excel中回歸分析三種方法

㈠ 怎麼用excel進行回歸分析

以Excel2010為例。
1、「開發工具」選項卡 中單擊「載入項」組中的「載入項」按鈕，打開「加啟弊載宏」對話跡友框。如下圖。勾選 「分析工具庫」。

2、「數據」選項卡中「分析」組中的「數據分析」按鈕，悄州族打開「數據分析」對話框。如下圖。單擊「回歸」選項。

剩下的樓主自己搞定吧。

㈡ 怎麼用Excel做回歸分析啊

excel線性回歸方程做法如下：

工具／原料：聯想V480、Windows7、Microsoft office 2007

1、打開電腦，雙擊打開Excel軟體。

㈢ 怎樣在excel中進行線性回歸分析

LINEST
函數——可以查看EXCEL的幫助，以下為摘錄：

本文介紹 Microsoft Excel 中 LINEST 函數 的公式語法和用法。在「另請參閱」部分中可找到一些鏈接，這些鏈接指向有關繪制圖表和執行回歸分析的詳細信息。

說明

LINEST
函數可通過使用最小二乘法計算與現有數據最佳擬合的直線，來計算某直線的統計值，然後返回描述此直線的數組。也可以將 LINEST
與其他函數結合使用來計算未知參數中其他類型的線性模型的統計值，包括多項式、對數、指數和冪級數。因為此函數返回數值數組，所以必須以數組公式的形式輸入。請按照本文中的示例使用此函數。

直線的公式為：
y = mx + b

- 或 -
y = m1x1 + m2x2 + ... + b

如果有多個區域的 x 值，其中因變數 y 值是自變數 x 值的函數。m 值是與每個 x 值相對應的系數，b 為常量。注意，y、x 和 m 可以是向量。LINEST 函數返回的數組為 {mn,mn-1,...,m1,b}。LINEST
函數還可返回附加回歸統計值。

語法
LINEST(known_y's, [known_x's], [const], [stats])

LINEST 函數語法具有以下參數 （參數：為操作、事件、方法、屬性、函數或過程提供信息的值。）：

語法

Known_y's 必需。關系表達式 y = mx + b 中已知的 y 值集合。

如果 known_y's 對應的單元格區域在單獨一列中，則 known_x's 的每一列被視為一個獨立的變數。
如果 known_y's 對應的單元格區域在單獨一行中，則 known_x's 的每一行被視為一個獨立的變數。
Known_x's 可選。關系表達式 y = mx + b 中已知的 x 值集合。

known_x's 對應的單元格區域可以包含一組或多組變數。如果僅使用一個變數，那麼只要 known_y's 和 known_x's
具有相同的維數，則它們可以是任何形狀的區域。如果使用多個變數，則 known_y's 必須為向量（即必須為一行或一列）。
如果省略 known_x's，則假設該數組為 {1,2,3,...}， 其大小與 known_y's 相同。
const 可選。一個邏輯值，用於指定是否將常量 b 強制設為 0。

如果 const 為 TRUE 或被省略，b 將按通常方式計算。
如果 const 為 FALSE，b 將被設為 0，並同時調整 m 值使 y = mx。
stats 可選。一個邏輯值，用於指定是否返回附加回歸統計值。

如果 stats 為 TRUE，則 LINEST
函數返回附加回歸統計值，這時返回的數組為 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。
如果 stats 為 FALSE 或被省略，LINEST 函數只返回系數 m
和常量 b。
附加回歸統計值如下：

統計值

說明

se1,se2,...,sen
系數 m1,m2,...,mn 的標准誤差值。

seb
常量 b 的標准誤差值（當 const
為 FALSE 時，seb = #N/A）。

r2
判定系數。y 的估計值與實際值之比，范圍在 0 到 1 之間。如果為
1，則樣本有很好的相關性，y 的估計值與實際值之間沒有差別。相反，如果判定系數為 0，則回亂啟歸公式不能用來預測 y 值。有關如何計算 r2
的信息，嘩襲如請參閱本主題下文中的「說明」。

sey
Y 估計值的標准誤差。

F
F 統計或 F 觀察值。使用 F
統計可以判斷因變數和自變數之間是否偶爾發生過可觀察到的關系。

df
自由度。用於在統計表上查找 F 臨界值。將從表中查得的值與 LINEST 函數返回的 F 統計值進行比較可確定模型的置信區間。有關如何計算 df 的信息，請參閱本主題下文中的「說明」。示例 4 說明禪灶了 F 和 df 的用法。

ssreg
回歸平方和。

ssresid
殘差平方和。有關如何計算 ssreg 和 ssresid
的信息，請參閱本主題下文中的「說明」。

可以使用斜率和 y 軸截距描述任何直線：

斜率 (m)：
通常記為 m，如果需要計算斜率，則選取直線上的兩點，(x1,y1) 和 (x2,y2)；斜率等於 (y2 - y1)/(x2 -
x1)。

Y 軸截距 (b)：
通常記為 b，直線的 y 軸的截距為直線通過 y 軸時與 y 軸交點的數值。

直線的公式為 y = mx + b。如果知道了 m 和 b 的值，將 y 或 x 的值代入公式就可計算出直線上的任意一點。還可以使用 TREND 函數。

當只有一個自變數 x 時，可直接利用下面公式得到斜率和 y 軸截距值：
斜率：
=INDEX(LINEST(known_y's,known_x's),1)

Y 軸截距：
=INDEX(LINEST(known_y's,known_x's),2)

數據的離散程度決定了 LINEST 函數計算的直線的精確度。數據越接近線性，LINEST 模型就越精確。LINEST
函數使用最小二乘法來判定數據的最佳擬合。當只有一個自變數 x 時，m 和 b 是根據下面的公式計算出的：

其中，x 和 y 是樣本平均值；即，x = AVERAGE(known x's)，y
= AVERAGE(known_y's)。

直線和曲線擬合函數 LINEST 和 LOGEST
可用來計算與給定數據擬合程度最高的直線或指數曲線， 但需要判斷兩者中哪一個與數據擬合程度最高。可以用函數 TREND(known_y's,known_x's) 來計算直線，或用函數 GROWTH(known_y's, known_x's) 來計算指數曲線。這些不帶 new_x's 參數的函數可在實際數據點上根據直線或曲線來返回 y 預測值的數組，
然後可以將預測值與實際值進行比較。可能需要用圖表方式來直觀地比較二者。
回歸分析時，Excel 會計算每一點的 y 的估計值和實際值的平方差。這些平方差之和稱為殘差平方和 (ssresid)。然後 Excel 會計算總平方和
(sstotal)。當參數 const = TRUE 或被省略時，總平方和是 y 的實際值和平均值的平方差之和。當參數
const = FALSE 時，總平方和是 y 的實際值的平方和（不需要從每個 y 值中減去平均值）。回歸平方和
(ssreg) 可通過公式 ssreg = sstotal - ssresid 計算出來。ssreg = sstotal -
ssresid。殘差平方和與總平方和的比值越小，判定系數 r2 的值就越大，r2 是用來判斷從回歸分析求得的公式是否足以說明變數之間關系的指示器。r2 =
ssreg/sstotal。
在某些情況下，一個或多個 X 列可能沒有出現在其他 X 列中的附加預測值（假設 Y's 和 X's 位於列中）。換句話說，刪除一個或多個 X
列可能會得到同樣精度的 y 預測值。在這種情況下，應從回歸模型中省略這些多餘的 X 列。這種現象被稱為「共線」，因為任何多餘的 X 列都可被表示為多個非多餘 X
列的和。LINEST 函數會檢查是否存在共線，並在識別出多餘的 X 列之後從回歸模型中刪除所有這些列。由於包含 0
系數以及 0 se 數值，因此已刪除的 X 列能在 LINEST 輸出中被識別出來。如果一個或多個多餘的列被刪除，則將影響
df，原因是 df 取決於實際用於預測目的的 X 列的數量。有關計算 df 的詳細信息，請參閱示例
4。如果由於刪除多餘的 X 列而更改了 df，則也會影響 sey 和 F 的值。實際上，出現共線的情況應該相對很少。但是，如果某些 X 列僅包含 0 和
1 數值作為實驗中的對象是否屬於特定組成員的指示器，則很可能引起共線。如果 const = TRUE 或被省略，則 LINEST 函數可有效地插入所有 1 數值的其他 X 列以便為截距建立模型。如果在一列中，1 對應於每個男性對象，0
對應於女性對象；而在另一列中，1 對應於每個女性對象，0 對應於男性對象，那麼後一列就是多餘的，因為其中的項可通過從所有 1 值的另一列（通過 LINEST 函數添加）中減去「男性指示器」列中的項來獲得。
在沒有 X 列因共線而被從模型中刪除時，請用以下方法計算 df 的值：如果 known_x』s 有
k 列且 const = TRUE 或被省略，那麼 df = n – k – 1。如果 const = FALSE，那麼 df = n - k。在這兩種情況下，每次由於共線而刪除一個 X 列都會使 df 的值加 1。
對於返回結果為數組的公式，必須以數組公式的形式輸入。
當輸入一個數組常量（如 known_x's）作為參數時，請使用逗號分隔同一行中的各值，使用分號分隔各行。分隔符可能會因「控制面板」的「區域和語言選項」中區域設置的不同而有所不同。
注意，如果 y 的回歸分析預測值超出了用來計算公式的 y 值的范圍，它們可能是無效的。
LINEST 函數中使用的下層演算法與 SLOPE 和 INTERCEPT 函數中使用的下層演算法不同。當數據未定且共線時，這些演算法之間的差異會導致不同的結果。例如，如果參數 known_y's 的數據點為 0，參數 known_x's 的數據點為 1：

LINEST 會返回值 0。LINEST
函數的演算法用來返回共線數據的合理結果，在這種情況下至少可找到一個答案。
SLOPE 和 INTERCEPT 會返回錯誤 #DIV/0! 。SLOPE 和 INTERCEPT
函數的演算法只用來查找一個答案，在這種情況下可能有多個答案。
除了使用 LOGEST 計算其他回歸分析類型的統計值外，還可以使用 LINEST 計算其他回歸分析類型的范圍，方法是將 x 和 y 變數的函數作為 LINEST 的 x 和 y 系列輸入。例如，下面的公式：
=LINEST(yvalues, xvalues^COLUMN($A:$C))

將在您使用 y 值的單個列和 x 值的單個列計算下面的方程式的近似立方（多項式次數 3）值時運行：

y = m1*x + m2*x^2 + m3*x^3 + b

可以調整此公式以計算其他類型的回歸，但是在某些情況下，需要調整輸出值和其他統計值。

LINEST 函數返回的 F 檢驗值與 FTEST 函數返回的 F 檢驗值不同。LINEST
返回 F 統計值，而 FTEST 返回概率。

㈣ 如何用EXCEL做回歸分析

在日常數據分析工作當中，回歸分析是應用十分廣泛的一種數據分析方法，按照涉及自變數的多少，可分為一元回歸分析和多元回歸分析；按照自變數和因變數之間的關系類型，可分為線性回歸分析和非線性回歸分析。

回歸分析的實施步驟：

1）根據預測目標，確定自變數和因變數

2）建立回歸預測模型

3）進行相關分析

4）檢驗回歸預測模型，計算預測誤差

5）計算並確定預測值

我們接下來講解在Excel2007中如何進行回歸分析？

一、案例場景

為了研究某產品中兩種成分A與B之間的關系，現在想建立不同成分A情況下對應成分B的擬合曲線以供後期進行預測分析。測定了下列一組數據：

㈤ 如何用excel做回歸分析

以Excel2010為例。
1、「開發工具」選項卡
中單擊「載入項」組中的「載入項」按鈕，打開「加啟弊載宏」對話跡友框。如下圖。勾選
「分析工具庫」。

2、「數據」選項卡中「分析」組中的「數據分析」按鈕，悄州族打開「數據分析」對話框。如下圖。單擊「回歸」選項。

剩下的樓主自己搞定吧。

㈥ excel2007怎麼做回歸分析

第一步：啟動Microsoft Excel 2007，把需要做回歸的數據輸入到響應的列中。
輸入需要分析的數據
第二步：點擊菜單欄中的「數據」選項，在功能區中點擊「數據分析」按鈕（如果沒有此選項，請查看二樓）。
選擇「數據分析」
第三步：在彈出的「數據分析」對話框中，選擇「回歸」，然後「確定」
「數據分析」對話框
第四步：在彈出「回歸」對話框中，依次輸入如下選項：

回歸對話框
1.「Y值輸入區域」中填入要分析的結果值，可以使用Excel中的點選功能進行選擇；
2.」X值輸入區域」中填入要分析數據的因子；
3.點選「標志」（第一行腔游有標題的情況下點選，第一行如果沒有標題，請不要選擇）
4.選擇「置信度」，並設置置信區間，這個要根據實際，一般我們設置為「95％」；
5.在「輸出選項」中選擇結果的輸出區域。如果你選擇「輸出區域」則需要指消襪定一個單元格做為輸出結果左上角的坐標。
6.選擇你需要的殘差分析圖；
7.可選擇生成「正態概率圖」
第五步：上面的選項拿圓激輸入完成後，點擊「確定」即出現詳細的分析結果。

數據分析結果

㈦ 如何用excel做線性回歸分析

調出excel選項，點擊載入項。在可用載入宏中，勾選分析工具庫，點擊確定。詳細步驟：

工具／原料：

品牌型號：聯想GeekPro2020

系統版本：Win10家庭版

軟體版本：Microsoft Excel 2019

1、打開excel表格，點擊文件。

㈧ 如何用excel做回歸分析

用linest函數
幫助文件如下：
LINEST

請參閱

使用最小二乘法對已知數據進行最佳直線擬合，並返回描述此直線的數組。因為此函數返回數值數組，所以必須以數組公式的形式輸入。

直線的公式為：

y = mx + b or

y = m1x1 + m2x2 + ... + b（如果有多個區域的 x 值）

式中，因變數 y 是自變數 x 的函數值。M 值是與每個 x 值相對應的系數，b 為常量。注意 y、x 和 m 可以是向量。LINEST 函數返回的判大型數組為 {mn,mn-1,...,m1,b}。LINEST 函數還可返回附加回歸統計值。

語法

LINEST(known_y's,known_x's,const,stats)

Known_y's 是關系表達式 y = mx + b 中已知的 y 值集合。

如果數組 known_y's 在單獨一列中，則 known_x's 的每一列被視為一個獨立的變數。

如果數組 known-y's 在單獨一行中，則 known-x's 的每一行被視為一個獨立的變數。

Known_x's 是關系表達式 y = mx + b 中已知的可選 x 值集合。

數組 known_x's 可以包含一組或多組變數。如果只用到一個變數，只要 known_y's 和 known_x's 維數相同，它們可以是任何形狀的區域。如果仿銀用到多個變數，則 known_y's 必須為向量（即必須為一行或一列）。

如果省略 known_x's，則假設該數組為 {1,2,3,...}，其大小與 known_y's 相同。

Const 為一邏輯值，用於指定是否將常量 b 強制設為 0。

如果 const 為 TRUE 或省略，b 將按正常計算。

如果 const 為 FALSE，b 將被設為 0，並同時調整 m 值使 y = mx。

Stats 為一邏輯掘猜值，指定是否返回附加回歸統計值。

如果 stats 為 TRUE，則 LINEST 函數返回附加回歸統計值，這時返回的數組為 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。

如果 stats 為 FALSE 或省略，LINEST 函數只返回系數 m 和常量 b。

㈨ excel表中怎麼做回歸分析

方法如下：

選擇成對的數據列，將使用「X、Y散點圖」製成散點圖。

㈩ 如何用excel做線性回歸分析

方法/步驟

釐清各個數據之間的邏輯關系，搞清楚哪個是自變數，哪個又是因變數。如附圖所示，這里我們要對人均gdp和城市化水平進行分析，建立符合兩者之間的模型，假定人均gdp為自變數，城市化水平是因變數。

由於我們不知道兩者之間的具體關系如何，所以我們利用數據生成一個散點圖判稿乎斷其可能符合的模型。如附圖1所示為生成的散點圖，一般橫坐標為自變數，縱坐標為因變數，所以我們需要將x軸，y軸的坐標對調一下正脊，這里採用最簡單的方法，將因變數移動到自變數的右邊一列即可，如附圖2所示。

由步驟2的散點圖，我們可以判斷自變數和因變數之間可能呈線性關系，我們可以添加線性趨勢線進一步加以判斷。如附圖1所示。也可以添加指數，移動平均等趨勢線進行判斷。很明顯數據可能符合線性關系，所以下面我們對數據進行回歸分析。

選擇菜單欄的「數據分析」-->「回歸」。具體操作如附圖所示。

步驟4進行的回歸分析輸出結果如附圖所示。回歸模型是否有效，可以參見p指，如鍵清悉果p<0.001則極端顯著，如果0.001<p<0.01非常顯著，0.01<p<0.05則一般顯著，p>0.05則不顯著。本例的p值均小於0.001，所以屬於極端顯著，故回歸模型是有效的。根據回歸模型的結果可知
y = 5E-06x + 0.5876R² = 0.9439
如附圖2所示。