如何用EXCEL进行多元回归分析

1、首先将预处理的数据输到单元格里。
2、“数据”里有一项“数据分析”。
3、在一堆数据分析工具里找到回归这一项。
4、对应框入Y值和X值，即可进行分析。
5、点击确定后，即出现分析结果。

打开excel进行编辑。
选中该表中的数值，点击插入中的散点图。点击第一个图样式，鼠标右击其中一个点，选择添加趋势线。勾选线性和显示R平方值即可得到回归方程。
用Excel进行一元线性回归分析Excel功能强大，利用它的分析工具和函数，可以进行各种试验数据的多元线性回归分析。

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

二、 *** 作步骤

1、先绘制散点图：具体步骤是选中数据，插入—>图表—>散点图

2、在散点图的数据点上右键—>添加趋势线

3、在d出的选项框的选项中选择公式和相关系数等，这样就以得到拟合的直线

在图中我们可以看到，拟合的回归方程是 y = 0223x + 9121 ，R² = 0982

附：R2相关系数取值及其意义

我们进一步使用Excel中数据分析的回归分析提供更多的分析变量来描述这一个线性模型

4、选中数据—>数据—>数据分析—>回归

注：本 *** 作需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，可以参考该专题文章的第一篇《用Excel进行数据分析：数据分析工具在哪里？》。

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。

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。

方法如下：　

　选择成对的数据列，将使用“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。

---