版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 对于简单数据使用excel进行回归分析,操作简单,方法数据-分析工具-点击回归 (ps.如果你的excel中没有数据分析这一选项,需要设置一下 方法:文件-选项-加载项-勾选数据分析) 根据需要进行相关勾选设置 运算后一共出现三个表格,我们逐一来看 第一个表格-回归统计: 其中, Multiple R:相关系数R,值在-1与1之间,越接近-1,代表越高的负相关,反之,代表越高的正相关关系。 R Square:测定系数,也叫拟合优度。是相关系数R的平方,同时也等于表2中回归分析SS/(回归分析SS+残差SS),这个值在0~1之间,越大,代表回归模型与实际数据的拟合程度越高。当这个值大于0.8时表示强正相关。 Adjusted R Square:校正的测定系数,对两个具有不同个数的自变量的回归方程进行比较时,还必须考虑方程所包含的自变量个数的影响,为此提出,所谓“最优”回归方程是指校正的决定系数最大者。 标准误差:等于残差SS / 残差df 的平方根,标准误差越小越好。 观测值:表示有多少个数据 表1里我们重点看R Square-测定系数 第二个表格-方差分析 回归分析df:回归分析模型的自由度,以样本来估计总体时,样本中独立或能自由变化的个数 在表二中我们中带你关注 Significance F的值它在显著性水平下的Fα临界值,即F检验的P值,代表弃真概率,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。 第三个表格 Intercept Coefficients:表示截距的回归值 标准误差:标准误差越小精度越高 P-value:也就是P值,用来检验回归方程系数的显著性,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。 希望对大家进行数据分析有所帮助! 1 Excel 回归分析结果的详细阐释 利用 Excel 的数据分析进行回归, 可以得到一系列的统计参量。 下面以连续 10 年积雪深度和灌溉面积序列 ( 图 1 )为例给予详细的说明。 图 1 连续 10 年的最大积雪深度与灌溉面积( 1971 - 1980 ) 回归结果摘要( Summary Output )如下( 图 2 ) : 图 2 利用数据分析工具得到的回归结果 第一部分:回归统计表 这一部分给出了相关系数、测定系数、校正测定系数、标准误差和样本数目如下( 表 1 ) : 表 1 回归统计表 |