Excel在统计中的应用演示58893.pptVIP

2．按如下方式填写对话框：X值输入区域为$B$1:$B$12, Y值输入区域为$C$1:$C$12, 并选择“标志”和“线性拟合图”两个复选框，然后单击“确定”按扭即可。 （三）结果分析 按照如上的操作步骤即可得到图附-21下表的计算结果。结果可以分为四个部分，第一部分是回归统计的结果包括多元相关系数、可决系数R2、调整之后的相关系数、回归标准差以及样本个数。第二部分是方差分析的结果包括可解释的离差、残差、总离差和它们的自由度以及由此计算出的F统计量和相应的显著水平。第三部分是回归方程的截距和斜率的估计值以及它们的估计标准误差、t统计量大小双边拖尾概率值、以及估计值的上下界。根据这部分的结果可知回归方程为Y=8.46433*X-18.288。第四部分是样本散点图， 其中蓝色的点是样本 的真实散点图，红色的点是根据回归方程进行样本历史模拟的散点。如果觉得散点图不够清晰可以用鼠标拖动图形的边界达到控制图形大小的目的。用相同的方法可以进行多元线性方程的参数估计，还可以在自变量中引入虚拟变量以增加方程的拟合程度。对于非线性的方程的参数估计，可以在进行样本数据的线性化处理之后，再按以上步骤进行参数估计。 图 附-21 八、相关系数分析 （一）简介：使用“相关系数”分析工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个集合的较大数据相对应（正相关）；或者一个集合的较小数据是否与另一个集合的较小数据相对应（负相关）；还是两个集合中的数据互不相关（相关性为零）。 （二）操作步骤：采用图附-3表中的数据，可按如下步骤计算变量x,y,z之间的相关系数。 1．用鼠标点击表中待分析数据的任一单元格。 2．选择“工具”菜单的“数据分析”子菜单，用鼠标双击数据分析工具中的“相关系数”选项 。 3 ．填写完“相关系数”对话框，单击“确定”按扭即可得到各个变量的相关系数矩阵，结果如图附-22所示。 （三）结果说明：以上下三角矩阵计算出三个变量x,y,z两两之间的相关系数，如变量x,y之间的相关系数为：0.929,所以可以判断x,y之间存在着较高的正线性相关关系。 图 附-22 九、季节变动时间序列的分解分析 （一）简介：分解分析法是时间序列分析和预测过程中常用的统计方法。该方法假设时间序列是趋势变动(T)、循环变动(C)、随机变动(I)综合影响的结果，分解过程首先从原始序列中消除随机变动，然后在此基础上，分别识别出循环变动和趋势变动的变化模式。假设的合理性、方法的科学性和操作的简易性使分解分析法在经济预测中得到了较为广泛的应用。下面结合具体例子介绍在Excel中如何实现时间序列的分解分析。如图附-23所示，表中A1至B13单元格是1996至1998年各季度某海滨城市旅游人口数(千人),试预测1999年各季度旅游人口数。 （二）操作步骤： 1．计算一次移动平均，消除随机波动。在C3单元格填入公式“=AVERAGE(B2:B5)”，然后用“填充柄”将公式复制到C4:C11单元格。 2 ． 中心化移动平均数。在D4单元格输入公式“=AVERAGE(C3:C4)” ，再用“填充柄”将公式复制到D5:D11单元格。 3． 计算季节指数。在E4单元格输入公式“=B4/D4” ，然后用“填充柄”将公式复制到E5:E11单元格。 4. 计算平均季节指数。在F4单元格中输入公式“=AVERAGE(E4,E8)” ，然后用“填充柄”将公式复制到F5:F7单元格。 图 附-23 5. 计算调整后的季节指数。为了让季节指数的总平均为1，必须对季节指数加以调整。先在G4单元格中输入公式“=F4/AVERAGE($F$4:$F$7)” ，再用“填充柄”将公式复制到G5:G7单元格。此时，G4:G7就是最终计算出的四个标准化之后季节指数，的季节指数，它反映的是原始时间序列中的循环变动。然后，根据G4:G7单元格数值，将四个季节指数分别填充到G2:G13的其它对应季节的空白单元格内，供下一步计算使用。 6. 消除旅游人数序列中的季节变动。在H2单元格中输入公式“=B2/G2” ，然后将公式复制到H3:H13单元格。此时，H列就是消除季节变动之后的旅游人数时间序列。 图 附-24 7. 对消除季节变动的旅游人数进行回归分析。在I列填入时间序号1至15。选择“工具”菜单的“数据分析”子菜单，双击“回归”选 项，弹出回归分析对话框。按图附-24所示的方式填写对话框。然后单击“确定”按扭，即可得到剔除了季节波动的时间序列的线性趋势模型。线性模型估计结果如图附-25所示，其中B35单元格是线性趋势模型的截距，B36单元格是斜率。 图