Excel 卡方檢定已死？AI 一鍵生成期望次數表，秒解跨國行銷決策
告別手刻 (列總和 * 欄總和) 的公式地獄，讓 AI 直接產出卡方檢定的最終洞察。
現況剖析與統計 (Diagnostic) ‧ Level 2 (流程自動化)
商業危機與痛點
凌晨兩點，螢幕的白光刺痛著 Dave 的雙眼。Mark 的郵件像一道催命符，主旨是「URGENT: Global Patient Response Analysis for Board Meeting」。一份涵蓋全球五大區、數千名病患情緒反饋的數據剛丟進來，Mark 要在八小時後的董事會上，知道這款新藥的心理支持計畫，是否在不同文化地區產生了顯著不同的效果。一個典型的卡方檢定問題，對身為預測建模師的 Dave 來說，本該是小菜一碟。
但他被困在了 Excel 的煉獄裡。他知道，`CHITEST` 函數本身很簡單，但它需要一個平行的『期望次數』表作為對照。這意味著，他必須為觀察次數表裡的每一個儲存格，手動輸入 `(該儲存格的列總和 * 該儲存格的欄總和) / 總計`。五大地區、六種情緒等級，三十個儲存格，三十次重複、脆弱且極易出錯的計算。滑鼠的每一次點擊，都像在鋼索上行走，只要一個欄位參照錯誤，整個分析就會崩塌，而以挑剔聞名的法務主管 Mélanie，絕對會在董事會上把他釘死在數據的十字架上。
時鐘滴答作響，每一次跳動都像是 Mark 在倒數。Dave 感覺自己不是在分析數據，而是在為一個巨大而脆弱的紙牌屋，徒手搭建地基。他需要的不是一個更快的計算機，而是一個能讓他從這場公式災難中解脫的奇蹟。
傳統上，在 Excel 中執行卡方檢定最痛苦的瓶頸，並非 `CHITEST` 函數本身，而是前置作業的無底洞。你必須手動建立一個結構完全相同的「期望次數表」，並在每個對應的儲存格中，小心翼翼地寫下 `(列總和 * 欄總和) / 總計` 的公式。這個過程不僅繁瑣、耗時，更糟的是它毫無擴展性。只要原始資料增加一個新的地區或是一個新的情緒分類，整個期望次數表的所有公式都必須從頭檢查、修改甚至重寫。這是一個懲罰數據複雜性的惡性循環。
現在要處理的資料如下：
Patient_ID,Region,Emotional_Control_Assessment PT-81001,North America,High PT-81002,Europe,Medium PT-81003,Asia-Pacific,High PT-81004,LATAM,Low PT-81005,North America,Very High PT-81006,Europe,Medium PT-81007,MEA,Medium PT-81008,Asia-Pacific,High PT-81009,North America,Medium PT-81010,Europe,High ..... (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
- AI 解法的核心在於抽象化。它不是像人一樣去點擊特定儲存格，而是將數據視為一個整體結構。它會先動態識別出所有獨特的『地區』與『情緒等級』分類，自動建立分析的框架。因此，即使你的資料從 5 個地區增加到 10 個，腳本也無需修改，它會自動適應新的數據維度。
- 傳統手動計算的致命傷在於「硬編碼」。你的公式 `=(G5*B10)/G10` 是寫死的，它只對當前的表格佈局有效。AI 產出的腳本則是程序化的，它透過迴圈與變數來執行運算，例如 `(rowTotals[r] * colTotals[c]) / grandTotal`。這代表它操作的是數據的邏輯關係，而非固定的儲存格位置，從根本上消除了因佈局變動而導致的錯誤。
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
- 在您的 Google Sheet 頁面，點擊上方選單的 「擴充功能」>「Apps Script」。
- 刪除編輯器中所有預設的程式碼。
- 將 AI 產出的完整 Google Apps Script 程式碼，直接貼到編輯器中。
- 點擊上方的 「儲存專案」 圖示。
- 點擊 「執行」 按鈕。第一次執行時，系統會要求您授權，請同意所有權限。
- 執行完畢後，回到您的 Google Sheet，會發現多了一個名為 「Chi-Squared Results」 的新工作表，裡面包含了所有運算結果與最終結論。
你的價值，不在於計算，而在於洞察。
在無數個深夜裡面對著環環相扣的複雜公式，那種深怕一處錯、全盤皆輸的恐懼，並不是你能力的缺陷，而是工具的極限。那份焦慮是真實的，但它不該是數據分析的常態。AI 的出現，不是為了取代你敏銳的判斷力，而是要將你從這種高風險、低價值的機械式勞動中解放出來。它接管了計算期望值的繁瑣任務，讓你得以將全部的精力，專注於詮釋 P-value 背後的商業意義。現在，把計算的戰場交給機器，你的舞台，在於將數據轉化為決策的會議室裡。
Author’s Note & Inspiration:
The core analytical framework of this case is inspired by Mastering Excel through Projects by Hong Zhou (Chapter 5: Chi-square test). This article serves as both a tribute to the original concepts and a modern challenge to push those boundaries further using AI-driven automation.