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*度，以样本来估计总体时，样本中独立或能*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！