如何在 Excel 上計算標準差 (SD)

標準差是統計學中最基本的概念之一，但許多每日處理資料的人並不完全了解它的意義與應用。從核心來看，標準差衡量數值相對於平均值（算術平均數）的離散程度。可以把它想像成資料的「一致性分數」。

想像你在比較兩個業務團隊。兩者的每月平均銷售額都是 50,000 美元。團隊 A 的每月銷售通常介於 48,000 至 52,000 美元之間；團隊 B 的銷售則劇烈波動，介於 20,000 至 80,000 美元。平均值相同，但績效的一致性天差地別。標準差正是量化這種僅靠平均數無法顯示的差異。

為何標準差在現實世界中很重要

商業應用：

- 製造業的品質管制（產品尺寸的一致性）

- 財務風險評估（投資組合的波動性）

- 銷售績效分析

- 顧客滿意度指標

- 庫存管理預測

學術與研究用途：

- 實驗結果的可靠性

- 調查資料分析

- 心理測驗分數評估

- 科學量測的精確度

日常決策：

- 了解您所在地區的天氣變異性

- 分析每月支出模式

- 追蹤健身進展的一致性

- 比較投資選項

標準差提供的基本見解是：低標準差表示資料點大多集中在平均值附近，而高標準差表示資料點分散在較寬的範圍內。這裡有一個 標準差計算範本：

Excel 的標準差公式：知道該選哪一個

Excel 提供六種不同的標準差函數，對初學者來說可能令人困惑。然而，這些差異是基於重要的統計理由而存在。選錯函數可能會導致錯誤的結論。

兩大類別：母體 (Population) 與樣本 (Sample)

最重要的區別在於你是處理整個母體的資料，還是僅為母體的部分樣本：

STDEV.P 和 STDEVPA - 當你擁有研究對象中每一個成員的資料時使用。

- 範例：班上所有 30 名學生的考試分數

- 範例：整年度的每日溫度記錄

STDEV.S 和 STDEVA - 當你只有較大群體中的部分成員（樣本）時使用。

- 範例：代表你 10,000 名顧客的 200 名顧客調查結果

- 範例：從 5,000 件生產批次中抽檢 50 件的品質檢查

為何這個區別在數學上重要：在計算樣本標準差時，我們以 (n-1) 作為分母而不是 n。這個「貝塞爾修正 (Bessel's correction)」補償了樣本通常無法捕捉母體全部變異性的事實，使估計更無偏。

次要區別：Excel 如何處理文字與邏輯值

函數名稱中的第二個字母代表 Excel 對非數值資料的處理方式：

STDEV.P 和 STDEV.S - 忽略文字與邏輯值 (TRUE/FALSE)

STDEVPA 和 STDEVA - 包含邏輯值 (TRUE=1, FALSE=0) 但忽略文字

STDEV 和 STDEVP - 這些是較舊的版本（Excel 2007 及更早版本），保留以維持相容性。在新的工作中建議避免使用它們。

逐步指南：在 Excel 中計算標準差

方法一：使用標準差函數

我們來看一個實際範例。假設你是老師，學生的測驗分數如下：78、85、92、65、88、72、95、81、90、75。

對於整個班級（母體）：

1. 將分數輸入 A1 到 A10 儲存格

2. 在任一空白儲存格輸入：=STDEV.P(A1:A10)

3. 按 Enter 鍵

4. 結果：約 9.13

若視為較大群體的一個樣本：

使用相同資料，但將這 10 位學生視為整所學校母體的一個樣本：

1. 在任一空白儲存格輸入：=STDEV.S(A1:A10)

2. 按 Enter 鍵

3. 結果：約 9.62

注意：樣本標準差（9.62）略高於母體標準差（9.13）。這反映了對抽樣不確定性的統計修正。

方法二：手動計算 - 了解運算過程

為了真正掌握標準差的意義，讓我們在 Excel 中手動計算：

1. 計算平均數：

   =AVERAGE(A1:A10) = 82.1

2. 對每個值求與平均數的差距：

   在 B 欄輸入：=A1-82.1（向下填滿所有分數）

3. 將這些差值平方：

   在 C 欄輸入：=B1^2（向下填滿）

4. 將平方後的差值加總：

   在任一儲存格輸入：=SUM(C1:C10) = 832.9

5. 母體方差 (population variance) ：除以樣本數：

   =832.9/10 = 83.29

6. 取平方根：

   =SQRT(83.29) = 9.13

此練習說明了標準差的實質：每個資料點與平均數的平均距離，並以平方的數學處理來處理負值的情況。

實務應用與範例

範例 1：製造業的品質管制

假設你製造的螺栓應為 10 公分。你量測了 15 顆螺栓：

長度：9.8、10.1、10.0、9.9、10.2、9.9、10.0、10.1、9.8、10.0、9.9、10.1、10.0、9.9、10.2

分析：

- 母體標準差 (STDEV.P)：0.124 公分

- 洞見：你的製程有大約 0.124 公分的自然變異。如果規格允許 ±0.2 公分，你仍在容差範圍內且有餘裕。

範例 2：投資組合比較

比較兩個投資選項在 12 個月內的報酬：

選項 A 報酬：2%、3%、2%、4%、3%、2%、3%、2%、4%、3%、2%、3%

選項 B 報酬：-5%、15%、-3%、20%、-10%、25%、-8%、18%、-5%、22%、-7%、20%

分析：

- 選項 A 標準差：0.75%（以 STDEV.S 計算，作為未來報酬的樣本）

- 選項 B 標準差：14.04%

- 洞見：雖然選項 B 的平均報酬較高，但其標準差約 18 倍更大，顯示風險與波動性高得多。

範例 3：員工績效分析

兩位團隊成員的銷售數據：

Alex：$42,000、$45,000、$43,000、$44,000、$46,000

Jordan：$30,000、$55,000、$35,000、$60,000、$40,000

分析：

- 兩者平均皆為 $44,000

- Alex 的標準差：$1,581

- Jordan 的標準差：$12,942

- 洞見：Alex 的績效較穩定，而 Jordan 的結果波動較大，儘管平均相同。這可能反映不同的工作方式、客群或需要額外培訓的跡象。

解讀你的結果：這些數字實際代表什麼？

經驗法則（68-95-99.7 規則）

對於近似常態分配的資料：

- 約 68% 的數值落在平均數 ±1 個標準差內

- 約 95% 的數值落在平均數 ±2 個標準差內

- 約 99.7% 的數值落在平均數 ±3 個標準差內

實務應用：若學生的平均分為 75，標準差為 8，你可以預期：

- 大約 68% 的分數介於 67 到 83 之間

- 大約 95% 的分數介於 59 到 91 之間

- 幾乎所有分數都落在 51 到 99 之間

何時標準差可能會誤導你

標準差假設你的資料大致為對稱分配。對於偏態分配：

- 考慮報告四分位距（IQR）作為替代

- 使用中位數絕對離差 (MAD) 作為穩健的變異性量測

- 在計算標準差前對資料做轉換（例如對數轉換）

建立標準差儀表板

將多個標準差計算整合到單一動態儀表板中：

1. 使用 AVERAGE、STDEV.S、MIN、MAX 建立摘要統計表

2. 使用條件格式根據標準差閾值顯示視覺指標

3. 趨勢分析顯示標準差隨時間的變化

4. 多資料集或多時間區間的比較檢視

結論：將標準差視為你的資料指南針

掌握 Excel 中的標準差能將你從一個僅會蒐集資料的人，提升為真正理解資料含意的人。標準差為你的平均值提供背景，揭示數字背後的可靠性與可預測性。

記住關鍵決策點：

1. 母體還是樣本？→ STDEV.P vs. STDEV.S

2. 需要包含 TRUE/FALSE 嗎？→ 加上 "A" 後綴

3. 報告你的發現時？→ 一定要說明你使用的是哪個公式

無論你是在優化商業流程、評估投資、進行研究，或只是想了解世界的變異性，Excel 中的標準差都是一個強大且易於使用的工具，可幫助你量化不確定性，並基於不只平均值的資訊做出更明智的決策。

標準差的真正價值不在於計算本身，而在於它所引發的問題：為何此過程如此變動？造成這些極端值的原因是什麼？如何減少這種不可預測性？當你回答這些問題時，就能從資料分析邁向真正的見解與改進。