Excel数据分析工具进行多元回归分析范文

1、WORD 完美格式编辑WORD 完美格式编辑专业资料整理专业资料整理使用 Excel 数据分析工具进行多元回归分析使用 Excel 有些电脑在安装办公软件时并未加载数据分析工具，所以从加载开始说起（以 Excel2010 版为例，其余版本都可以在相应界面找到。在弹出的菜单中选择“选项在弹出的“选项”菜单中选择“加载项在弹出的“加载宏”菜单中选择“分析工具库加载完毕，在“数据”工具栏中就出现“数据分析”工具库，如下图所示：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，如下图所示：假设回归估算表达式为：试使用 Excel 点击“数据”工具栏中中的“数据分析”工

2、具库，如下图所示：“分析工具”多行文本框中选择“回归图所示：弹出“回归”对话框并作如下图的选择：上述选择的具体方法是：Y Y 数据所在单元格区域：，选完J2：J21； 在X 再值输入区域”文本框中输入A2：I21；置信度可选默认的 95%。在“输出区域”如选“新工作表选本表内的空白区域，左上角起始单元格为K10.点击确定后，输出结果如下：第一张表是“回归统计表”(K12：L17):其中：e （复相关系数2x与y之间的相R=0.9134 表明它们之间的关系为高度正相关） R R y 变差的程度，以测定因变量 y 的拟合效果。此案例中的复测定系数为 0.834383.43%Adjusted R S

3、quare ：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 y68.52%y 31.48%要由其他因素来解释（）明拟合程度越好观察值：用于估计回归方程的数据的观察值个数。第二张表是“方差分析表F检验来判定回归模型的回归效果。Significance F（F 显著性统计量）的P 0.006360.05， 所以说该回归方程回归效果显著，方程中至少有一个回归系数显著不为0.（Significance： 显著）第三张表是“回归参数表K26：K35 为常数项和 b1b9 的排序默认标示。L26：L35 为常数项和 b1b9 的值，据此可得出估算的回归方程为：该表中重要的是O 列,

4、该列的 O26：O35 中的 P-value 为回归系数t 统计量的P 值。17的t统计量的P值为6和，因此该两项的自变量与y 相关。而其他各项的t 统计量的P 、b7 t 统计量的P P 不显著。回归分析是一种应用很广的数量分析方法回归分析在数据分析中占有比较重要的位置。释变量的线性关系。变量的线性关系。此篇文章主要讲述多元线性回归分析。方法/步骤系数的显著性检验、残差分析、变量的筛选问题、变量的多重共线性问题。果分析，才会考虑发哦变量的多重共线问题。1.3通过观察调整后的判定系数 0.924，拟合优度较高，不被解释的变量较少。由回归方程显著性检验的概率为 0，小于显著性水平0.05，则认为

5、系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可建立线性方程。由系数表知，观察回归系数显著性检验中的概率值，如果显著性水平为 0.05，除去“投入人年数”外，其他变量均大于显著性水平，这些变量保留在方程中是不正确的。所以该模型不可用，应重新建模。2.4重新建模操作见图片，采用的是“向后筛选”方法，依次剔除的变量是专著数、投入高级职称的人年数、投入科研事业费、获奖数、论文数。最后的模型结果是“立项课题数=-94.524+0.492x 投入人年数”。3.5残差分析：又 P-P 图可知，原始数据与正态分布的不存在显著的差异，残差满足线性模型的前提要求。由库克距离（0.041 小于 1）和杠杆指变