如何用excel做线性回归分析

方法/步骤
厘清各个数据之间的逻辑关系，搞清楚哪个是自变量，哪个又是因变量。如附图所示，这里我们要对人均gdp和城市化水平进行分析，建立符合两者之间的模型，假定人均gdp为自变量，城市化水平是因变量。
由于我们不知道两者之间的具体关系如何，所以我们利用数据生成一个散点图判断其可能符合的模型。如附图1所示为生成的散点图，一般横坐标为自变量，纵坐标为因变量，所以我们需要将x轴，y轴的坐标对调一下，这里采用最简单的方法，将因变量移动到自变量的右边一列即可，如附图2所示。
由步骤2的散点图，我们可以判断自变量和因变量之间可能呈线性关系，我们可以添加线性趋势线进一步加以判断。如附图1所示。也可以添加指数，移动平均等趋势线进行判断。很明显数据可能符合线性关系，所以下面我们对数据进行回归分析。
选择菜单栏的“数据分析”-->“回归”。具体 *** 作如附图所示。
步骤4进行的回归分析输出结果如附图所示。回归模型是否有效，可以参见p指，如果p<0001则极端显著，如果0001<p<001非常显著，001<p<005则一般显著，p>005则不显著。本例的p值均小于0001，所以属于极端显著，故回归模型是有效的。根据回归模型的结果可知
y = 5E-06x + 05876R² = 09439
如附图2所示。

1、新建并打开excel表格，
2、首先添加数据分析插件，点击左上角按钮，出现菜单页面，选中右下角“EXCEL选项”按钮，点击，
3、然后点击“加载项”选项，选中“分析工具库”，点击下方"转到"按钮，
4、然后出现excel加载宏界面，在”分析工具库“前方框内打勾，点击确定。
5、经过上一步已经成功添加”数据分析插件“，在”数据“-”数据分析“下可以找到，
6、然后点击”数据分析“，可以找到相关的分析方法，如 回归分析，方差分析，相关分析等。

1五个一。Excel数据分析方法1快速填充:选择单元格B2，输入馒头，回车定位到单元格B3，按CTRL+E22列:选择A2:A20数据区，数据选项卡和列。接下来，选择逗号作为分隔符，然后选择$2$2作为目标区域。3分组比较法:分组后，我们可以对数据进行汇总和计算。常见的方法是通过求和、平均值、百分比、技术将同类数据汇总成一个数据，减少数据量。4数据透视表:单击“插入”选项卡中的数据透视表以打开对话框，确认选择，然后单击“确定”。然后，您可以在新工作表中看到数据透视表视图。只需将表格字段拖动到行、列、值中，就可以得到相应的数据统计表。5VBA自定义函数:Alt+F11打开VBE编辑器，插入模块，进入下面的自定义函数。Excel主要用于数据的统计分析，门槛低，可以方便的转换成报表，定位于小规模的数据处理。Access主要用于数据存储，门槛较高，可以建立数据库管理系统，可以方便数据的快速查找和激活，定位于大规模数据处理。

用EXCEL做回归分析主要有图表法和函数法：1、图表法：选择参与一元线性回归两列数据（自变量x应在应变量y的左侧），插入图表，选择散点图。选择图表中的数据系列，右击，添加趋势线，点击“选项”选项卡，勾选“显示公式”、显示R平方值。注意显示出的R2值为R的平方，需要用SQRT()函数，计算出R值。2、函数法若X值序列在A1:A100单元格，Y值序列在B1:B100单元格，则线性公式的截距b=INTERCEPT(B1:B100,A1:A100)斜率k=SLOPE(B1:B100,A1:A100)相关系数R=CORREL(A1:A100,B1:B100)或=CORREL(B1:B100,A1:A100)上述两种方法都可以做回归分析，同时结合图表和函数会取得更满意的效果。

这是一个很典型的线性拟合问题，手工计算就是采用最小二乘法求出拟合直线的待定参数，同时可以得出R的值，也就是相关系数的大小。在Excel中，可以采用先绘图再添加趋势线的方法完成前两步的要求。
选择成对的数据列，将它们使用“X、Y散点图”制成散点图。
在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。
由图中可知，拟合的直线是y=15620x+66061，R2的值为09994。
因为R2 >099，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于9999%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型，我们使用数据分析中的“回归”工具来详细分析这组数据。
在选项卡中显然详细多了，注意选择X、Y对应的数据列。“常数为零”就是指明该模型是严格的正比例模型，本例确实是这样，因为在浓度为零时相应峰面积肯定为零。先前得出的回归方程虽然拟合程度相当高，但是在x=0时，仍然有对应的数值，这显然是一个可笑的结论。所以我们选择“常数为零”。
“回归”工具为我们提供了三张图，分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。
在线性拟合图中可以看到，不但有根据要求生成的数据点，而且还有经过拟和处理的预测数据点，拟合直线的参数会在数据表格中详细显示。本实例旨在提供更多信息以起到抛砖引玉的作用，由于涉及到过多的专业术语，请各位读者根据实际，在具体使用中另行参考各项参数，此不再对更多细节作进一步解释。
残差图是有关于世纪之与预测值之间差距的图表，如果残差图中的散点在中州上下两侧零乱分布，那么拟合直线就是合理的，否则就需要重新处理。
更多的信息在生成的表格中，详细的参数项目完全可以满足回归分析的各项要求。下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。

---