excel显著性检验_⽤Excel做回归分析Excel数据分析⼯具库是个很强⼤的⼯具，可以满⾜基本的统计分析，这⾥介绍⽤Excel数据分析⼯具库中的回归做回归分 Excel数据分析⼯具库是个很强⼤的⼯具，可以满⾜基本的统计分析，这⾥介绍⽤Excel数据分析⼯具库中的回归做回归分析。 本节知识点：
Excel数据分析⼯具库—回归
简单线性回归和多重线性回归
逻辑斯蒂回归
⼀、什么是回归分析（Regression）
1、定义
确定两种或两种以上变量间相关关系的⼀种统计分析⽅法。通过数据间相关性分析的研究，进⼀步建⽴⾃变量(i=1,2,3,…)与因变量Y之间的回归函数关系，即回归分析模型，从⽽预测数据的发展趋势。
2、分类
按照涉及的变量的多少，分为⼀元回归和多元回归分析；
按照因变量的多少，可分为简单回归分析和多重回归分析；
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。
⼆、线性回归
1、简单线性回归
简单线性回归⼜叫⼀元线性回归，即回归模型中只有⼀个⾃变量和⼀个因变量，其回归⽅程可以表⽰为：
Y=a+bx+
其中，Y表⽰因变量，x表⽰⾃变量，a是 常数，b是斜率，
是随机误差。
2、最⼩⼆乘法：
如何确定参数a和b，则要⽤最⼩⼆乘法来实现。通过最⼩化误差的平⽅和寻数据的最佳函数匹配，即使得观测点和估计点的距离的平⽅和最⼩。
3、线性回归分析的步骤：
制定地方大气污染物排放标准的技术方法确定⾃变量和因变量
绘制散点图，确定回归模型类型
估计模型参数，建⽴回归模型：最⼩⼆乘法进⾏模型参数估计
对回归模型进⾏检验
热失重利⽤回归模型进⾏预测
4、多重线性回归
定义：⼀个因变量与多个⾃变量的线性回归问题，是⼀元线性回归的推⼴。其回归⽅程可以写为：
多重线性回归⽅程中回归系数的估计也是⽤到最⼩⼆乘法
三、⽤Excel做回归分析
我们研究销售额Y和推⼴费⽤X1之间的关系，数据如下：
⾸先我们⽤数据分析—相关系数分析计算⼀下⾃变量和因变量之间的相关系数为0.95157，为强相关。
绘制散点图如下：
然后，我们⽤数据分析库⾥的回归来做分析
注意Y值和X值输⼊区域，X值是⾃变量，Y是因变量。
四、线性回归⽅程的检验
评价回归拟合程度好坏（重要）：
水源地保护工程
1、 先看回归统计表，Multiple R即相关系数R的值，和我们之前做相关分析得到的值⼀样，⼤于0.8表⽰强正相关。
2、 回归统计表中的R Square是R平⽅值，R平⽅即R的平⽅，⼜可以叫判定系数、拟合优度，取值范围是[0,1],R平⽅值越⼤，表⽰模型拟合的越好。⼀般⼤于70%就算拟合的不错，60%以下的就需要修正模型了。这个案例⾥R平⽅0.9054，相当不错。
3、 Adjusted R是调整后的R⽅，这个值是⽤来修正因⾃变量个数增加⽽导致模型拟合效果过⾼的情况，多⽤于衡量多重线性回归。
现代主义美术
4、 第⼆张表，⽅差分析表，df是⾃由度，SS是平⽅和，MS是均⽅，F是F统计量，Significance F是回归⽅程总体的显著性检验，其中我们主要关注F检验的结果，即Significance F值，F检验主要是检验因变量与⾃变量之间的线性关系是否显著，⽤线性模型来描述他们之间的关系是否恰当，越⼩越显著。这个案例⾥F值很⼩，说明因变量与⾃变量之间显著。
5、 残差是实际值与预测值之间的差，残差图⽤于回归诊断，回归模型在理想条件下的残差图是服从正态分布的。
外包培训6、 第三张表我们重点关注P-value，也就是P值，⽤来检验回归⽅程系数的显著性，⼜叫T检验，T检验看P值，是在显著性⽔平α（常⽤取值0.01或0.05）下F的临界值，⼀般以此来衡量检验结果是否具有显著性，如果P值>0.05，则结果不具有显著的统计学意义，如果0.01<P 值<0.05，则结果具有显著的统计学意义，如果P<=0.01，则结果具有极其显著的统计学意义。T检验是看某⼀个⾃变量对于因变量的线性显著性，如果该⾃变量不显著，则可以从模型中剔除。
7、 从第三张表的第⼀列我们可以得到这个回归模型的⽅程：y=4361.486+1.198017x，此后对于每⼀个输⼊的⾃变量x，都可以根据这个回归⽅程来预测出因变量Y。
这⾥简单总结了⼀下什么是回归分析，如何⽤excel做线性回归分析，以及如何评价回归⽅程拟合程度的好坏。⼊门很简单，精通还很遥远，我们都在学习中。
转载
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议