör det.
Så här matar du in data i T-Test-funktionen och får resultaten:
- Klicka på rutan du vill ange formeln.
- Klick Föra in på toppen. Välj sedan Fungera och Statistisk . Klicka sedan för att infoga T.Test funktion .
Nu när du har infogat T-Test-funktionen, så här matar du in data:
Lista den första uppsättningen kolumner och rader:
- Mata in den första uppsättningen som kolumnnummer + radnummer.
- Inkludera ett kommatecken efter den första uppsättningen.
- Det borde se ut som A2:A7 för vårt exempel.
Lista sedan den andra uppsättningen kolumner och rader :
- Mata in den andra uppsättningen som kolumnnummer + radnummer.
- Inkludera ett kommatecken efter den andra uppsättningen.
- Enligt vårt exempel skulle det vara B2:B7
Berätta för Google om Distribution Tails :
- Siffran 1 betyder att du arbetar med One Distribution tail.
- Siffran 2 betyder att du arbetar med Two Distribution tails.
- Inkludera ett kommatecken efter 1 eller 2.
Mata in 1, 2 eller 3 som slutsiffra :
- 1 är parametrar för ett parat test.
- 2 är för ett lika tvåprovstest.
- 3 är för ett ojämlikt tvåprovstest.
- Inkludera ett kommatecken efter 1, 2 eller 3.
Nu när du förstår hur funktionen fungerar, låt oss se om din datamängd är större än eller mindre än 0,5.
Beräknar p- Värde i Google Kalkylark
Det bästa sättet att förklara detta är genom ett exempel som du kan följa. Om du redan har en befintlig tabell, använd helt enkelt det du lär dig från följande handledning.
stäng av plats på Facebook-inlägg
Vi börjar med att göra två uppsättningar data. Efter det kommer vi att jämföra de skapade datamängderna för att se om de har statistisk signifikans.
Låt oss säga att vi måste undersöka data för en personlig tränare. Den personliga tränaren försåg oss med kundens nummer angående deras pushup och pull-up progression, och vi har skrivit in dem i Google Spreadsheet.
Tabellen är väldigt enkel, men den kommer att tjäna syftet med den här artikeln.
För att jämföra dessa två uppsättningar data måste vi använda Google Spreadsheets T-TEST-funktion.
Denna funktions syntax ser ut så här: TTEST(array1,array2,tails,type) men du kan också använda syntaxen T.TEST(array1,array2,tails,typ) – båda refererar till samma funktion.
Array1 är den första datamängden . I vårt fall skulle det vara hela Pushups-kolumnen (förutom kolumnnamnet förstås).
Array2 är den andra datamängden , vilket är allt under kolumnen Pull-ups.
Svansar representerar antalet svansar som används för fördelningen. Du har bara två alternativ här:
1 – ensidig fördelning
2 – tvåsidig distribution
Typ representerar ett heltalsvärde som kan vara 1 (parad T-TEST), 2 (två-samplad lika varians T-test) eller 3 (två-sampel ojämn varians T-test).
Vi kommer att följa dessa steg för att arbeta igenom exemplet p-test:
- Namnge en kolumn som vi väljer, TTEST, och visa denna funktions resultat i kolumnen bredvid den.
- Klicka på den tomma kolumnen där du vill ha p- värden som ska visas och ange den formel du behöver.
- Ange följande formel: =TEST(A2:A7,B2:B7,1,3). Som du kan se betyder A2:A7 start- och slutpunkten för vår första kolumn. Du kan helt enkelt hålla markören vid den första positionen (A2) och dra den till botten av kolumnen, så uppdaterar Google Spreadsheets din formel automatiskt.
- Lägg till ett kommatecken i din formel och gör samma sak för den andra kolumnen också.
Lägg märke till att de fyllda kolumnerna nu är markerade.
- Fyll i svansarna och typargumenten (avgränsade med kommatecken) och tryck på Enter.
Notera : Se föregående avsnitt för mer förklaring.
Ditt resultat bör visas i kolumnen där du har skrivit formeln.
Vanliga felmeddelanden
Om du har gjort ett misstag när du skrev din TTEST-formel har du förmodligen sett ett av dessa felmeddelanden:
- #N/A – visas om dina två datamängder har olika längd.
- #NUM – visas om det angivna tails-argumentet inte är lika med 1 eller 2. Det kan också visas om typargumentet inte är lika med 1, 2 eller 3.
- #VÄRDE! – visas om du har angett icke-numeriska värden för svansar eller typargument.
Att beräkna data har aldrig varit enklare med Google Spreadsheets
Förhoppningsvis har du nu lagt till ytterligare en Google Spreadsheets-funktion till din arsenal. Att lära sig om det här onlineverktygets möjligheter och funktioner kommer att göra dig bättre på att analysera data, även om du inte är statistiker.
Har du en alternativ metod som du använder för att beräkna p- värde? Berätta gärna allt om det i kommentarerna nedan.
