今天我们来看一下如何用excel做回归分析,以下6个关于如何用excel做回归分析的观点希望能帮助到您找到想要的百科知识。
本文目录
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：
二、操作步骤
1、先绘制散点图：具体步骤是选中数据，插入—>图表—>散点图
2、在散点图的数据点上右键—>添加趋势线
3、在弹出的选项框的选项中选择公式和相关系数等，这样就以得到拟合的直线
在图中我们可以看到，拟合的回归方程是 y = 0.223x + 9.121 ，R² = 0.982
附：R2相关系数取值及其意义
我们进一步使用Excel中数据分析的回归分析提供更多的分析变量来描述这一个线性模型
4、选中数据—>数据—>数据分析—>回归
注：本操作需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，可以参考该专题文章的第一篇《用Excel进行数据分析：数据分析工具在哪里？》。
用excel做线性回归
打开excel进行编辑。选中该表中的数值，点击插入中的散点图。点击第一个图样式，鼠标右击其中一个点，选择添加趋势线。勾选线性和显示R平方值即可得到回归方程。用Excel进行一元线性回归分析Excel功能强大，利用它的分析工具和函数，可以进行各种试验数据的多元线性回归分析。
如何用excel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。
在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。
由图中可知，拟合的直线是y=15620x+6606.1，R2的值为0.9994。
因为R2
>0.99，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于99.99%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型，我们使用数据分析中的“回归”工具来详细分析这组数据。
在选项卡中显然详细多了，注意选择X、Y对应的数据列。“常数为零”就是指明该模型是严格的正比例模型，本例确实是这样，因为在浓度为零时相应峰面积肯定为零。先前得出的回归方程虽然拟合程度相当高，但是在x=0时，仍然有对应的数值，这显然是一个可笑的结论。所以选择“常数为零”。
“回归”工具为我们提供了三张图，分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。
在线性拟合图中可以看到，不但有根据要求生成的数据点，而且还有经过拟和处理的预测数据点，拟合直线的参数会在数据表格中详细显示。本实例旨在提供更多信息以起到抛砖引玉的作用，由于涉及到过多的专业术语，请各位读者根据实际，在具体使用中另行参考各项参数，此不再对更多细节作进一步解释。
残差图是有关于世纪之与预测值之间差距的图表，如果残差图中的散点在中州上下两侧零乱分布，那么拟合直线就是合理的，否则就需要重新处理。
更多的信息在生成的表格中，详细的参数项目完全可以满足回归分析的各项要求。下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。
怎么用excel做回归分析
第一个模型还可以，但是存在自相关（DW检验值也就是Durbin-Watson stat 为0.85，正自相关），需要进行差分处理。估计是一阶自相关。
第二个模型，自变量没有一个显著的，确实需要更改。
看模型是否合适，一是系数显著性检验，一是方程显著性检验。一元回归时，两个检验是一样的，所以第一个模型中，自变量X系数估计值显著（X对应的Prob值为0.000，一般要求小于0.05就算通过），方程也显著（看F-statistic的值），但是一阶自相关最好消除。但是多元回归中，两个检验需要分开看。第二个模型中，方程显著性可能能通过检验，但是自变量系数估计值对应的Prob都大于0.05，所以问题比较大。
几个建议：
1、样本数据来源于1995年到2006年，感觉还是少了些，而且2011年的论文至少最晚应该是截止到2009年。如果条件允许，最好能够更早些数据。有25个以上年份数据，做的模型合适些。
2、第二个模型因为你没有列举具体自变量、因变量名称，不好下结论。那么，一个办法是考虑自变量的选择是不是合理，现有的自变量有没有可以去掉的，或者有没有遗漏更合理的自变量，调整自变量后再回归；如果你认为自变量不需要修改，在增加样本数据情况下，另一个办法是用SPSS软件，里面有“逐步回归”选项，看看能不能得到合理模型。第一个模型：一阶自相关怎么样才能消除？
第二个模型：我做的是山东省财政支农资金方面的课题，中国统计年鉴上的相关数据就到2006年，三个自变量的数据也是。三个自变量是必须要固定的，是不是因为数据的原因，但是近几年的数据确实找不到。三个自变量分别是：支援农业生产支出，农林水利气象等部门事业费，农业综合开发支出。因变量是：年均农民纯收入。这四个量都不能变。
我不会计量，eviews也是今天刚学的，spss更不会了。回答继续回答：
1、这里的一阶自相关，可以考虑用差分法试试。也就是自变量、因变量都分别形成新的序列，再做回归（注意：这时的回归估计模型不含常数项）。根据你的样本数据和解释变量数目，在新的回归结果里面，如果Durbin-Watson stat 的数值大致在1.5——2.5，可以认为消除了自相关。最后的估计结果，常数项仍采用现在模型已经估计出的常数项数值，自变量系数则是差分后估计的系数值。
2、财政支农资金数据，我觉得可以考虑查阅《中国财政统计年鉴》，其中的分省财政平衡表中可能会有相关数据。（不过我也不肯定，这两年中国统计年鉴中财政数据的具体项目有调整，你之所以找不到2006年以后数据原因也在于此，财政统计年鉴如果能找到的话，也许能有帮助）
3、第二个模型还可以考虑对数模型试一试，因为取对数后变差缩小，也许数据拟合效果会好些。当然，这时的系数表示的是平均意义的弹性。
4、不会逐步回归也没有关系，反正自变量不多。回归后，看哪个自变量系数估计值没有通过检验（P值大于0.05），P值最大的先去掉，用其他自变量再去拟合。如果新的估计结果不行，再继续去掉不显著的系数。之后可以尝试再引入之前去掉的自变量，回归后看是否显著。最后应该得到自变量系数和整个模型都通过检验的结果，否则是不合适的。
5、“我第二个模型P值是0.004”的说法不正确，你所说的实际是常数项的P值。实际上，一般要求自变量必须通过P检验，常数项倒无所谓。
如何用excel进行回归拟合
如何用EXCEl表格拟合曲线 首先要准备好两组数为x和y组数据在可以简单感觉一下具有线性关系 将准备好的数据放excel表格里面 EXCEL需要我们自己启用数据分析，点击文件，选择选项，点击左侧的加载项，加载分析工具 加载工具完成以后，点击数据中的“工具分析”，选择“回归”，点击确定 点击Y值输入区域后面的单元格选择工具，选择Y值单元格，比如小编这里的A2:A20，X值同理操作，这里选择B2:B20 勾选下方的线性拟合图，我们可以看一下拟合的效果 excel会在新的工作表里面输出回归分析的相关结果，比如相关系数R^2，标准误差，在X-variable和Intercept两项的值可以写出一元回归方程 在右侧就是我们的线性拟合图，观察拟合效果还不错 excel如何拟合数学模型 1、首击桌面上的excel图标打开excel。 3、选中输入的数据。 4、点击上边栏中的插入。 5、选择插入弹出框中的图表选项。 6、当弹出图表向导弹出框时，点击左边的XY散点图。 7、选择子图表类型中的第一个。 8、点击图表向导对话框最下方的完成。 9、此时会根据数据生成一个图表。 10、选择图表中的任意一个点，图表中的所有点都会被选中。 11、右键点击任意一个点，选择添加趋势线。 12、此时会弹出添加趋势线对话框，选择类型中的第一个。 13、点击选项，勾选下方的显示公式和显示R平方值选项。 14、点击对话框下方的确定。 15、此时数据的曲线拟合的公式可以了。
怎么用excel做多元回归？
第 1 步：
打开数据表, 确保在 Microsoft Excel 中激活 Analysis ToolPak 加载项。你可以在此找到说明。
第 2 步：
简单线性回归: 使用斜率（Slope）函数 SLOPE(data_y, data_x)。在名为 data_y的第一个字段中包含目标变量的值，并在名为 data_x 的第二个字段中包含预测变量的值。结果应该为 0.1833。
使用截距（Intercept）函数 INTERCEPT(data_y, data_x)，对相同的字段使用相同的值。结果应该为 -11.055。
现在，我们得出此直线的方程为：
y = 0.1833x - 11.055
多元线性回归: 在 Excel 中，选择“数据分析”（Data Analysis）。在弹出窗口中选择“回归”（Regression），然后选择确定。
第 3 步
输入 Y 范围应该为目标变量的范围，输入 X 范围应为预测变量的数据范围
第 4 步
点击确定运行模型并查看结果。可以快速看到线性方程的系数
今天的百科内容先分享到这里了，读完本文《「如何用excel做回归分析」Excel做多元回归分析》之后，是否是您想找的答案呢？想要了解更多百科知识，敬请关注宝百科,您的关注是给小编最大的鼓励。
