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!