استخدام حزمة أدوات التحليل لإجراء تحليل معقد للبيانات

1. انقر فوق علامة التبويب ملف، ثم فوق خيارات، ثم فوق الفئة الوظائف الإضافية.

2. في المربع إدارة، حدد وظائف Excel الإضافية، ثم انقر فوق انتقال.

   إذا كنت تستخدم Excel for Mac، فانتقل في قائمة الملف إلى أدوات > وظائف Excel الإضافية.

3. في مربع الوظائف الإضافية ، حدد خانة الاختيار حزمة أدوات التحليل ، ثم انقر فوق موافق.

   • إذا لم تكن حزمة أدوات التحليل مدرجة في المربع الوظائف الإضافية المتوفرة، فانقر فوق استعراض لتحديد موقعها.

   • إذا تم توجيهك إلى أن "حزمة أدوات التحليل" غير مثبتة حالياً على الكمبيوتر، فانقر فوق نعم لتثبيتها.

توفر أدوات تحليل Anova أنواعاً مختلفةً من تحليل التباين. وتعتمد الأداة التي يجب استخدامها على عدد العوامل والعينات المتوفرة لديك من المحتويات التي تريد اختبارها.

Anova: Single Factor

تجري هذه الأداة تحليلاً بسيطاً للتباين على البيانات لعينتين أو أكثر. يوفر التحليل اختباراً على فرض أنه قد تم أخذ كل عينة من التوزيع الاحتمالي الأساسي نفسه في مقابل الافتراض البديل أن التوزيعات الاحتمالية الأساسية ليست متطابقة لكافة العينات. إذا كانت هناك عينتان فقط، فبإمكانك استخدام دالة ورقة العمل T.TEST. أما إذا كانت لديك أكثر من عينتين، فلن يوجد أي تعميم مناسب للدالة T.TEST، ويمكن استدعاء النموذج Single Factor Anova بدلاً منها.

Anova: Two-Factor with Replication

تكون أداة التحليل هذه مفيدة عندما يمكن تصنيف البيانات من خلال بُعدين مختلفين. فعلى سبيل المثال، في تجربة لقياس طول النباتات، قد يتم تخصيب النباتات بأنواع مختلفة من السماد (على سبيل المثال أ، ب، ج) وقد يتم الاحتفاظ بها أيضاً في درجات حرارة مختلفة (على سبيل المثال درجات حرارة منخفضة وعالية). بالنسبة لكل من الأزواج الستة المحتملة من (السماد، درجة الحرارة)، يكون لدينا عدد متساوي من الملاحظات على طول النباتات. وباستخدام أداة Anova هذه، يمكننا اختبار:

• ما إذا كانت أطوال النباتات بالنسبة لأنواع السماد المختلفة مأخوذة من المحتوى الأساسي نفسه أم لا. ويتم تجاهل درجات الحرارة لهذا التحليل.

• ما إذا كانت أطوال النباتات بالنسبة للمستويات المختلفة لدرجات الحرارة مأخوذة من المحتوى الأساسي نفسه أم لا. ويتم تجاهل أنواع الأسمدة لهذا التحليل.

سواء يتم حساب العينات الستة للتعرّف على التأثيرات الناتجة عن الاختلافات بين أنواع السماد الموجودة في أول نقطة بالتعداد النقطي والاختلافات في درجات الحرارة الموجودة في ثاني نقطة بالتعداد النقطي أم لا، فإنه يتم أخذ هذه العينات الستة التي تمثل كافة أزواج القيم (السماد ودرجة الحرارة) من المحتوى نفسه. وينص الافتراض البديل على أنه هناك تأثيرات ناتجة عن أزواج معينة من (السماد ودرجة الحرارة) بالإضافة إلى الاختلافات التي تستند إلى نوع السماد فقط أو درجة الحرارة فقط.

Anova: Two-Factor Without Replication

تكون أداة التحليل هذه مفيدة عندما يتم تصنيف البيانات من خلال بُعدين مختلفين مثلما هو الحال في Two-Factor With Replication. ومع ذلك، بالنسبة لهذه الأداة، فمن المفترض أن تكون هناك ملاحظة واحدة فقط لكل زوج (على سبيل المثال، كل زوج (من السماد ودرجة الحرارة) في المثال السابق).

تحسب الدالتان CORRELوPEARSON معامل الارتباط بين متغيري قياس عند ملاحظة القياسات على كل متغير لكل موضوع من مواضيع N. (أي ملاحظة مفقودة لأي موضوع تتسبب في تجاهل الموضوع في التحليل.) تكون أداة تحليل الارتباط مفيدة بشكل خاص عندما يكون هناك أكثر من متغيري قياس لكل موضوع من مواضيع N. يوفر جدول إخراج، مصفوفة ارتباط، تعرض قيمة CORREL (أو PEARSON) المطبقة على كل زوج ممكن من متغيرات القياس.

معامل الارتباط، مثل التباين المشترك، هو مقياس لمدى "اختلاف متغيري القياس معا". على عكس التباين المشترك، يتم قياس معامل الارتباط بحيث تكون قيمته مستقلة عن الوحدات التي يتم التعبير عن متغيري القياس فيها. (على سبيل المثال، إذا كان متغيرا القياس هما الوزن والارتفاع، فإن قيمة معامل الارتباط لا تتغير إذا تم تحويل الوزن من رطل إلى كيلوجرام.) يجب أن تكون قيمة أي معامل ارتباط بين -1 و+1 شاملة.

يمكنك استخدام أداة تحليل الارتباط لاختبار كل زوج من متغيرات القياس وذلك لتحديد ما إذا كان متغيرا القياس يتجهان إلى التحرك معاً أم لا ، ويعني هذا ما إذا كانت القيم الكبيرة لأحد المتغيرين تتجه إلى الاقتران بالقيم الكبيرة للمتغير الآخر (الارتباط الإيجابي)، أو ما إذا كانت القيم الصغيرة لأحد المتغيرين تتجه إلى الاقتران بالقيم الكبيرة للمتغير الآخر (الارتباط السلبي)، أو ما إذا كانت قيم كلا المتغيرين تتجهان إلى عدم الارتباط (تقترب نسبة الارتباط من 0 (الصفر)).

يمكن استخدام كلٍ من الأداتين Correlation وCovariance في الإعداد نفسه، عند ملاحظة عدد N من متغيرات قياس مختلفة على مجموعة من العناصر الفردية. تعطي كل من الأداتين Correlation وCovariance جدول إخراج، وهو عبارة عن مصفوفة، تعرض معامل الارتباط أو التباين المشترك، على التوالي، بين كل زوج من متغيرات القياس. ويكون الاختلاف في أنه يتم تعديل معاملات الارتباط لتتراوح بين 1- و1+ متضمنة القيمتين. لا يتم تعديل التباينات المشتركة المناظرة. ويعتبر كل من معامل الارتباط والتباين المشترك عبارة عن مقاييس لمدى "التفاوت المجمع" للمتغيرين.

تحسب أداة التباين المشترك قيمة الدالة COVARIANCE لورقة العمل. P لكل زوج من متغيرات القياس. (الاستخدام المباشر ل COVARIANCE. P بدلا من أداة التباين المشترك هو بديل معقول عندما يكون هناك متغيران للقياس فقط، أي N=2.) الإدخال على قطر جدول إخراج أداة Covariance في الصف الأول، العمود i هو التباين المشترك لمتغير القياس i-th مع نفسه. هذا هو فقط تباين المحتوى لهذا المتغير، كما هو محسوب بواسطة الدالة VAR لورقة العمل.P.

يمكنك استخدام الأداة Covariance لاختبار كل زوج من متغيرات القياس وذلك لتحديد ما إذا كان متغيرا القياس يتجهان إلى التحرك معاً أم لا ، ويعني هذا ما إذا كانت القيم الكبيرة لأحد المتغيرين تتجه إلى الاقتران بالقيم الكبيرة للمتغير الآخر (التباين المشترك الإيجابي)، أو ما إذا كانت القيم الصغيرة لأحد المتغيرين تتجه إلى الاقتران بالقيم الكبيرة للمتغير الآخر (التباين المشترك السلبي)، أو ما إذا كانت قيم كلا المتغيرين تتجهان إلى عدم الارتباط (تقترب نسبة التباين المشترك من 0 (الصفر)).

تنشئ أداة التحليل Descriptive Statistics تقريراً حول الإحصائيات أحادية المتغير للبيانات الموجودة في نطاق الإدخال، مع توفير معلومات حول الاتجاه المركزي للبيانات وقابلية تغييرها.

تتنبأ أداة التحليل Exponential Smoothing بقيمة تستند إلى التنبؤ الخاص بالفترة السابقة، مع ضبطها حسب الخطأ الموجود في ذلك التنبؤ السابق. وتستخدم الأداة الثابت الانسيابي a، الذي يحدد حجمه مدى قوة استجابة التنبؤات للأخطاء في التنبؤ السابق.

تقوم أداة التحليل F-Test Two-Sample for Variances بإجراء F-test (اختبار F) لعينتين وذلك للمقارنة بين تباينين للمحتوى.

على سبيل المثال، يمكنك استخدام الأداة F-Test على عينات من الوقت في سباق للسباحة لكل من فريقين. توفر الأداة نتيجة اختبار الافتراض الفارغ الذي ينص على أنه تم أخذ هاتين العينتين من توزيعات ذات تباينات متساوية، وذلك في مقابل البديل الذي يشير إلى أن التباينات ليست متساوية في التوزيعات الأساسية.

تحسب الأداة القيمة f لـ F-statistic (لإحصاء F) (أو F-ratio (نسبة F)). وتقدم قيمة f التي تقترب من 1 دليلاً على تساوى تباينات المحتوى الأساسي. ففي جدول الإخراج، إذا كان f < 1، فإن "P(F <= f) one-tail" يعطي الاحتمال بملاحظة قيمة F-statistic الأقل من f عند تساوى تباينات المحتوى، ويعطي "F Critical one-tail" القيمة الحرجة الأقل من 1 لمستوى الأهمية Alpha الذي تم اختياره. وإذا كان f > 1، فإن "P(F <= f) one-tail" يعطي الاحتمال بملاحظة قيمة F-statistic الأكبر من f عند تساوى تباينات المحتوى، ويعطي "F Critical one-tail" القيمة الحرجة الأكبر من 1 لـ Alpha.

تحل الأداة Fourier Analysis المشاكل الموجودة في الأنظمة الخطية وتحلل البيانات الدورية باستخدام الأسلوب Fast Fourier Transform (FFT)‎ لتحويل البيانات. تعتمد هذه الأداة أيضاً التحويلات العكسية، التي يقوم فيها معكوس البيانات المحولة بإرجاع البيانات الأصلية.

تحسب أداة التحليل Histogram الترددات الفردية والتراكمية لنطاق خلايا البيانات وحاويات البيانات. وتنشئ هذه الأداة بيانات بعدد التكرارات لقيمة في مجموعة بيانات.

على سبيل المثال، في فصل يتكون من 20 طالباً، يمكنك تحديد توزيع النقاط في فئات حسب التقديرات الخاصة بهم. يقدم جدول المدرج التكراري الحدود لكل تقدير وعدد النقاط بين الحد الأدنى والحد الحالي لكل تقدير. وتكون النقطة الوحيدة الأكثر تكراراً هي وضع البيانات.

تقدم أداة التحليل Moving Average قيماً تقديرية في قترة التنبؤ، استناداً إلى متوسط قيمة المتغير عبر عدد معين من الفترات السابقة. ويوفر معدل النقل معلومات الاتجاه التي يمكن أن يتضمنها متوسط بسيط لكافة البيانات السابقة. استخدم هذه الأداة في التنبؤ بالمبيعات أو المخزون أو أية اتجاهات أخرى. وتستند كل قيمة للتنبؤ إلى الصيغة التالية.

حيث:

• N هو عدد الفترات السابقة التي سيتم تضمينها في معدل النقل

• A j هي القيمة الفعلية على فواصل زمنية j

• F j هي القيمة التي تم التنبؤ بها على فواصل زمنية j

تقوم أداة التحليل Random Number Generation بتعبئة نطاق بالأرقام العشوائية المستقلة المأخوذة من واحد من توزيعات متعددة. ويمكنك تمييز مواضيع البحث في أي محتوى باستخدام توزيع احتمال. على سبيل المثال، تستطيع استخدام توزيع عادي لتمييز محتوى أطوال الأفراد أو بإمكانك استخدام توزيع Bernoulli لنتيجتين محتملتين لتمييز محتوى النتائج العشوائية.

تنتج أداة التحليل Rank and Percentile جدولاً يحتوي على تصنيف النسبة المئوية الترتيبي لكل قيمة في مجموعة بيانات. فبإمكانك تحليل التصنيف النسبي للقيم في مجموعة بيانات. تستخدم هذه الأداة دالتي ورقة العمل RANK.EQ وPERCENTRANK.INC. وإذا أردت حساب القيم المرتبطة، فاستخدم الدالة RANK.EQ، التي تتعامل مع القيم المرتبطة باعتبار أنها ذات نفس الترتيب، أو استخدم الدالة RANK.AVG، التي تقوم بإرجاع متوسط الترتيب للقيم المرتبطة.

تجري أداة التحليل Regression تحليل انحدار خطياً باستخدام أسلوب "المربعات الصغرى" لاحتواء خط بين مجموعة من الملاحظات. يمكنك تحليل كيفية تأثر متغير تابع واحد بقيم واحد أو أكثر من المتغيرات المستقلة. على سبيل المثال، تستطيع تحليل أداء لاعب رياضي بعوامل مثل العمر والطول والوزن. وبإمكانك تخصيص الأقسام في مقياس الأداء لكل من هذه العوامل الثلاثة، استناداً إلى مجموعة من بيانات الأداء، ثم استخدام النتائج للتنبؤ بأداء لاعب رياضي جديد لم يتم اختباره.

تستخدم أداة الانحدار الدالة LINEST لورقة العمل.

تنشئ أداة التحليل Sampling عينة من محتوى من خلال التعامل مع نطاق الإدخال كمحتوى. وعندما يكون المحتوى كبيراً جداً بحيث تتعذر معالجته أو إنشاء مخطط له، فبإمكانك استخدام عينة تمثيلية. يمكنك أيضاً إنشاء عينة تحتوى فقط على القيم المأخوذة من جزء معين من دورة ما إذا كنت تعتقد أن بيانات الإدخال دورية. على سبيل المثال، إذا احتوى نطاق الإدخال على أرقام مبيعات ربع سنوية، فإن أخذ عينات ذو معدل دوري لأربعة يؤدي إلى وضع القيم المأخوذة من ربع السنة نفسه في نطاق الإخراج.

تختبر أدوات التحليل Two-Sample t-Test مدى مساواة أوساط المحتوى التي تشكل الأساس لكل عينة. وتستخدم الأدوات الثلاثة افتراضات مختلفة هي: تساوي تباينات المحتوى، وعدم تساوي تباينات المحتوى، وتمثيل العينتين لملاحظات ما قبل المعالجة وما بعدها حول مواضيع البحث نفسها.

بالنسبة لكافة الأدوات الثلاثة الموجودة أدناه، يتم حساب قيمة t-Statistic وعرضها كـ "t Stat" في جداول الإخراج. يمكن أن تكون هذه القيمة t سالبة أو غير سالبة استناداً إلى البيانات. ووفقاً لافتراض تساوي أوساط المحتوى الأساسية، إذا كان t < 0، فإن "P(T <= t) one-tail" يعطي الاحتمال بملاحظة أن قيمة t-Statistic سالبة بدرجة أكبر من t. وإذا كان t >=0، فإن "P(T <= t) one-tail" يعطي الاحتمال بملاحظة أن قيمة t-Statistic إيجابية بدرجة أكبر من t. يعطي "t Critical one-tail" قيمة الحد، بحيث يصبح الاحتمال بملاحظة أن قيمة t-Statistic الأكبر من "t Critical one-tail" أو تساويه هو عبارة عن Alpha.

يعطي "P(T <= t) two-tail" الاحتمال بملاحظة أن قيمة t-Statistic أكبر بقيمة مطلقة من t. ويعطي "P Critical two-tail" قيمة الحد، بحيث يصبح الاحتمال بملاحظة أن قيمة t-Statistic الأكبر بقيمة مطلقة من "P Critical two-tail" هو عبارة عن Alpha.

t-Test: Paired Two Sample For Means

يمكنك استخدام اختبار مزدوج عند وجود ازدواج طبيعي للملاحظات في العينات، كما هو الحال عند اختبار مجموعة كعينة مرتين ، قبل التجربة وبعدها. وتقوم أداة التحليل هذه وصيغتها بإجراء Student's t-Test ذي العينتين المزدوجتين لتحديد ما إذا كانت الملاحظات التي تم أخذها قبل المعالجة وتلك التي تم أخذها بعد المعالجة من المحتمل أن تكون ناتجة من توزيعات ذات أوساط محتوى متساوية. ولا يفترض نموذج t-Test هذا أن تباينات كلا المحتويين متساوية.

t-Test: Two-Sample Assuming Equal Variances

تجري أداة التحليل هذه Student's t-Test ذي العينتين. يفترض نموذج t-Test هذا أنه تم أخذ مجموعتين من البيانات من التوزيعات ذات التباينات نفسها. وتتم الإشارة إليه كاختبار t-Test ذي تباينات متساوية. يمكنك استخدام t-Test هذا لتحديد ما إذا كان من المحتمل أن يكون قد تم أخذ العينتين من توزيعات ذات أوساط محتوى متساوية أم لا.

t-Test: Two-Sample Assuming Unequal Variances

تجري أداة التحليل هذه Student's t-Test ذي العينتين. يفترض نموذج t-Test هذا أنه تم أخذ مجموعتين من البيانات من توزيعات ذات تباينات غير متساوية. وتتم الإشارة إليه كاختبار t-Test ذي تباينات غير متساوية. وكما هو الحال في حالة "التباينات المتساوية" السابقة، يمكنك استخدام t-Test هذا لتحديد ما إذا كان من المحتمل أن تكون كلتا العينتين مأخوذتين من توزيعات ذات أوساط محتوى متساوية أم لا. استخدم هذا الاختبار عند وجود مواضيع بحث مميزة في العينتين. واستخدم الاختبار "المزدوج"، الموضح في المثال التالي، عند وجود مجموعة واحدة من مواضيع البحث وكانت العينتان تمثلان مقاييس لكل موضوع بحث قبل المعالجة وبعدها.

يتم استخدام الصيغة التالية في تحديد قيمة الإحصاء t.

يتم استخدام الصيغة التالية في حساب درجات الحرية، df. وبما أن نتيجة الحساب لا تكون عادةً عبارة عن عدد صحيح، فإنه يتم تقريب قيمة df إلى أقرب عدد صحيح للحصول على قيمة حرجة من الجدول t. تستخدم دالة ورقة العمل T.TEST في Excel قيمة df المحسوبة دون أي تقريب، لأنه من المحتمل أن تحسب قيمة T.TEST بعدد df غير صحيح. ونتيجةً لهذه الأساليب المختلفة لتحديد درجات الحرية، ستختلف نتائج T.TEST والأداة t-Test هذه في حالة "التباينات غير المتساوية".

تجري أداة التحليل z-Test: Two Sample for Means اختبار z-Test ذي العينتين لأوساط ذات تباينات معروفة. يتم استخدام هذه الأداة في اختبار الافتراض الفارغ الذي ينص على أنه ليس هناك أي اختلاف بين وسيطي المحتوى في مقابل إما الافتراضات البديلة الأحادية الجانب أو تلك الثنائية الجانب. وإذا كانت التباينات غير معروفة، فمن الضروري استخدام دالة ورقة العمل Z.TEST بدلاً منها.

عند استخدام الأداة z-Test، كن حريصاً على فهم الإخراج. يكون "P(Z <= z) one-tail" عبارة عن P(Z >= ABS(z))‎ بالفعل، وهو الاحتمال بإبعاد قيمة z عن الصفر في الاتجاه نفسه مثل قيمة z التي تمت ملاحظتها، وذلك عند عدم وجود أي اختلاف بين أوساط المحتوى. ويكون "P(Z <= z) two-tail" عبارة عن P(Z >= ABS(z)‎ أو Z <= -ABS(z))‎ بالفعل، وهو الاحتمال بإبعاد قيمة z عن الصفر في أي اتجاه عن قيمة z التي تمت ملاحظتها، وذلك عند عدم وجود أي اختلاف بين أوساط المحتوى. أما النتيجة الثنائية الطرف، فهي عبارة عن نتيجة أحادية الطرف مضروبة في 2. يمكن أيضاً استخدام الأداة z-Test في حالة وجود الافتراض الفارغ بأنه هناك قيمة غير صفرية معينة للاختلاف بين وسطي المحتوى. على سبيل المثال، يمكنك استخدام هذا الاختبار لتحديد الاختلافات بين أداء طرازين من السيارات.