Excel在多元线性回归分析报告中地应用.doc

实用标准 文档 Excel在多元线性回归分析中的应用 　　【摘要】如果回归分析中存在两个及两个以上的自变量就是多元回归，只有不同自变量的最优自合才能对因变量进行预测或者估计，一个自变量X对因变量Y进行估计是线性回归分析中的重点，与利用一个自变量展开估计及预测相比，这种方法的真实性与可靠性要更高，具有更大的实用意义。鉴于此，笔者首先对多元线性回归进行了概述，带着对多元线性回归的简单了解，引领大家从不同角度对多元线性回归分析中Excel的应用进行了进一步的探讨和分析。 　　【关键词】Excel；多元线性回归分析；应用 　　在线性回归分析中，用模型中一个自变量X对因变量Y进行估计是其中的重点，因为不同事物之间的联系是错综复杂的，如果一个因变量发生变化，往往是因为受到另个或者多个自变量的影响而发生的，为了对线性回归分析中这种复杂的依存关系进行全面的揭示，从而提高控制及预测的精确度，需要对更多的自变量进行考虑，并结合实际情况建立起多元回归模型。实际上，多元回归分析的方法和原理在同一元线性回归分析中是基本相同的，但其中也存在一些不同点，比方说不可以利用散点图表示不同变量之间存在的关系，与简单线性回归相比，多元回归计算的难度要大很多，计算的难度随着变量的增多而越来越复杂，但是利用Excel可以顺利的将计算变得轻松且简单。下面我们就从不同角度针对Excel在多元线性回归分析中的应用展开进一步分析。 　　1 多元线性回归概述 　　如果回归分析中存在两个及两个以上的自变量，那么这就是多元回归，实际上很多情况下一个现象都伴随着多个现象，与不同因素发生着联系，只有不同自变量的最优自合才能对因变量进行预测或者估计，这种分析方法往往比一个利用一个自变量展开估计及预测更加有效，同时也更加与实际情况相符合，所以，多元线性回归往往比一元线性回归具有更大的实用意义。 　　实际上多元线性回归的基本原理及计算过程与一元线性回归基本上是相同的，但是因为自变量的个数多，计算起来免不了会麻烦，通常在实际应用过程中需要借助统计学软件来完成。因为不同自变量的单位可能会存在差异，比方说在一个消费水平关系式中，职业、工资水平及地区等因素都会对消费水平产生影响，但是这些消费因素的单位很明显是不同的，所以自变量前系数的大小并不能直接说明该因素是否重要，简单一点来说，同样的工资收入，如果利用元作为单位，与以百元作为单位相比得到的回归系数要小很多，但是工资水平对消费水平的影响情况却并没有发生改变，因此，需要想办法将不同自变量量化到统一的单位上来。具体来说就是将包括因变量的所有变量都转化成标准分，然后进行线性回归，这时得到的回归系数可以将自变量的重要程度直接反映出来，这时我们得到的回归方程就是标准回归方程，其回归系数被称作是标准回归系数。 　　2 回归分析问题的提出 　　我们经常会在现实世界中遇到一些相互制约、相互依赖的变量，这些变量之间往往存在着一定的关系，大致上可以将这种关系分成两个种类：一种是确定性的关系，这种确定性关系可以利用函数来表示，另一种是不确定关系，一旦确定了一个变量之后，另外一个变量的值是不能得到确定的，这种情况下，针对自变量之间存在的非确定性关系展开研究和分析具有十分重要的现实意义。 　　对两个变量间的关系进行研究时，其中只有一个是随机变量，另外一个通常为一般变量，假设这两个变量分别为x和y，其中，x为一般变量，可以实现精确的测量或者控制；y为随机变量，这一随机变量为x取某个值以后才经过计算得到的，并不能在事先进行确定，通过试验观察我们可以发现，具有关系的两个变量之间存在很多对实测数据，在坐标中可以利用这些数据描绘出来一个散点图（如图1）。 　　从上图中可以看出，与实测数据相对应的各点并没有在一条直线上，但是从位置上来看这些点都是趋向一条直线的，因此我们说这两个变量之间存在着线性关系，而这条直线就是y对X的回归直线，虽然这两个变量之间存在着非确定性函数关系，但是我们始终可以利用直线形式=a+bx对两个变量的规律性展开研究。下面我们以某商店为例，对其商店的规模大小、促销费用及年销售额之间的关系展开分析。 　　3 多元线性回归中Excel数据分析的应用 　　利用Excel数据分析方法对多元线性回归展开操作的过程中，首先需要单击工具栏，并在弹出的菜单中点击“数据分析”，然后在数据分析工具选项框中选择“回归”，并在输入、输出等选项中进行合理选择，选择过程中需要对自变量X的输入加以注意，在输入X的过程中应按照已经确定好的不同自变量的顺序，将自变量的单元格引用范围共同放在X值的输入区域中。然后点击界面上的“确定”按钮，这样就能得到线性回归分析结果了（如图2）。 　　按照上面操作得到的显示结果，我们可以写出二元线性回归方程： 　　Yi=b0+b1X1i+