EXCEL(相关及回归分析)概述.ppt

EXCEL在统计中的应用（相关与回归分析） 成都信息工程学院 统计学院 刘 全 第一节、相关关系的概念 1、函数关系与相关关系 第二节 简单线性相关分析 一、简单线性相关系数r 分析直线相关条件下，表明两个现象之间相关关系的方向和密切程度的综合指标。 1、r的测定 EXCEL中散点图的绘制 操作：“插入”、“图表”，选“XY散点图”，并指定数据区域为B2：C13即可。 散点图：将观察所得的各对资料依次用点绘于图上，从点子的分布是否集中以及分布的趋势，可以大致了解变量之间有无相关以及相关程度。 用EXCEL求相关系数 例、计算1988～2000年我国用电量增长率与GDP增长率相关系数。 操作过程为：选择“工具”、“数据分析”，指定“相关系数”，在其出现的界面中输入区域“B3：N4”，分组方式“逐行”，指定输入区域“A6”即可。 输出结果为： 结果表明，我国1988～2000年用电量增长率与GDP增长率的相关系数是0.4834，两者属于正的弱相关关系。 2、用EXCEL求计算回归方程 例、我国2011年5月至2012年4月期间固定资产投资、发电量、钢材、水泥日均产量同比增速资料如下，试建立固定资产投资同比增速（Y）与发电量日均产量同比增速（X1）的一元线性回归分析方程。 操作如下：选择“工具”、“数据分析”，指定“回归”，则出现如下界面： 在操作界面中，Y值输入区域指定“B3：B14”，X值输入区域指定“C3：C14”，输出区域指定“A20”，即得如下回归分析结果。 从而可得回归方程为：Y=18.02+0.57X1。 结果分析：相关系数Multiple R=0.81597，表明两变量Y、X1之间存在较显著的相关关系；方程的拟合优度检验中，判定系数R Square=0.6658，表明回归方程对变量Y变差的解释程度达到66.58%；回归方程的显著性检验中，方差分析的显著性水平Significance F=0.0012，表明因变量Y与自变量本X1之间的线性关系是显著地，换言之，所得的一元回归方程显著地刻划了两变量之间的相关关系；回归系数显著性检验中，P-value=0.0012，表明自变量X1在一元线性回归方程中对因变量Y的线性影响是显著的。 第三节 多元线性回归 在实际中，往往影响Y的因素不只一个。一般考虑因变量Y与n个自变量x1，x2，···，xn有如下线性关系。 相应的，线性回归方程为： 称以上为多元线性回归方程。 例、为了得到固定资产投资同比增速（Y），与发电量日均产量同比增速（X1）、钢材日均产量同比增速（X2）、水泥日均产量同比增速（X3）的三元线性回归分析方程，则只需在前面一元线性回归分析操作中，将X值输入区域改为“C3：E14”即可。其结果如下： 从而得到回归方程为： Y=19.82075+0.09895X1-0.08763X2+0.32362X3 回归方程为： Y=19.82075+0.09895X1-0.08763X2+0.32362X3 结果分析： 1）相关系数Multiple R=0.91，表明变量之间存在着显著的相关关系； 2）方程的拟合优度检验中，判定系数R Square=0.83，表明回归方程对变量Y变差的解释程度达到83.0%； 3）回归方程的显著性检验中，方差分析的显著性水平Significance F=0.0019，表明因变量Y与自变量本X1、X2、X3之间的线性关系是显著地； 4）回归系数显著性检验中，P-value 分别为：0.643、0.445、0.029，表明回归方程中仅自变量X3与因变量Y之间存在显著的线性关系，也就是说仅自变量X3能有效地解释因变量Y的线性变化。为此，可考虑在回归方程中逐步删除自变量X1、X2等，从而优化回归方程。 谢谢 散点图： 或