Excel在统计中的应用 第二版 教学课件 作者 王维鸿 9817.pptVIP

（3）测定系数函数 （4）估计标准误差函数 SLOPE (known_ys,known_xs) 8.2 图表分析与回归函数分析 RSQ(known_ys,known_xs) 8.2.3 利用工作表函数进行回归分析 8.3 Excel回归分析工具 8.3.1 回归分析工具的主要内容 8.3.2 回归分析工具的应用 8.3 Excel回归分析工具 8.3.3 回归分析工具的输出解释 1．回归统计表 （1）Multiple R（复相关系数R） （2）R Square（复测定系数R2） （3）Adjusted R Square（调整复测定系数R2） （4）标准误差 （5）观测值 2．方差分析表 3．回归参数表 8.4 多元回归分析 待分析数据 8.4 多元回归分析 分析结果 8.5 非线性回归分析 在实际分析工作中，大多数回归模型的因变量与自变量之间的关系都不是简单的线性关系，而是各种各样的非线性关系。如施肥量和产量、作物不同密度下的单株有效穗数等，可能在x的某一区间，x与y的关系是线性的，但就x可能取值的整个区间而言，它们的关系往往是非线性的。 以最小平方法分析非线性关系资料在数量变化上的规律叫做非线性回归分析。从非线性回归的角度看，线性回归仅是其中的一个特例。一个恰当的非线性回归方程的确定不是很容易的，一般要经过变量转换，将非线性问题转化为线性问题解决。 1． 8.5 非线性回归分析 2． 3． 4． 5． 6． 7． 第9章 时间数列分析与预测 教学目标： 时间数列的构成及影响因素 时间数列分析的移动平均法 时间数列分析的回归分析法 时间数列分析的指数平滑法 利用长期趋势剔除法进行季节变动的分析 9.1 时间数列的基本特征 9.1.1 时间数列的概念与特点 时间数列是指观察或记录下来的一组按时间顺序排列起来的数值序列时间数列具有以下特点： （1）时间数列按时间先后顺序排列。 （2）时间数列是按一定方式搜集的一系列数据。 （3）时间数列中的观察值具有差异。 （4）时间数列中的数据不许遗漏。 9.1 时间数列的基本特征 9.1.2 时间数列的构成与分解 影响时间数列变动的因素 （1）长期趋势（T） （2）季节变动（S） 为了能对上述四种因素进行量化分析，需要使用数学模型。时间数列的因素分解模型有加法模型、乘法模型和混合模型等。其中最常用的是乘法模型，其形式为： （3）循环变动（C） （4）不规则变动（I） Y＝T×S×C×I 9.2 移动平均法分析与预测 9.2.1 移动平均法的概念及特点 移动平均法是测定时间数列趋势的一种方法。它按一定的间隔长度逐期移动，计算一系列的移动平均数，来修匀原时间数列的波动，呈现出现象发展的变动趋势。 移动平均法最显著的特点是：当移动平均项数很大时，周期（及其整数倍）与移动平均项数相等的周期性变动基本得以消除，而且互相独立的不规则变动得以平滑。 9.2 移动平均法分析与预测 9.2.2 趋势图直接预测法 9.2 移动平均法分析与预测 9.2.3 利用Excel创建公式预测 9.2 移动平均法分析与预测 9.2.4 利用移动平均分析工具预测 9.2 移动平均法分析与预测 9.2.4 利用移动平均分析工具预测 9.3 回归法分析与预测 9.3.1 时间数列预测工作表函数 1．FORECAST预测函数 FORECAST(x,known_ys,known_xs) 2．TREND趋势函数 TREND(known_ys,known_xs,new_xs,const) 3．GROWTH增长函数 GROWTH(known_ys,known_xs,new_xs,const) 4．LINEST线性拟合函数 LINEST(known_ys,known_xs,const,stats) 9.3 回归法分析与预测 5．LOGEST函数 LOGEST(known_ys,known_xs,const,stats) 9.3.2 使用直线函数和趋势函数进行线性预测 1．使用LINEST函数计算回归统计值 2．使用趋势函数TREND求预测值 3．趋势预测 9.4 指数平滑法分析与预测 9.4.1 指数平滑法的基本内容与要求 指数平滑法是在移动平均法基础上发展起来的一种时间数列分析预测法，它通过计算指数平滑值，配合一定的时间数列预测模型对现象的未来进行预测。指数平滑法通过对历史时间数列进行逐层平滑计算，从而消除随机因素的影响，识别经济现象基本变化趋势。 根据平滑次数不同，指数平滑法分为：一次