AI 降維打擊實戰
AI 一秒搞定卡方檢定！解碼情緒密碼，洞悉區域醫療差異
還在為卡方檢定手刻期望次數表？AI 能直接讀懂原始髒資料，一秒輸出洞察報告！
PRO-Cube 分析矩陣
現況剖析與統計 (Diagnostic) ‧ Level 2 (流程自動化)
Healthcare
商業危機與痛點
下午五點，辦公室的空氣凝重得像鉛塊。分析師 Mark 正對著螢幕上的 Excel 表格苦苦奮戰，明天一早的營運會議，他必須報告「不同地區的患者情緒控制狀況是否存在顯著差異」。他知道，這得用卡方檢定，一個聽起來很專業，做起來卻極其折磨的分析。Excel 的 CHITEST 函數像個無情的考官，要求他必須先手動計算出整張「期望次數表」。他嘆了口氣，開始在儲存格間拉著公式：(A欄總和 * 第一列總和) / 總計… 每一個格子都是一場小心翼翼的戰鬥，深怕任何一個 $ 符號的遺漏，都會讓整個分析瞬間崩盤。就在他即將完成時，他發現總計數字對不上，這意味著某個地方出現了致命的參照錯誤。看著窗外逐漸亮起的街燈，和那份似乎永遠無法完成的報表，一股巨大的無力感湧上心頭，難道今天又得加班到深夜嗎？
在傳統 Excel 中，執行卡方檢定是一場耐力與細心的折磨。光是 CHITEST 函數，就需要你先手動建立一張完整的「期望次數」表。這意味著，你的報表上有多少個儲存格，你就要重複輸入多少次『(該列總和 * 該欄總和) / 總計』的公式。過程中，你必須全神貫注地鎖定 ($) 正確的行列參照，只要一個手滑或眼花，整個分析就會全盤皆錯。你浪費大把時間在這些機械性的計算上，而不是真正去解讀數據背後的意義。這種高風險、低效率的過程，足以讓任何資料工作者感到無力與挫敗，深陷在公式的泥沼中難以自拔。
現在要處理的資料如下：
地區,情緒控制評估,病患人數 都會中心,良好,250 北區,良好,180 南區,普通,155 都會中心,待加強,120 東部, 沿海區,良好,95 西區待加強,78 都會中心,不穩定,65 北區,優良,45 山區,普通,25 離島,良好,15
實戰演練素材
下載此範例資料，直接拖曳至 Gemini 進行對話演練。
[P]rompt 神級咒語
請將剛下載的 CSV 拖曳放入 Gemini 視窗，並貼上以下咒語：
你是一位頂尖的資料分析師，請依循以下指示，對我提供的原始資料執行卡方檢定：
1. 這是我的原始資料（CSV 格式）：
“`csv
地區,情緒控制評估,病患人數
都會中心,良好,250
北區,良好,180
南區,普通,155
都會中心,待加強,120
東部, 沿海區,良好,95
西區待加強,78
都會中心,不穩定,65
北區,優良,45
山區,普通,25
離島,良好,15
“`
2. 清理資料：這份資料有髒污，例如 ‘東部, 沿海區’ 應合併為 ‘東部沿海區’，而 ‘西區待加強’ 這種欄位錯置的資料請幫我智慧修正為 ‘西區, 待加強’。
3. 建立列聯表 (Contingency Table)，以『地區』為列，『情緒控制評估』為欄。
4. 根據此列聯表，執行卡方獨立性檢定。
5. 請提供給我完整的分析結果，包含：卡方值 (Chi-square value)、P值 (P-value)、自由度 (Degrees of freedom)。
6. 最後，請以統計學家的角度，根據 P值與顯著水準 alpha = 0.05，明確解釋『地區』與『情緒控制評估』之間是否存在顯著關聯。
[P]rove 稽核驗證點
AI 的強大在於它能理解並修正髒資料，但我們的職責是驗證！這份範例資料有兩個典型陷阱：
第一，『東部, 沿海區』，這其實是把兩個欄位誤植在同一格，AI 應將其合併為單一地區『東部沿海區』。
第二，『西區待加強』，這更是常見的資料登打錯誤，將『地區』與『情緒評估』擠在同一格。AI 應能智慧拆解為『地區: 西區』與『情緒評估: 待加強』。**稽核金鑰**：請手動加總原始資料中『病患人數』的總和 (250+180+…+15 = 1028)，並核對 AI 產出的列聯表 (Contingency Table) 右下角的『總計』是否完全相符。只要總數對了，就代表 AI 已正確清理並分類所有資料，後續的卡方統計值也就值得信賴。
職場防雷提示：
範例資料中故意埋放了空值與格式錯誤，請務必驗證 AI 產出的結果是否正確避開了這些坑！
[P]rocess 執行步驟
1. **複製關鍵表格**：將 AI 生成的『地區』與『情緒控制評估』列聯表 (Contingency Table) 完整反白複製。
2. **貼至 Excel 工作區**：打開 Excel，選擇一個新的工作表，在 A1 儲存格點擊右鍵，選擇「符合目的格式的貼上」或「貼上文字」，將表格完美呈現。
3. **註記最終結論**：複製 AI 提供的卡方值、P值及統計學結論，直接在 Excel 表格下方或側邊的儲存格貼上，讓這份報表包含完整的數據與洞察，方便團隊快速理解分析結果。
結論與心得
透過本篇教學，你學會了如何將繁瑣的統計計算交給 AI，讓自己從「計算員」的角色，蛻變為真正的「分析師」。AI 不僅提升了百倍的效率，更重要的是它降低了人為計算錯誤的風險。然而，請記住「Garbage In, Garbage Out」的黃金法則，在職場應用時，AI 的產出絕不能全盤照收。務必養成驗證資料總數、抽查分類正確性的習慣，確保分析的基礎是穩固的。你的專業知識與批判性思維，永遠是 AI 無法取代的核心價值。