终版EXCEL数据分析工具.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 得到“年用电量”和“GDP”一元线性回归的图形、回归直线和相关系数R2的值 散点图中插入趋势线 课件 在例5.1中，选择“年用电量”为因变量，“GDP”为自变量，进行一元线性回归。 回归分析工具 有两种方法求出单变量回归方程 1.散点图中插入趋势线 2.回归分析工具 5.1 一元线性回归 课件 回归分析工具 有两种方法求出单变量回归方程 1.散点图中插入趋势线 2.回归分析工具 步骤： 1） 打开“工具”菜单； 2） 选择“数据分析”； 3） 选择“回归”。 4) 根据对话框，选择或输入相关 5.1 一元线性回归 课件 打开Excel“工具/数据分析/回归”菜单，分别输入因变量Y和自变量X的区域，选择在新工作表中输出结果。 回归分析工具 课件 相关系数R 判定系数R2 观察值个数n 回归R 截距 自变量 回归系数 标准误差 回归分析工具 课件 由上表可以看出，一元回归方程为： 年用电量=26768.264+0.0791 GDP 课件 各年份年用电量的观测值和预测值的图形 回归分析工具 课件 关于回归分析的说明： 用于衡量回归方程式优良性的工具通常是以下几种： 1.标准误差 用来说明回归方程代表性的大小。 其中：y是因变量实际值， 是根据回归方程推算出来的因变量估计值。 从计算公式可以看出，标准误差实际上是一个平均误差。数值越大，说明所有点离回归线越远，则回归方程的代表性越小；数值越小，说明所有点越靠近回归线，则回归方程的代表性越大。 课件 2. 判定系数 反映自变量与因变量之间线性关系的强弱程度。 记实际值y的总变差为： 回归变差为： 则 ： 该公式表示因变量总差异中可以由回归解释的比例，数值越大，表明所有点越接近于回归直线。 课件 判定系数R2 回归分析工具 年用电量=26768.264+0.0791 GDP 课件 “年用电量”的影响因素以及有关因素的观测值 年份 总人口 GDP 全社会投资 消费品零售总额 年用电量 （万人） （万元） （万元） （万元） （万千瓦小时） 1990 64.56 121247 11687 57331 36962 1991 65.02 146845 21160 66383 41596 1992 65.26 196284 43963 91853 45591 1993 65.48 326422 126529 127713 55221 1994 65.72 487378 136416 179771 60893 1995 66.02 485429 146834 215624 67639 1996 66.18 531523 118746 223601 71132 1997 66.27 542833 85500 222658 68909 1998 66.35 581876 106978 227091 66411 1999 66.38 629005 127144 235272 68550 2000 66.43 679457 145241 247598 76314 2001 66.46 788730 166750 264359 81929 2002 66.47 844030 195321 283756 89491 2003 66.49 864321 215843 302589 96512 2004 66.51 891684 248619 315687 100687 2005 66.54 913746 268432 321482 105634 2006 66.57 948562 293015 330549 110473 课件 打开Excel“工具/数据分析/回归”菜单： 课件 选取“年用电量”为因变量，“总人口”、“GDP”、“全社会投资”、“消费品零售总额”为自变量。分别输入因变量Y和自变量X的区域，选择置信水平为95％（即显著性水平为5％），选择在新工作表中输出结果。 课件 相关系数R=0.9918，判定系数R2=0.9836，调整的R2=