---
schema_version: "1"
id: ee09bf7754859f528f224c6190c7683e3a36406fccb6270116d61760f44885e9
title: ตัวอย่าง - สำรวจอายุคาดเฉลี่ยของเพศหญิงด้วยฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์
collection: tableau
version: next
locale: th-th
portal_url: https://docs.salesforce.com/tableau/next/th-th/pro/desktop/predictions_example.md
canonical_url: https://help.tableau.com/v0.0/pro/desktop/th-th/predictions_example.htm
source_site: help.tableau.com
content_type: documentation
content_hash: ea67fd6f7d9a6c7990c7cf82b4e297af772ee8f8abd09225947e952a830b82e4
description: "example: explore female life expectancy with MODEL_PERCENTILE and MODEL_QUANTILE."
---
[ข้ามไปยังเนื้อหาหลัก](#main-content)

# ตัวอย่าง - สำรวจอายุคาดเฉลี่ยของเพศหญิงด้วยฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์

ตัวอย่างนี้ใช้แหล่งข้อมูลที่บันทึกไว้ของตัวชี้วัดของโลกที่มาพร้อมกับ Tableau เราจะใช้[ฟังก์ชันการสร้างแบบจำลองเชิงคาดการณ์](https://help.tableau.com/current/pro/desktop/th-th/predictions_overview.htm) MODEL\_QUANTILE และ MODEL\_PERCENTILE เพื่อสำรวจความสัมพันธ์ระหว่างการใช้จ่ายด้านสุขภาพต่อหัว อายุคาดเฉลี่ยของเพศหญิง และอัตราการเกิด

มาเริ่มต้นกันด้วยการแสดงเป็นภาพที่เปรียบเทียบการใช้จ่ายด้านสุขภาพของแต่ละประเทศกับอายุคาดเฉลี่ยของเพศหญิง หากต้องการติดตามและเข้าถึงมุมมองและแดชบอร์ดที่สร้างไว้ล่วงหน้า หรือเพื่อดูโซลูชัน ให้ดาวน์โหลดเวิร์กบุ๊กต่อไปนี้จาก Tableau Public: [การสร้างแบบจำลองเชิงคาดการณ์ของอายุคาดเฉลี่ยของเพศหญิง](https://public.tableau.com/profile/tableau.docs.team#!/vizhome/PredictiveModelingofFemaleLifeExpectancy/PercentileStarter)

![แผนภาพการกระจายอายุคาดเฉลี่ยของเพศหญิง](/tableau/next/th-th/pro/desktop/th-th/Img/life-expect1.png)

## การใช้ MODEL\_PERCENTILE

ขั้นแรกเราจะประเมินอายุคาดเฉลี่ยและค่าใช้จ่ายด้านสุขภาพสำหรับเครื่องหมายที่แสดงทั้งหมด การดำเนินการนี้จะช่วยให้ Tableau สร้างแบบจำลองจากเครื่องหมายเหล่านั้นและแสดงเปอร์เซ็นต์ไทล์สำหรับแต่ละแบบจำลองภายในแบบจำลอง

### ขั้นตอนที่ 1: สร้างการคำนวณการคาดการณ์

หากคุณมี Tableau Server หรือ Tableau Cloud และต้องการเขียนบนเว็บแทนใน Tableau Desktop ให้เผยแพร่เวิร์กบุ๊กไปยัง Tableau Server คลิกเวิร์กบุ๊ก เลือกเวิร์กบุ๊ก จากนั้นใต้ “การดำเนินการ” ให้เลือกแก้ไขเวิร์กบุ๊ก

หลังจากที่เปิดเวิร์กบุ๊ก หลายๆ ชีตจะแสดงขึ้นมา คุณจะใช้ชีตเหล่านั้นเพื่อสร้างมุมมองของคุณ

1. ในเวิร์กบุ๊กตัวเริ่มต้น ให้คลิกชีต**ตัวเริ่มต้นแบบเปอร์เซ็นไทล์**
2. เปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ
3. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

- ตั้งชื่อการคำนวณ: **ความคาดหวังและการใช้จ่ายเป็นเปอร์เซ็นต์ไทล์**

**หมายเหตุ:** หากดำเนินการตามในเวิร์กบุ๊กตัวเริ่มต้น คุณจะเห็นชื่อต่างๆ สำหรับการคำนวณที่ใช้ตลอดตัวอย่างนี้ การดำเนินการนี้ช่วยให้คุณตั้งชื่อฟิลด์ได้ตามที่อธิบายไว้ที่นี่โดยไม่ต้องสร้างข้อมูลซ้ำ โซลูชันของคุณอาจมีชื่อที่แตกต่างกัน แต่การแสดงเป็นภาพควรมีลักษณะเหมือนกัน

- ป้อนสูตรต่อไปนี้:
    
    `MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))`

การคำนวณนี้ใช้อายุคาดเฉลี่ยเป็นนิพจน์เป้าหมายและค่าใช้จ่ายด้านสุขภาพตามค่าค่ามัธยฐานเป็นตัวคาดการณ์ ในกรณีนี้ เราใช้การแปลงลอการิทึมบนแกนการใช้จ่ายด้านสุขภาพเช่นเดียวกับตัวคาดการณ์

**หมายเหตุ:** เนื่องจากชุดข้อมูลนี้เบนไปยังค่าที่มีขนาดใหญ่มาก เราจึงแปลงข้อมูลของเราโดยใช้[มาตราส่วนลอการิทึม](https://www.dataclaritycorp.com/the-power-of-logarithmic-scale/) ซึ่งมีประโยชน์เมื่อวิเคราะห์ข้อมูลด้วยบางค่าที่สูงกว่าค่าอื่นๆ และจะทำให้ง่ายต่อการระบุแนวโน้มและความสัมพันธ์ในชุดข้อมูลของเรา

5. คลิกตกลง
    
    การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว

### ขั้นตอนที่ 2: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง

ในการแสดงเป็นภาพข้างต้น คุณสามารถเห็นการใช้จ่ายด้านสุขภาพของแต่ละประเทศเมื่อเทียบกับอายุคาดเฉลี่ยของเพศหญิงที่กรองจากปี 2012

ตอนนี้ลองเพิ่มการคำนวณ MODEL\_PERCENTILE ลงในมุมมองและดูว่าเราจะได้รับข้อมูลเชิงลึกใดบ้าง

1. ลาก**ความคาดหวังและการใช้จ่ายเป็นเปอร์เซ็นต์ไทล์**ไปยังสีบนการ์ดเครื่องหมาย
2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค
3. คลิกสีบนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี

- ใต้ “ชุดสี” ให้เลือกสีส้ม-ฟ้าที่แตกต่างกัน
- เลือกช่องทำเครื่องหมายสีแบบขั้นบันได
- เลือกช่องทำเครื่องหมายย้อนกลับ

5. คลิกตกลง

![แผนภาพจะแสดงอายุคาดเฉลี่ยของเพศหญิงเมื่อเทียบกับการใช้จ่าย](/tableau/next/th-th/pro/desktop/th-th/Img/life-expect2.png)

คุณจะเห็นการแจกแจงของประเทศที่อายุคาดเฉลี่ยสำหรับสุขภาพสูงกว่าและต่ำกว่าที่คาดการณ์ไว้โดยขึ้นอยู่กับระดับการใช้จ่าย สังเกตว่าโดยทั่วไปแล้วเครื่องหมายสีแดงเข้มหมายความว่าอายุคาดเฉลี่ยสูงโดยสัมพันธ์กับการใช้จ่ายด้านการดูแลสุขภาพ สีน้ำเงินเข้มหมายความว่าอายุคาดเฉลี่ยต่ำโดยสัมพันธ์กับการใช้จ่ายด้านการดูแลสุขภาพ และสีเทาหมายความว่าอายุคาดเฉลี่ยใกล้เคียงกับสิ่งที่แบบจำลองคาดหวัง โดยขึ้นอยู่กับระดับการใช้จ่ายด้านการดูแลสุขภาพ

### ขั้นตอนที่ 3: จัดกลุ่มผลลัพธ์ตามสี

เพื่อวิเคราะห์ให้ง่ายขึ้น ลองใช้การคำนวณการคาดการณ์ในการคำนวณใหม่เพื่อจัดกลุ่มผลลัพธ์ เราจะสร้างกลุ่มเพื่อให้เครื่องหมายเหนือเปอร์เซ็นไทล์ที่ 90 และต่ำกว่าเปอร์เซ็นไทล์ที่ 10 มีการจัดกลุ่มให้เข้ากัน เครื่องหมายในช่วงเปอร์เซ็นไทล์ที่ 80 -90 และช่วงเปอร์เซ็นไทล์ที่ 10 -20 จะมีการจัดกลุ่มให้เข้ากัน เรายังจะไฮไลต์เครื่องหมายที่มีค่า null และจัดการเครื่องหมายเหล่านั้นในภายหลังโดยใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์อื่นๆ MODEL\_QUANTILE

1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:

- ตั้งชื่อการคำนวณ: **เปอร์เซ็นต์ไทล์ตามสี**
- ป้อนสูตรต่อไปนี้:
    
    `IF   ISNULL([Percentile Expectancy vs Spending])   THEN "Null"   ELSEIF [Percentile Expectancy vs Spending] >=0.9 OR   [Percentile Expectancy vs Spending] <=0.1   THEN "<10th & >90th percentile"   ELSEIF [Percentile Expectancy vs Spending] >=0.8 OR   [Percentile Expectancy vs Spending] <=0.2   THEN "<20th & >80th percentile"   ELSEIF [Percentile Expectancy vs Spending] >=0.7 OR   [Percentile Expectancy vs Spending] <=0.3   THEN "<30th & >70th percentile"   ELSEIF [Percentile Expectancy vs Spending] >=0.6 OR   [Percentile Expectancy vs Spending] <=0.4   THEN "<40th & >60th percentile"   ELSE "50th percentile +-10"   END`

3. เพิ่มการคำนวณใหม่ไปยังสีบนการ์ดเครื่องหมาย
4. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค
5. คลิก “สี” บนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี

- ปรับสีเพื่อให้เห็นแนวโน้มได้ดียิ่งขึ้น ในกรณีนี้ ลองใช้ชุดสีไฟจราจรและใช้สีเทาสำหรับค่า null

7. คลิกตกลง
    
    ![แผนภาพจะแสดงผลลัพธ์ที่จัดกลุ่มตามสี](/tableau/next/th-th/pro/desktop/th-th/Img/life-expect-fix1.png)
    
    เมื่อดูที่เครื่องหมายสีส้มที่มุม ให้สังเกตว่าสหรัฐอเมริกาใช้จ่าย $8,895 ต่อประชากรเพศหญิงสำหรับอายุคาดเฉลี่ยที่ 81 ปี เมื่อดูตามแกน X ทางซ้าย คุณจะเห็นว่าประเทศอื่นๆ ใช้จ่ายน้อยกว่าและมีอายุคาดเฉลี่ยเท่ากัน
    
    แบบจำลองจะประเมินจุดแข็งของความสัมพันธ์ในแต่ละจุด ซึ่งสหรัฐอเมริกาอยู่ใกล้กับจุดสูงสุดของช่วงที่คาดหวังของแบบจำลอง

### ขั้นตอนที่ 4: เปรียบเทียบอายุคาดเฉลี่ยกับอัตราการเกิด

ถัดไป มาดูกันที่การแสดงเป็นภาพที่เปรียบเทียบอายุคาดเฉลี่ยของเพศหญิงกับอัตราการเกิด สังเกตว่ามีความสัมพันธ์เชิงลบระหว่างอัตราการเกิดและอายุคาดเฉลี่ยของเพศหญิง อย่างไรก็ตาม ไม่ได้หมายความว่าอัตราการเกิดที่สูงขึ้นทำให้อายุคาดเฉลี่ยของเพศหญิงลดลง อาจมีปัจจัยเพิ่มเติมที่ส่งผลกระทบต่อทั้งอัตราการเกิดและอายุคาดเฉลี่ยของเพศหญิงที่ไม่แสดงได้ในมุมมองนี้ของข้อมูล แต่ลองเพิ่มแบบจำลองและดูว่าแบบจำลองคาดว่าอายุคาดเฉลี่ยของเพศหญิงจะสูงขึ้นหรือต่ำลงเมื่อพิจารณาจากค่าใช้จ่ายด้านสุขภาพ

![อายุคาดเฉลี่ยตามอัตราการเกิด](/tableau/next/th-th/pro/desktop/th-th/Img/birth-rate1.png)

1. ในชีต**อัตราการเกิด** ให้เพิ่มการคำนวณการคาดการณ์**เปอร์เซ็นต์ไทล์ตามสี**ลงในสีบนการ์ดเครื่องหมายเพื่อนำมาใช้ในมุมมอง
2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค
3. คลิก “สี” บนการ์ดเครื่องหมาย แล้วคลิกแก้ไขสี แก้ไขสีเหมือนเดิมโดยใช้ชุดสีไฟจราจร แล้วก็สีเทาสำหรับค่า null
4. คลิกตกลง
    
    ![แผนภาพจะมุ่งเน้นไปที่ผลลัพธ์ในแอลเบเนียและอาร์เมเนีย](/tableau/next/th-th/pro/desktop/th-th/Img/birth-rate2.png)
    
    ตอนนี้ข้อมูลมีการแจกแจงมากขึ้น แถบสีแดงที่มุมขวาล่างคือจุดที่อายุคาดเฉลี่ยต่ำสุดแต่อัตราการเกิดสูงสุดและค่าใช้จ่ายด้านการดูแลสุขภาพสัมพันธ์กับอายุคาดเฉลี่ยที่ต่ำ เมื่อพิจารณาเครื่องหมายสีแดงทั้งสองในจตุภาคบนซ้าย ซึ่งเกี่ยวข้องกับแอลเบเนียและอาร์เมเนียว่า คุณจะสังเกตเห็นว่าทั้งสองประเทศมีอายุคาดเฉลี่ยของเพศหญิงสูงกว่า อัตราการเกิดต่ำกว่า และค่าใช้จ่ายด้านสุขภาพต่ำ
    
    จากที่คุณเห็น เราสามารถใช้ MODEL\_PERCENTILE เพื่อระบุว่าทั้งสองประเทศนี้มีค่าผิดปกติ: แม้ว่าทั้งสองประเทศจะมีค่าใช้จ่ายในการดูแลสุขภาพที่ค่อนข้างต่ำ แต่ก็ยังมีอายุคาดเฉลี่ยที่ค่อนข้างสูงซึ่งอยู่ในบริบทของอัตราการเกิด
    
    ![เคล็ดลับเครื่องมือจะแสดงให้เห็นว่าแอลเบเนียมีอายุคาดเฉลี่ยที่สูงแม้ว่าจะมีการใช้จ่ายด้านสุขภาพที่ต่ำ](/tableau/next/th-th/pro/desktop/th-th/Img/birth-rate3.png)

ตอนนี้ มาดูวิธีใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์อีกแบบ MODEL\_QUANTILE เพื่อทำการวิเคราะห์ต่อไป

## การใช้ MODEL\_QUANTILE

MODEL\_QUANTILE ใช้เพื่อสร้างการคาดการณ์แบบตัวเลขหากคำนึงถึงเปอร์เซ็นต์ไทล์เป้าหมาย นิพจน์เป้าหมาย และตัวคาดการณ์ คือค่าผกผันของ MODEL\_PERCENTILE

โปรดทราบว่าเรามีค่า null หลายค่าในผลลัพธ์ของเรา ซึ่งหมายความว่าบางประเทศไม่มีข้อมูลค่าใช้จ่ายด้านสุขภาพ เราจะใช้ MODEL\_QUANTILE เพื่อประมาณค่าที่ขาดหายไปเหล่านั้น

### ขั้นตอนที่ 1: สร้างการคำนวณการคาดการณ์

เราได้ทำงานกับการคำนวณนี้:

`MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))`

อันดับแรก เราต้องการกลับฟังก์ชันนี้เพื่อแสดงการคาดการณ์สำหรับค่าใช้จ่ายด้านการดูแลสุขภาพตามอายุคาดเฉลี่ยของเพศหญิง

1. ในเวิร์กบุ๊กตัวเริ่มต้น ให้คลิกชีต**ตัวเริ่มต้นควอนไทล์**
2. เปิดเมนูการวิเคราะห์ที่ด้านบน จากนั้นเลือกสร้างฟิลด์ที่คำนวณ
3. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:
    
    - ตั้งชื่อการคำนวณ: **ควอนไทล์ของความคาดหวังและการใช้จ่าย**
    - ป้อนสูตรต่อไปนี้:
        
        `POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female])))`
        
        ลองแยกย้อยข้อมูลการคำนวณนี้เพื่อทำความเข้าใจให้ดีขึ้น:
        
        - เราเริ่มต้นด้วย MODEL\_QUANTILE ซึ่งอาร์กิวเมนต์แรกคือ 0.5 โดยระบุเปอร์เซ็นต์ไทล์ที่จะคาดการณ์
        - นิพจน์เป้าหมายคือค่ามัธยฐานของค่าใช้จ่ายด้านสุขภาพต่อหัว
        - ตัวคาดการณ์คืออายุคาดเฉลี่ยของเพศหญิง
        - นอกจากนี้ เราสรุปข้อมูลฟังก์ชันภายในฟังก์ชัน POWER เพื่อแปลงนิพจน์เป้าหมายที่แปลงบันทึกกลับเป็นดอลลาร์
4. คลิกตกลง
    
    การคำนวณการคาดการณ์ได้เพิ่มเป็นฟิลด์ที่คำนวณในแผงข้อมูลแล้ว

### ขั้นตอนที่ 2: เพิ่มการคำนวณการคาดการณ์ลงในมุมมอง

1. ลากควอนไทล์ของความคาดหวังและการใช้จ่ายไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย
2. คลิกลูกศรดรอปดาวน์บนปุ่ม แล้วเลือก คำนวณโดยใช้ > ประเทศ/ภูมิภาค
3. คลิกเคล็ดลับเครื่องมือบนการ์ดเครื่องหมายและเพิ่มแถวสำหรับการคาดการณ์ MODEL\_QUANTILE:
    
    - ตั้งชื่อแถวเคล็ดลับเครื่องมือ: **การใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของเพศหญิง:**
    
    - คลิกแทรกและเลือกการคำนวณเพื่อตรวจสอบว่าเคล็ดลับเครื่องมือจะแสดงการคาดการณ์ที่ไม่ซ้ำกันของเครื่องหมายแบบไดนามิกในขณะที่คุณโต้ตอบกับการแสดงเป็นภาพ
4. คลิกตกลง
    
    ![เคล็ดลับเครื่องมือสำหรับอินโดนีเซีย](/tableau/next/th-th/pro/desktop/th-th/Img/quantile1.png)

ในขณะนี้การคำนวณ MODEL\_QUANTILE มีเพียงหนึ่งตัวคาดการณ์: อายุคาดเฉลี่ยของเพศหญิง สังเกตว่าในขณะที่คุณย้ายจากซ้ายไปขวา ให้ดูเคล็ดลับเครื่องมือสำหรับเครื่องหมายที่มีอายุคาดเฉลี่ยที่เท่ากัน โดยแต่ละเครื่องหมายมีการใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้เหมือนกัน ค่าใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของของอินโดนีเซียอยู่ที่ 336 ดอลลาร์แต่สำหรับฟิจิ อียิปต์ และประเทศอื่นๆ ที่มีอายุคาดเฉลี่ยของเพศหญิงเท่ากัน

เนื่องจากแบบจำลองนี้แสดงค่าใช้จ่ายโดยประมาณเหมือนกันสำหรับแต่ละเครื่องหมาย เนื่องจากเราใช้ตัวคาดการณ์เพียงตัวเดียว (อายุคาดเฉลี่ยของเพศหญิง) แบบจำลองจะให้ผลลัพธ์ที่เหมือนกันสำหรับเครื่องหมายทั้งหมดที่ตัวคาดการณ์มีค่าเท่ากัน คุณสามารถเพิ่มความแตกต่างอื่นๆ ให้กับแบบจำลองโดยการเพิ่มตัวคาดการณ์

### ขั้นตอนที่ 3: เพิ่มการคาดการณ์ด้วยตัวคาดการณ์ที่สอง

ในขณะที่สร้างการคาดการณ์ คุณควรพิจารณาว่าฟิลด์ใดจะเป็นตัวคาดการณ์ที่ดีสำหรับค่าเป้าหมายของคุณและรวมไว้ในการคำนวณของคุณ คุณสามารถรวมมิติข้อมูลและการวัดผลต่างๆ เข้าด้วยกันได้ ตัวอย่างเช่น เราสามารถเพิ่ม GDP, ประชากร และฟิลด์อื่นๆ เป็นตัวคาดการณ์เพื่อปรับปรุงการคาดการณ์ของเรา ในกรณีนี้ ให้เพิ่มภูมิภาค

1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:
    
    - ตั้งชื่อการคำนวณ: **ควอนไทล์ของการใช้จ่ายกับความคาดหวังและภูมิภาค**
    - ป้อนสูตรต่อไปนี้ ซึ่งเหมือนกับการคำนวณก่อนหน้านี้แต่เพิ่มภูมิภาคเป็นตัวคาดการณ์:
        
        `POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female]), ATTR([Region])))`
2. คลิกตกลง
3. ถัดไป เพิ่มการคำนวณใหม่ไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย
4. คลิกเคล็ดลับเครื่องมือ และเพิ่มบรรทัดอื่นเพื่ออธิบายการคาดการณ์ใหม่ เช่น **การใช้จ่ายด้านสุขภาพที่คาดการณ์ไว้จากอายุคาดเฉลี่ยของเพศหญิงและภูมิภาค:**
    
    ![เคล็ดลับเครื่องมือสำหรับอินโดนีเซีย](/tableau/next/th-th/pro/desktop/th-th/Img/quantile2.png)
    
    ตอนนี้เคล็ดลับเครื่องมือจะแสดงการคาดการณ์ทั้งสองอย่าง

### ขั้นตอนที่ 4: เปรียบเทียบค่าจริงกับค่าที่คาดการณ์ไว้

สำหรับขั้นตอนสุดท้ายในการวิเคราะห์ คุณยังสามารถสร้างการคำนวณการคาดการณ์ที่รวมค่าจริงและค่าที่คาดการณ์ไว้ด้วยกัน ในตัวอย่างของเรา ลองแสดงค่าใช้จ่ายด้านสุขภาพที่เกิดขึ้นจริงเมื่อมีและค่าใช้จ่ายโดยประมาณเมื่อไม่มี

1. ในตัวแก้ไขการคำนวณ ให้ทำดังนี้:
    
    - ตั้งชื่อการคำนวณ: **ค่าจริงของการใช้จ่ายด้านสุขภาพเทียบกับค่าที่คาดการณ์**
    - ป้อนสูตรต่อไปนี้ซึ่งจะแสดงค่าตัวเลขของการคาดการณ์:
        
        `ROUND(IFNULL(AVG([Health Exp/Capita]),[Quantile_HE/Cap_LEF,Region]),0)`
2. คลิกตกลง
3. สร้างการคำนวณอีกวิธีดังนี้:
    
    - ตั้งชื่อการคำนวณ: **การใช้จ่ายด้านสุขภาพจริงเทียบกับแท็กการคาดการณ์**
    - ป้อนสูตรต่อไปนี้ ซึ่งจะทำหน้าที่เป็นป้ายกำกับสำหรับการคำนวณข้างต้น:
        
        `STR(IF ISNULL(AVG([Health Exp/Capita])) THEN "(Estimate)" ELSE "(Actual)" END)`
4. คลิกตกลง
5. ถัดไป เพิ่มการคำนวณทั้งสองไปยังเคล็ดลับเครื่องมือบนการ์ดเครื่องหมาย
6. คลิกเคล็ดลับเครื่องมือและเพิ่มบรรทัดอื่นเพื่ออธิบายการคำนวณใหม่:
    
    - **ค่าใช้จ่ายด้านสุขภาพต่อหัว (จริงหรือโดยประมาณ):**
    
    - แทรกการคำนวณใหม่ทีละรายการ
7. คลิกตกลง
    
    ![เคล็ดลับเครื่องมือสำหรับเบอร์มิวดา](/tableau/next/th-th/pro/desktop/th-th/Img/quantile-estimated.png)
    
    ในขณะที่โต้ตอบกับการแสดงเป็นภาพ คุณสามารถดูค่าใช้จ่ายด้านสุขภาพต่อหัวของแต่ละประเทศหรือดูค่าประมาณหากค่าที่แท้จริงขาดหายไป (null) จากข้อมูล
    
    คุณสามารถใช้ฟังก์ชันการสร้างแบบจำลองแบบคาดการณ์ใน Tableau เพื่อรับข้อมูลเชิงลึกจากข้อมูลของคุณได้ง่ายๆ