Excel数据解析总结计划工具进行多元回归解析总结计划.docx

完整word版Excel数据解析总结计划工具进行多元回归解析总结计划 完整word版Excel数据解析总结计划工具进行多元回归解析总结计划 完整word版Excel数据解析总结计划工具进行多元回归解析总结计划 使用 Excel数据剖析工具进行多元回归剖析 使用 Excel数据剖析工具进行多元回归剖析与简单的回归估量剖析方法基真同样。可是因为 有些电脑在安装办公软件时并未加载数据剖析工具，所以从加载开始提及（以 Excel2010 版为例，其余版本都能够在相应界面找到） 。 点击“文件” ，以下列图： 在弹出的菜单中选择“选项” ，以下列图所示： 在弹出的“选项”菜单中选择“加载项” ，在“加载项”多行文本框中使用转动条找到并选中“剖析工具库” ，而后点击最下方的“转到” ，以下列图所示： 在弹出的“加载宏”菜单中选择“剖析工具库” ，而后点击 “确立”，以下列图所示： 加载完成，在“数据”工具栏中就出现“数据剖析”工具库，以下列图所示： 给出原始数据，自变量的值在  A2：I21  单元格区间中，因变量的值在  J2： J21 中，以下列图所 示： 假定回归估量表达式为： 试使用 Excel 数据剖析工具库中的回归剖析工具对其回归系数进行估量并进行回归剖析： 点击“数据”工具栏中中的“数据剖析”工具库，以下列图所示： 在弹出的“数据剖析” -“剖析工具”多行文本框中选择“回归” ，而后点击 “确立”，以下列图所示： 弹出“回归”对话框并作以下列图的选择： 上述选择的详细方法是： 在“ Y 值输入地区” ，点击右边折叠按钮，选用函数 Y 数据所在单元格地区 J2： J21，选完后 再单击折叠按钮返回；这过程也能够直接在“ Y 值输入地区”文本框中输入 J2： J21； 在“ X 值输入地区” ，点击右边折叠按钮，选用自变量数据所在单元格地区 A2：I21，选完后 再单击折叠按钮返回；这过程也能够直接在“ X 值输入地区”文本框中输入 A2： I21； 置信度可选默认的 95%。 在“输出地区”如选“新工作表” ，就将统计剖析结果输出到在新表内。为了比较比较，我 选本表内的空白地区，左上角开端单元格为 K10.点击确立后，输出结果以下： 第一张表是“回归统计表” (K12： L17): 此中： Multiple R ：（复有关系数 R） R2 的平方根，又称有关系数，用来权衡自变量 x 与 y 之间的相 关程度的大小。 本例 R=0.9134 表示它们之间的关系为高度正有关。 （ Multiple ：复合、多种） R Square：复测定系数，上述复有关系数 R 的平方。用来说明自变量解说因变量 y 变差的程 度，以测定因变量 y 的拟合成效。 此事例中的复测定系数为 0.8343，表示用用自变量可解说 因变量变差的 83.43% Adjusted R Square：调整后的复测定系数 R2，该值为 0.6852 ，说明自变量能说明因变量 y 的 68.52%，因变量 y 的 31.48%要由其余因向来解说。 （ Adjusted ：调整后的） 标准偏差： 用来权衡拟合程度的大小，也用于计算与回归有关的其余统计量，此值越小，说 明拟合程度越好 察看值：用于预计回归方程的数据的察看值个数。 第二张表是“方差剖析表” ：主要作用是经过 F 查验来判断回归模型的回归成效。 该事例中的 Significance F（ F 明显性统计量）的 P 值为 0.00636 ，小于明显性水平 0.05，所以 说该回归方程回归成效明显，方程中起码有一个回归系数明显不为 0.（ Significance：明显） 第三张表是“回归参数表” ： K26：K35 为常数项和 b1～ b9 的排序默认标示。 L26： L35 为常数项和 b1～b9 的值，据此可得出估量的回归方程为： 该表中重要的是 O 列 ,该列的 O26：O35 中的 P-value 为回归系数 t 统计量的 P 值。 值得注意的是： 此中 b1、b7 的 t 统计量的 P 值为 0.0156 和 0.0175，远小于明显性水平 0.05 ， 所以该两项的自变量与 y 有关。而其余各项的 t 统计量的 P 值远大于 b1、 b7 的 t 统计量的 P 值，但这样大的  P 值说明这些项的自变量与因变量不存在有关性，所以这些项的回归系数 不明显。 回归剖析是一种应用很广的数目剖析方法， 用于剖析事物间的统计关系， 重视数目关系变化。 回归剖析在数据剖析中据有比较重要的地点。 一元线性回归模型： 指只有一个解说变量的线性回归模型， 用来揭露被解说变量与另一个解说变量的线性关系。 多元线性回归模型： 指含有多个揭露变量的线性回归模型， 用来揭露被解说变量与多个解说变量的