Excel 卡方檢定教學：AI 如何自動化期望次數計算，避免致命錯誤
別再為 Excel 的絕對參照 ($A$1) 奮鬥了！AI 用一句話指令，秒速完成卡方檢定的前置作業。
現況剖析與統計 (Diagnostic) ‧ Level 1 (基礎效率)
商業危機與痛點
在大型醫療集團擔任數據分析師的 Amy，正面臨一場辦公室危機。明天就是季度醫療成效會議，主管 Dr. Lin 要求她分析不同院區的「病患情緒控制評估」是否存在顯著差異，報告必須在今晚完成。Amy 知道，這得用卡方檢定來驗證。她熟練地用「樞紐分析」拉出了觀測次數的交叉表，但真正的夢魘現在才開始：手動建立一張對應的「期望次數」表。
她深吸一口氣，開始在空白儲存格中輸入地獄般的公式：`(該列總和 * 該欄總和) / 總計數`。這不僅僅是輸入一次，表格中有多少格子，她就要重複多少次，而且每次都必須小心翼翼地處理儲存格的絕對與相對參照，例如 `=(GETPIVOTDATA(“觀測人數”,$A$3,”地區”,”台北市”) * SUM(B4:E4)) / $F$8`。她的螢幕上充滿了密密麻麻的 ‘$’ 符號，每多一個縣市或評估結果，複雜度就呈指數級增長。
時間一分一秒過去，Amy 的眼睛因專注於檢查公式而感到酸澀。她非常清楚，只要一個 ‘$’ 符號用錯位置，或是一個儲存格範圍選錯，整份分析報告的結論就會徹底錯誤，明天在主管與眾多院長面前，這個小失誤將會是職涯中的一顆炸彈。她不禁感到絕望：分析的價值應在於洞察，為何卻總是被這些繁瑣又極易出錯的手動計算給困住？
在執行卡方檢定（CHI.TEST）之前，傳統 Excel 作法最痛苦的一步，莫過於手動建立「期望次數」表。你必須先用樞紐分析或 SUMIF 建立觀測值交叉表，然後在旁邊另建一個結構完全相同的表格，逐格輸入公式 `(列總和 * 欄總和) / 總計數`。這個過程充斥著對儲存格絕對參照（$）與相對參照的繁瑣設定，極度考驗耐心與細心。任何微小的疏忽，例如鎖定了列卻忘了鎖定欄，都會導致整個統計結果失之千里，讓後續所有的分析都建立在錯誤的基礎之上，完全是高風險、低價值的手工作業。
現在要處理的資料如下：
地區,情緒控制評估結果,觀測人數 台北市,良好,1852 新北市,普通,2134 桃園市,普通,1450 台中市,待加強,980 台南市,良好,1120 高雄市,普通,1975 基隆市,普通,341 新竹市,極佳,420 嘉義市,待加強,280 台北市,普通,2980 ..... (共計 50 筆資料，請下載完整檔案進行實戰)
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：
[P]rove 稽核驗證點
- **分類一致性校驗**：AI 能迅速發現「情緒控制評估結果」欄位中可能存在的隱藏錯誤，例如「極佳」與「極 佳」(包含空格) 或「普通」與「一般」等用詞不一的情況，這些問題在樞紐分析中常被忽略，導致分組錯誤。
- **數據類型驗證**：「觀測人數」欄位若意外混入文字（如 ‘N/A’）或特殊符號，傳統 Excel 公式會直接報錯 #VALUE!。AI 能在分析前主動識別並提示這些髒資料，確保計算的準確性。
- **統計假設提醒**：AI 在完成檢定後，可進一步提示是否有儲存格的「期望次數」小於 5，這是卡方檢定的重要使用假設。在傳統流程中，這需要分析師手動檢查或另外設定公式才能發現。
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
- 複製上方的 PRO-Cube Prompt，並準備好你的 CSV 格式資料。
- 在 Gemini (或您慣用的 AI 工具) 中，先貼上 Prompt 指令，然後換行，再貼上你的完整 CSV 資料。
- AI 會立即生成一份包含「交叉分析表」與「卡方檢定結果及解讀」的完整報告。
- 點擊複製按鈕，將 AI 生成的表格直接貼到新的 Excel 工作表中。過去需要耗費大量時間手動計算與設定公式的步驟，現在已煙消雲散。
告別儲存格焦慮，擁抱數據洞察
（起）本次實戰清晰地揭示了 AI 如何徹底顛覆傳統 Excel 在統計前置作業上的繁瑣流程。過去，我們將大量寶貴的時間與心力，耗費在確保公式中每一個 ‘$’ 符號的正確性上。（承）卡方檢定的核心價值在於解讀變數間的關聯性，而非建立期望次數表。AI 將我們從 `(列總和*欄總和)/總計數` 的機械式勞動中解放，讓我們能真正專注於 p-value 背後的商業意涵。（轉）這不僅是工具的革新，更是數據工作者思維模式的躍遷——從「如何計算」轉向「為何分析」與「結果代表什麼」。（合）當 AI 承擔了所有枯燥且易錯的計算細節後，分析師便能回歸到策略思考與價值詮釋的核心角色，這正是此波 AI 浪潮帶給我們的最大禮物。