ppt文档 Excel-资料汇总_第8章 回归分析

实用文档 > 表格/模板 > 表格类模板 > 文档预览
51 页 0 下载 1555 浏览 0 评论 0 收藏 3.0分
温馨提示:如果当前文档出现乱码或未能正常浏览,请先下载原文档进行浏览。
Excel-资料汇总_第8章 回归分析 第 1 页 Excel-资料汇总_第8章 回归分析 第 2 页 Excel-资料汇总_第8章 回归分析 第 3 页 Excel-资料汇总_第8章 回归分析 第 4 页 Excel-资料汇总_第8章 回归分析 第 5 页
下载文档到电脑,方便使用
还有 46 页可预览,继续阅读

Excel-资料汇总_第8章 回归分析内容摘要:

第 8 章 回归分析 8.1 线性回归分析的基本原理 8.2 图表分析与回归函数分析 8.3 Excel回归分析工具 8.4 多元回归分析 8.5 非线性回归分析 本章学习目标  回归分析的基本思想  利用 Excel 图表进行线性回归分析  利用 Excel 回归分析工作表函数进行线性回归 分析  利用 Excel 回归分析工具进行一元及多元线性 回归分析  非线性回归分析的基本思路 8.1 线性回归分析的基本原理 8.1.1 回归分析的概念 8.1.2 回归分析的主要内容 返回首页 8.1.1 回归分析的概念 首先要区分两种主要类型的变量:一种变量相 当于通常函数关系中的自变量,对这样的变量 能够赋予一个需要的值(如室内的温度、施肥 量)或者能够取到一个可观测但不能人为控制 的值(如室外的温度),这样的变量称为自变 量;自变量的变化能引起另一些变量(如水稻 亩产量)的变化,这样的变量称为因变量。 由一个或一组非随机变量来估计或预测某一个 随机变量的观测值时,所建立的数学模型及所 进行的统计分析,称为回归分析。因此,回归 分析是研究随机变量与非随机变量之间的数量 关系的一种数学方法。如果所建立的模型是线 性的就称为线性回归分析。线性回归分析不仅 告诉我们怎样建立变量间的数学表达式,即经 验公式,而且还利用概率统计知识进行分析讨 论,判断出所建立的经验公式的有效性,从而 可以进行预测或估计。 返回本节 8.1.2 回归分析的主要内容 回归分析的内容包括如何确定因变量与自变量 之间的回归模型;如何根据样本观测数据,估 计并检验回归模型及未知参数;在众多的自变 量中,判断哪些变量对因变量的影响是显著的 ,哪些变量的影响是不显著的;根据自变量的 已知值或给定值来估计和预测因变量的值。 Excel 提供了许多回归分析的方法与工具,它 们可用于不同的分析目的。 返回本节 8.2 图表分析与回归函数分析 8.2.1 利用图表进行分析 8.2.2 Excel 中的回归分析工作表函数 8.2.3 利用工作表函数进行回归分析 返回首页 8.2.1 利用图表进行分析 例 8-1 某种合成纤维的强度与其拉伸倍数之 间存在一定关系,图 8-1 所示(“线性回归分 析”工作表)是实测 12 个纤维样品的强度 y 与 相应的拉伸倍数 x 的数据记录。试求出它们之 间的关系。 ( 1 )打开“线性回归分析”工作表。 ( 2 )在工具栏上选择“图表向导”按钮,单击 打开图表向导对话框,如图 8-2 所示,在“图表 类型”列表框中选择“ XY 散点图”,单击“下一 步”按钮进入图表向导步骤 2 。 ( 3 )在图表向导步骤 2 对话框的“数据区域”中输 入“ B2:C13” ,选择“系列产生在”为“列”,如图 8-3 所示 ,单击“下一步”按钮进入步骤 3 。 ( 4 )在图表向导步骤 3 的对话框中,打开“图例”页面 ,取消“显示图例”,省略标题,如图 8-4 所示。 ( 5 )单击“完成”按钮,得到 XY 散点图如图 8-5 所示。 ( 6 )在散点图中,把鼠标放在任一数据点上,右击, 在快捷菜单中选择“添加趋势线”,打开趋势线对话框。 ( 7 )在“添加趋势线”对话框中打开“类型”页面,选择 “线性”选项,在“选项”页面中选择“显示公式”和“显示 R 平方”选项,单击“确定”按钮,得到趋势回归图,如图 86 所示。 图 8-1 “ 线性回归分析 .xls” 工作表 图 8-2 图表向导(步骤 1 ) 图 8-3 图表向导(步骤 2 ) 图 8-4 图表向导(步骤 3 ) 图 8-5 XY 散点图 图 8-6 趋势回归直线 返回本节 8.2.2 Excel 中的回归分析工作表函数 Excel 提供的回归分析工作表函数主要有以下 几个: ( 1 )截距函数。 ( 2 )斜率函数。 ( 3 )测定系数函数。 ( 4 )估计标准误差函数。 ( 1 )截距函数。 其功能是利用现有的 x 值与 y 值计算直线与 y 轴的截距。截距为穿过已知的 known_x's 和 known_y's 数据点的线性回归线与 y 轴的交点。 当自变量为 0 时,使用 INTERCEPT 函数可以 决定因变量的值。例如,当所有的数据点都是 在室温或更高的温度下取得的,可以用 INTERCEPT 函数预测在 0°C 时金属的电阻。 语法: INTERCEPT(known_y's,known_x's) 图 8-7 x 、 y 数据 图 8-8 计算截距 ( 2 )斜率函数。 该函数返回根据 known_y's 和 known_x's 中的 数据点拟合的线性回归直线的斜率。斜率为直 线上任意两点的垂直距离与水平距离的比值, 也就是回归直线的变化率。 语法: SLOPE (known_y's,known_x's) 其中: Known_y's 为数字型因变量数据点数组 或单元格区域; Known_x's 为自变量数据点集 合。

本文档由 sddwt2022-04-05 17:20:50上传分享
给文档打分
您好可以输入 255 个字符
本站的域名是什么?( 答案:sciwk.com )
评论列表
  • 暂时还没有评论,期待您的金玉良言