excel中回归分析三种方法

㈠ 怎么用excel进行回归分析

以Excel2010为例。
1、“开发工具”选项卡 中单击“加载项”组中的“加载项”按钮，打开“加启弊载宏”对话迹友框。如下图。勾选 “分析工具库”。

2、“数据”选项卡中“分析”组中的“数据分析”按钮，悄州族打开“数据分析”对话框。如下图。单击“回归”选项。

剩下的楼主自己搞定吧。

㈡ 怎么用Excel做回归分析啊

excel线性回归方程做法如下：

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

1、打开电脑，双击打开Excel软件。

㈢ 怎样在excel中进行线性回归分析

LINEST
函数——可以查看EXCEL的帮助，以下为摘录：

本文介绍 Microsoft Excel 中 LINEST 函数 的公式语法和用法。在“另请参阅”部分中可找到一些链接，这些链接指向有关绘制图表和执行回归分析的详细信息。

说明

LINEST
函数可通过使用最小二乘法计算与现有数据最佳拟合的直线，来计算某直线的统计值，然后返回描述此直线的数组。也可以将 LINEST
与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。因为此函数返回数值数组，所以必须以数组公式的形式输入。请按照本文中的示例使用此函数。

直线的公式为：
y = mx + b

- 或 -
y = m1x1 + m2x2 + ... + b

如果有多个区域的 x 值，其中因变量 y 值是自变量 x 值的函数。m 值是与每个 x 值相对应的系数，b 为常量。注意，y、x 和 m 可以是向量。LINEST 函数返回的数组为 {mn,mn-1,...,m1,b}。LINEST
函数还可返回附加回归统计值。

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

LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值。）：

语法

Known_y's 必需。关系表达式 y = mx + b 中已知的 y 值集合。

如果 known_y's 对应的单元格区域在单独一列中，则 known_x's 的每一列被视为一个独立的变量。
如果 known_y's 对应的单元格区域在单独一行中，则 known_x's 的每一行被视为一个独立的变量。
Known_x's 可选。关系表达式 y = mx + b 中已知的 x 值集合。

known_x's 对应的单元格区域可以包含一组或多组变量。如果仅使用一个变量，那么只要 known_y's 和 known_x's
具有相同的维数，则它们可以是任何形状的区域。如果使用多个变量，则 known_y's 必须为向量（即必须为一行或一列）。
如果省略 known_x's，则假设该数组为 {1,2,3,...}， 其大小与 known_y's 相同。
const 可选。一个逻辑值，用于指定是否将常量 b 强制设为 0。

如果 const 为 TRUE 或被省略，b 将按通常方式计算。
如果 const 为 FALSE，b 将被设为 0，并同时调整 m 值使 y = mx。
stats 可选。一个逻辑值，用于指定是否返回附加回归统计值。

如果 stats 为 TRUE，则 LINEST
函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。
如果 stats 为 FALSE 或被省略，LINEST 函数只返回系数 m
和常量 b。
附加回归统计值如下：

统计值

说明

se1,se2,...,sen
系数 m1,m2,...,mn 的标准误差值。

seb
常量 b 的标准误差值（当 const
为 FALSE 时，seb = #N/A）。

r2
判定系数。y 的估计值与实际值之比，范围在 0 到 1 之间。如果为
1，则样本有很好的相关性，y 的估计值与实际值之间没有差别。相反，如果判定系数为 0，则回乱启归公式不能用来预测 y 值。有关如何计算 r2
的信息，哗袭如请参阅本主题下文中的“说明”。

sey
Y 估计值的标准误差。

F
F 统计或 F 观察值。使用 F
统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。

df
自由度。用于在统计表上查找 F 临界值。将从表中查得的值与 LINEST 函数返回的 F 统计值进行比较可确定模型的置信区间。有关如何计算 df 的信息，请参阅本主题下文中的“说明”。示例 4 说明禅灶了 F 和 df 的用法。

ssreg
回归平方和。

ssresid
残差平方和。有关如何计算 ssreg 和 ssresid
的信息，请参阅本主题下文中的“说明”。

可以使用斜率和 y 轴截距描述任何直线：

斜率 (m)：
通常记为 m，如果需要计算斜率，则选取直线上的两点，(x1,y1) 和 (x2,y2)；斜率等于 (y2 - y1)/(x2 -
x1)。

Y 轴截距 (b)：
通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。

直线的公式为 y = mx + b。如果知道了 m 和 b 的值，将 y 或 x 的值代入公式就可计算出直线上的任意一点。还可以使用 TREND 函数。

当只有一个自变量 x 时，可直接利用下面公式得到斜率和 y 轴截距值：
斜率：
=INDEX(LINEST(known_y's,known_x's),1)

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

数据的离散程度决定了 LINEST 函数计算的直线的精确度。数据越接近线性，LINEST 模型就越精确。LINEST
函数使用最小二乘法来判定数据的最佳拟合。当只有一个自变量 x 时，m 和 b 是根据下面的公式计算出的：

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

直线和曲线拟合函数 LINEST 和 LOGEST
可用来计算与给定数据拟合程度最高的直线或指数曲线， 但需要判断两者中哪一个与数据拟合程度最高。可以用函数 TREND(known_y's,known_x's) 来计算直线，或用函数 GROWTH(known_y's, known_x's) 来计算指数曲线。这些不带 new_x's 参数的函数可在实际数据点上根据直线或曲线来返回 y 预测值的数组，
然后可以将预测值与实际值进行比较。可能需要用图表方式来直观地比较二者。
回归分析时，Excel 会计算每一点的 y 的估计值和实际值的平方差。这些平方差之和称为残差平方和 (ssresid)。然后 Excel 会计算总平方和
(sstotal)。当参数 const = TRUE 或被省略时，总平方和是 y 的实际值和平均值的平方差之和。当参数
const = FALSE 时，总平方和是 y 的实际值的平方和（不需要从每个 y 值中减去平均值）。回归平方和
(ssreg) 可通过公式 ssreg = sstotal - ssresid 计算出来。ssreg = sstotal -
ssresid。残差平方和与总平方和的比值越小，判定系数 r2 的值就越大，r2 是用来判断从回归分析求得的公式是否足以说明变量之间关系的指示器。r2 =
ssreg/sstotal。
在某些情况下，一个或多个 X 列可能没有出现在其他 X 列中的附加预测值（假设 Y's 和 X's 位于列中）。换句话说，删除一个或多个 X
列可能会得到同样精度的 y 预测值。在这种情况下，应从回归模型中省略这些多余的 X 列。这种现象被称为“共线”，因为任何多余的 X 列都可被表示为多个非多余 X
列的和。LINEST 函数会检查是否存在共线，并在识别出多余的 X 列之后从回归模型中删除所有这些列。由于包含 0
系数以及 0 se 数值，因此已删除的 X 列能在 LINEST 输出中被识别出来。如果一个或多个多余的列被删除，则将影响
df，原因是 df 取决于实际用于预测目的的 X 列的数量。有关计算 df 的详细信息，请参阅示例
4。如果由于删除多余的 X 列而更改了 df，则也会影响 sey 和 F 的值。实际上，出现共线的情况应该相对很少。但是，如果某些 X 列仅包含 0 和
1 数值作为实验中的对象是否属于特定组成员的指示器，则很可能引起共线。如果 const = TRUE 或被省略，则 LINEST 函数可有效地插入所有 1 数值的其他 X 列以便为截距建立模型。如果在一列中，1 对应于每个男性对象，0
对应于女性对象；而在另一列中，1 对应于每个女性对象，0 对应于男性对象，那么后一列就是多余的，因为其中的项可通过从所有 1 值的另一列（通过 LINEST 函数添加）中减去“男性指示器”列中的项来获得。
在没有 X 列因共线而被从模型中删除时，请用以下方法计算 df 的值：如果 known_x’s 有
k 列且 const = TRUE 或被省略，那么 df = n – k – 1。如果 const = FALSE，那么 df = n - k。在这两种情况下，每次由于共线而删除一个 X 列都会使 df 的值加 1。
对于返回结果为数组的公式，必须以数组公式的形式输入。
当输入一个数组常量（如 known_x's）作为参数时，请使用逗号分隔同一行中的各值，使用分号分隔各行。分隔符可能会因“控制面板”的“区域和语言选项”中区域设置的不同而有所不同。
注意，如果 y 的回归分析预测值超出了用来计算公式的 y 值的范围，它们可能是无效的。
LINEST 函数中使用的下层算法与 SLOPE 和 INTERCEPT 函数中使用的下层算法不同。当数据未定且共线时，这些算法之间的差异会导致不同的结果。例如，如果参数 known_y's 的数据点为 0，参数 known_x's 的数据点为 1：

LINEST 会返回值 0。LINEST
函数的算法用来返回共线数据的合理结果，在这种情况下至少可找到一个答案。
SLOPE 和 INTERCEPT 会返回错误 #DIV/0! 。SLOPE 和 INTERCEPT
函数的算法只用来查找一个答案，在这种情况下可能有多个答案。
除了使用 LOGEST 计算其他回归分析类型的统计值外，还可以使用 LINEST 计算其他回归分析类型的范围，方法是将 x 和 y 变量的函数作为 LINEST 的 x 和 y 系列输入。例如，下面的公式：
=LINEST(yvalues, xvalues^COLUMN($A:$C))

将在您使用 y 值的单个列和 x 值的单个列计算下面的方程式的近似立方（多项式次数 3）值时运行：

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

可以调整此公式以计算其他类型的回归，但是在某些情况下，需要调整输出值和其他统计值。

LINEST 函数返回的 F 检验值与 FTEST 函数返回的 F 检验值不同。LINEST
返回 F 统计值，而 FTEST 返回概率。

㈣ 如何用EXCEL做回归分析

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

㈤ 如何用excel做回归分析

以Excel2010为例。
1、“开发工具”选项卡
中单击“加载项”组中的“加载项”按钮，打开“加启弊载宏”对话迹友框。如下图。勾选
“分析工具库”。

2、“数据”选项卡中“分析”组中的“数据分析”按钮，悄州族打开“数据分析”对话框。如下图。单击“回归”选项。

剩下的楼主自己搞定吧。

㈥ excel2007怎么做回归分析

第一步：启动Microsoft Excel 2007，把需要做回归的数据输入到响应的列中。
输入需要分析的数据
第二步：点击菜单栏中的“数据”选项，在功能区中点击“数据分析”按钮（如果没有此选项，请查看二楼）。
选择“数据分析”
第三步：在弹出的“数据分析”对话框中，选择“回归”，然后“确定”
“数据分析”对话框
第四步：在弹出“回归”对话框中，依次输入如下选项：

回归对话框
1.“Y值输入区域”中填入要分析的结果值，可以使用Excel中的点选功能进行选择；
2.”X值输入区域”中填入要分析数据的因子；
3.点选“标志”（第一行腔游有标题的情况下点选，第一行如果没有标题，请不要选择）
4.选择“置信度”，并设置置信区间，这个要根据实际，一般我们设置为“95％”；
5.在“输出选项”中选择结果的输出区域。如果你选择“输出区域”则需要指消袜定一个单元格做为输出结果左上角的坐标。
6.选择你需要的残差分析图；
7.可选择生成“正态概率图”
第五步：上面的选项拿圆激输入完成后，点击“确定”即出现详细的分析结果。

数据分析结果

㈦ 如何用excel做线性回归分析

调出excel选项，点击加载项。在可用加载宏中，勾选分析工具库，点击确定。详细步骤：

工具／原料：

品牌型号：联想GeekPro2020

系统版本：Win10家庭版

软件版本：Microsoft Excel 2019

1、打开excel表格，点击文件。

㈧ 如何用excel做回归分析

用linest函数
帮助文件如下：
LINEST

请参阅

使用最小二乘法对已知数据进行最佳直线拟合，并返回描述此直线的数组。因为此函数返回数值数组，所以必须以数组公式的形式输入。

直线的公式为：

y = mx + b or

y = m1x1 + m2x2 + ... + b（如果有多个区域的 x 值）

式中，因变量 y 是自变量 x 的函数值。M 值是与每个 x 值相对应的系数，b 为常量。注意 y、x 和 m 可以是向量。LINEST 函数返回的判大型数组为 {mn,mn-1,...,m1,b}。LINEST 函数还可返回附加回归统计值。

语法

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

Known_y's 是关系表达式 y = mx + b 中已知的 y 值集合。

如果数组 known_y's 在单独一列中，则 known_x's 的每一列被视为一个独立的变量。

如果数组 known-y's 在单独一行中，则 known-x's 的每一行被视为一个独立的变量。

Known_x's 是关系表达式 y = mx + b 中已知的可选 x 值集合。

数组 known_x's 可以包含一组或多组变量。如果只用到一个变量，只要 known_y's 和 known_x's 维数相同，它们可以是任何形状的区域。如果仿银用到多个变量，则 known_y's 必须为向量（即必须为一行或一列）。

如果省略 known_x's，则假设该数组为 {1,2,3,...}，其大小与 known_y's 相同。

Const 为一逻辑值，用于指定是否将常量 b 强制设为 0。

如果 const 为 TRUE 或省略，b 将按正常计算。

如果 const 为 FALSE，b 将被设为 0，并同时调整 m 值使 y = mx。

Stats 为一逻辑掘猜值，指定是否返回附加回归统计值。

如果 stats 为 TRUE，则 LINEST 函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。

如果 stats 为 FALSE 或省略，LINEST 函数只返回系数 m 和常量 b。

㈨ excel表中怎么做回归分析

方法如下：

选择成对的数据列，将使用“X、Y散点图”制成散点图。

㈩ 如何用excel做线性回归分析

方法/步骤

厘清各个数据之间的逻辑关系，搞清楚哪个是自变量，哪个又是因变量。如附图所示，这里我们要对人均gdp和城市化水平进行分析，建立符合两者之间的模型，假定人均gdp为自变量，城市化水平是因变量。

由于我们不知道两者之间的具体关系如何，所以我们利用数据生成一个散点图判稿乎断其可能符合的模型。如附图1所示为生成的散点图，一般横坐标为自变量，纵坐标为因变量，所以我们需要将x轴，y轴的坐标对调一下正脊，这里采用最简单的方法，将因变量移动到自变量的右边一列即可，如附图2所示。

由步骤2的散点图，我们可以判断自变量和因变量之间可能呈线性关系，我们可以添加线性趋势线进一步加以判断。如附图1所示。也可以添加指数，移动平均等趋势线进行判断。很明显数据可能符合线性关系，所以下面我们对数据进行回归分析。

选择菜单栏的“数据分析”-->“回归”。具体操作如附图所示。

步骤4进行的回归分析输出结果如附图所示。回归模型是否有效，可以参见p指，如键清悉果p<0.001则极端显着，如果0.001<p<0.01非常显着，0.01<p<0.05则一般显着，p>0.05则不显着。本例的p值均小于0.001，所以属于极端显着，故回归模型是有效的。根据回归模型的结果可知
y = 5E-06x + 0.5876R² = 0.9439
如附图2所示。