EXCEL在多元线性回归分析中的应用41127.pdfVIP

方法探讨 　　　　　　　　　　 　　《青海统计》2006 年第 12 期 EXCEL 在多元线性回归分析中的应用 高 　平/ 文 　　在一元线性回归分析中 ,重点放在了用模 型 。多元回归分析的原理和方法同一元线性 型中的一个自变量 X 来估计因变量 Y 。实际 回归分析基本 相同 ,但有两个不同点 : 上 , 由于 客观事物的联系错综复杂 ,一个因变 1. 不能用散点图来表示变量之间的关 量的变化往往受到两个或多个自变量的影响 。 系 。 为了全面 揭示这种复杂的依存关系 ,准确地 2. 多元回归的计算难度要远大于简单线 测定它们的数量变动 ,提高预测和控制的精确 性回归 , 且变量越多 , 计算越复杂 。但应用 度 ,就要考 虑更多的自变量 ,建立多元回归模 EXCEL 来完成计算将变得简单和轻松 。 以下图中的数据为例 : 　　多元线性回归的 EXCEL 数据分析操作 项框中进行适当的选择 ,必须注意在进行自变 方法首先单击工具栏 ,在弹出的菜单中选择 量 X 的输入时要按照已经确定的各个自变 量 “数据分析”,在数据分析工具的选项框中选中 的顺序把所有 自变量的单元格引用范围一起 “回归”,然后在输入 、输出选项以及有关 的选 放在 X 值的输入区域内。见下图: —27 — 方法探讨 　　　　　　　　　　 　　《青海统计》2006 年第 12 期 　　点击“确定”按钮 ,即可得到线性回归分析的结果 。见下图: —28 — 方法探讨 　　　　　　　　　　 　　《青海统计》2006 年第 12 期 　　根据上图中的显示结果 ,可直接写出二元 降 ,说明多元线性 回归方程的代表性高于一 线性回归方程 : 元线性回归方程 。 α Y = b + b X + b X = - 51. 3127 + 1. 设显著性水平 = 0. 05 ,b 的检验统计量 i 0 1 1i 2 2i 1 4053x1i + 6. 3823 x2i t = 6. 2817 ; b2 的检验统计量 t = 2. 4538 , 查 t b1 表示在促销费用固定时 ,商店的规模大 表知 t 0. 05/ 2 ( 15 - 3) = 2. 1788 。因为 6. 小每增加 1 平方米 ,年销售额平均增加 1. 40 53 2817 2. 1788 , 2. 4538 2. 1788 。因此拒绝 万元 ;b2 表示在商店的规模大小固定时 ,促销 H0 :1 = 0 、H0 :2 = 0 的假设 ,认为这两个回归 费用每增加 1 万元 ,年销售额平均增加 6. 3823 系数在统计上都是显著的。需注意的是 ,若此 万元 。这里 b1 即商店的规模大小的回归系数 例的显著性水平 = 0. 0 1 , 不是 0. 05 , 则 t0. 比一元线性回归方程中的回归系数 b = 1. 6246 01/2 ( 15 - 3) = 3. 0545 。虽然 6. 2817 3. 小 ,是因 为一元线性回归方程只考虑了商店的 0545 ,但是 2. 4538 3. 0545 , 因此仍 要拒绝 β β 规模大小对年销售额的影响 ,忽略了促销费用 H0 : 1 = 0 的假设 ,但无法拒绝 、H0 : 2 = 0 的假 这一很重 要的因素 ,在商店的规模大小的影响 设 ,所以第二个回归系数在 统计上不是非常 中渗入了促销费用的影响。这里的截距 b0 = -