LINEST函数与测力环系数.doc

LINEST函数 目录 含义 语法 说明 示例 示例 1 斜率和 Y 轴截距 示例 2 简单线性回归 示例 3 多重线性回归 示例 4 计算 T 统计 含义 语法 说明 示例 示例 1 斜率和 Y 轴截距 示例 2 简单线性回归 示例 3 多重线性回归 示例 4 计算 T 统计 含义 　　使用最小二乘法对已知数据进行最佳直线拟合，并返回描述此直线的数组。因为此函数返回数值数组，所以必须以数组公式的形式输入。 　　直线的公式为： 　　y = mx + b 或者 　　y = m1x1 + m2x2 + ... + b（如果有多个区域的 x 值） 　　式中，因变量 y 是自变量 x 的函数值。M 值是与每个 x 值相对应的系数，b 为常量。注意 y、x 和 m 可以是向量。LINEST 函数返回的数组为 {mn,mn-1,...,m1,b}。LINEST 函数还可返回附加回归统计值。 语法 　　LINEST(known_ys,known_xs,const,stats) 　　Known_ys 是关系表达式 y = mx + b 中已知的 y 值集合。 　　? 如果数组 known_ys 在单独一列中，则 known_xs 的每一列被视为一个独立的变量。 　　? 如果数组 known-ys 在单独一行中，则 known-xs 的每一行被视为一个独立的变量。 　　Known_xs 是关系表达式 y = mx + b 中已知的可选 x 值集合。 　　? 数组 known_xs 可以包含一组或多组变量。如果只用到一个变量，只要 known_ys 和 known_xs 维数相同，它们可以是任何形状的区域。如果用到多个变量，则 known_ys 必须为向量（即必须为一行或一列）。 　　? 如果省略 known_xs，则假设该数组为 {1,2,3,...}，其大小与 known_ys 相同。 　　Const 为一逻辑值，用于指定是否将常量 b 强制设为 0。 　　? 如果 const 为 TRUE 或省略，b 将按正常计算。 　　? 如果 const 为 FALSE，b 将被设为 0，并同时调整 m 值使 y = mx。 　　Stats 为一逻辑值，指定是否返回附加回归统计值。 　　? 如果 stats 为 TRUE，则 LINEST 函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。 　　? 如果 stats 为 FALSE 或省略，LINEST 函数只返回系数 m 和常量 b。 　　附加回归统计值如下： 　　 统计值 说明 se1,se2,...,sen 系数m1,m2,...,mn的标准误差值。 Seb 常量b的标准误差值（当const为FALSE时，seb=#N/A） r2 判定系数。Y的估计值与实际值之比，范围在0到1之间。如果为1，则样本有很好的相关性，Y的估计值与实际值之间没有差别。如果判定系数为0，则回归公式不能用来预测Y值。有关计算r2的方法的详细信息，请参阅本主题后面的“说明”。 sey Y估计值的标准误差。 F F统计或F观察值。使用F统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。 df 自由度。用于在统计表上查找F临界值。所查得的值和LINEST函数返回的F统计值的比值可用来判断模型的置信度。 ssreg 回归平方和。 ssresid 残差平方和。 说明 　　? 可以使用斜率和 y 轴截距描述任何直线： 　　斜率 (m)： 　　通常记为 m，如果需要计算斜率，则选取直线上的两点，(x1,y1) 和 (x2,y2)；斜率等于 (y2 - y1)/(x2 - x1)。 　　Y 轴截距 (b)： 　　通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。 　　直线的公式为 y = mx + b。如果知道了 m 和 b 的值，将 y 或 x 的值代入公式就可计算出直线上的任意一点。 　　? 当只有一个自变量 x 时，可直接利用下面公式得到斜率和 y 轴截距值： 　　斜率： 　　=INDEX(LINEST(known_ys,known_xs),1) 　　Y 轴截距： 　　=INDEX(LINEST(known_ys,known_xs),2) 　　? 数据的离散程度决定了 LINEST 函数计算的精确度。数据越接近线性，LINEST 模型就越精确。LINEST 函数使用最小二乘法来判定最适合数据的模型。 　　? 直线和 LINEST 可用来计算与给定数据拟合程度最高的直