用Excel做线性回归分析_第1页
用Excel做线性回归分析_第2页
用Excel做线性回归分析_第3页
用Excel做线性回归分析_第4页
用Excel做线性回归分析_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、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。本文就从最简单的一元线性回归入手.在数据分析中,对于成对成组数据的拟合是经常遇到的,涉及到的任务有线性描述,趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件,比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业,但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具,但是它还稍显单薄,今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。文章使用的是2000版的软件,我在其中的一些步骤也添加了200

2、7版的注解.1 利用Excel2000进行一元线性回归分析首先录入数据. 以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。录入结果见下图(图1)。图1第二步,作散点图如图2所示,选中数据(包括自变量和因变量),点击“图表向导”图标;或者在“插入”菜单中打开“图表(H)(excel2007)”。图表向导的图标为。选中数据后,数据变为蓝色(图2)。图2点击“图表向导”以后,弹出如下对话框(图3):图3 在左边一栏中选中“XY散点图”,点击“完成”按钮,立即出现散点图的原始形式(图4):图4第三步,回归观察散点图,判断点列分布是否具有线性趋势。只有当数据具有线性分布特征时,才能采用线性回归分

3、析方法。从图中可以看出,本例数据具有线性分布趋势,可以进行线性回归。回归的步骤如下: 首先,打开“工具”下拉菜单,可见数据分析选项(见图5)(2007为”数据”右端的”数据分析”):图5用鼠标双击“数据分析”选项,弹出“数据分析”对话框(图6):图6 然后,选择“回归”,确定,弹出如下选项表:图7进行如下选择:X、Y值的输入区域(B1:B11,C1:C11),标志,置信度(95%),新工作表组,残差,线性拟合图。或者:X、Y值的输入区域(B2:B11,C2:C11),置信度(95%), 新工作表组,残差,线性拟合图。注意:选中数据“标志”和不选“标志”,X、Y值的输入区域是不一样的:前者包括数

4、据标志:最大积雪深度x(米)灌溉面积y(千亩)后者不包括。这一点务请注意。图8-1 包括数据“标志”图8-2 不包括数据“标志” 再后,确定,取得回归结果(图9)。图9 线性回归结果 最后,读取回归结果如下:截距:;斜率:;相关系数:;测定系数:;F值:。 建立回归模型,并对结果进行检验 模型为:至于检验,R、R2和F值可以直接从回归结果中读出。实际上,检验通过。有了R值,F值和t值均可计算出来。F值的计算公式和结果为:显然与表中的结果一样。t值的计算公式和结果为: 回归结果中给出了残差(图10),据此可以计算标准离差。首先求残差的平方,然后求残差平方和,于是标准离差为于是图10 y的预测值及其相应的残差等进而,可以计算DW值(参见图11),计算公式及结果为取,(显然),查表得,。显然,DW=0.751,可见有序列正相关,预测的结果令人怀疑。图11 利用残差计算DW值最后给出利用Excel快速估计模型的方法: 用鼠标指向图4中的数据点列,单击右键,出现如下选择菜单(图12):图12 点击“添加趋势线(R)”,弹出如下选择框(图13):图13 在“分析类型”中选择“线性(L)”,然后打开选项单(图14):图14 在选择框中选中“显示

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论