关于excel进行两种数据的回归分析，回归后的结果谁能告诉我这些代表什么？我要的是具体一点的，越具体越好

1. 关于excel进行两种数据的回归分析，回归后的结果谁能告诉我这些代表什么？我要的是具体一点的，越具体越好

Multiple R:对应的数据是相关系数
R Square:对应的数值是测定系数，或称拟合优度，它是相关系数的平方
Adjusted R Square:对应的是校正测定系数，校正公式为R_a=1-((n-1)(1-R^2))/(n-m-1)=1-(n-1)(1-R^2)/v, 其中，n为样本数，你这里为15， m为变量数，你这里为1， v为自由度(df)= n-m-1=13



标准误差：计算公式为



观测值：对应的是样本数目n=15
df:自由度
SS:误差平方和
Intercept:截距，即常数项
X Variable 1:就是你输入的X变量
Coefficients:系数
t Stat：统计量t值，用于对模型参数的检验，需要查表，是回归系数和标准误差的比值，F=t^2，你可以验算一下
P-value：对应的参数是P值，当P小于0.05时，可以认为模型参数在0.05的水平上显著，或者置信度达到95%以上；当P小于0.01时，可以认为模型参数在0.01的水平上显著，或者置信度达到99%以上。
Lower 95%、Upper 95%、下限 95.0%、上限 95.0%：给出置信度为95%以上的回归系数的误差上限和下限（英文版和中文版）。
RESIDUAL OUTPUT：残差结果输出，下面的表中给出的即是残差和标准残差值
PROBABILITY OUTPUT：概率输出结果，你的图中给出的即是因变量原始数据从小到大的排序结果。

2. excel回归结果的每个值 都是什么含义，都是怎么来的？

a表示截距，b表示直线的斜率，e是误差项，通过回归分析得出的。
线性回归中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。
线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。
多元线性回归可表示为Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直线的斜率，e是误差项。多元线性回归可以根据给定的预测变量（s）来预测目标变量的值。

扩展资料回归分析模型的自由度，以样本来估计总体时，样本中独立或能自由变化的个数。见上表，数据自由度等于样本组数减1，回归分析模型的自由度是1，即这个回归模型有1个参数，残差自由度等于总自由度减去回归分析模型的自由度。
回归分析SS：回归平方和SSR，等于回归预测Y值（表4）与实际Y均值的平方和。表4 残差等于实际Y值减预测Y值，残差SSE，即表4残差平方和。
MS：均方差，等于SS/df。
F：回归分析MS/残差MS。
Significance F：是在显著性水平下的Fα临界值，即F检验的P值，代表弃真概率，这个值一般要小于0.05的，且越小越好，1-本值即为置信度。
参考资料来源：百度百科--回归分析

3. excel回归分析中的指标代表什么意义

统计学中的回归预测分析具有普遍的实用意义，但变量之间关系分析及计算繁杂，而借助Excel可方便高效地研究其数量变动关系，完成其繁杂的计算分析过程。
1、将数据输入A1:F19单元格。数据为19行6列，分别记每列变量名为t、y、x1、x2、x3、x4。                
2、选择Excel“工具”菜单之“数据分析”选项, 在分析工具框中选“相关系数”。相关系数对话框将显示为图2所示，它带输入输出的提示。                                                             

3、输入输入区域：$B$1:$F$19 分组方式：⊙逐列选择标志位于第一行输出选项输出区域: $A$21单击“确定”，Excel将计算出结果显示在输出区域中。                              

/4、回归分析: 选择Excel“工具”菜单之“数据分析”选项, 在分析工具框中“回归”。回归对话框将显示为图4所示，                                                               

4. excel表中怎么做回归分析？

方法如下：　
　选择成对的数据列，将使用“X、Y散点图”制成散点图。

在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。

由图中可知，拟合的直线是y=15620x+6606.1，R2的值为0.9994。
因为R2 >0.99，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于99.99%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。
　　为了进一步使用更多的指标来描述这一个模型，我们使用数据分析中的“回归”工具来详细分析这组数据。


　在选项卡中显然详细多了，注意选择X、Y对应的数据列。“常数为零”就是指明该模型是严格的正比例模型，本例确实是这样，因为在浓度为零时相应峰面积肯定为零。先前得出的回归方程虽然拟合程度相当高，但是在x=0时，仍然有对应的数值，这显然是一个可笑的结论。所以选择“常数为零”。
　　“回归”工具为我们提供了三张图，分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。

　在线性拟合图中可以看到，不但有根据要求生成的数据点，而且还有经过拟和处理的预测数据点，拟合直线的参数会在数据表格中详细显示。本实例旨在提供更多信息以起到抛砖引玉的作用，由于涉及到过多的专业术语，请各位读者根据实际，在具体使用中另行参考各项参数，此不再对更多细节作进一步解释。
  残差图是有关于世纪之与预测值之间差距的图表，如果残差图中的散点在中州上下两侧零乱分布，那么拟合直线就是合理的，否则就需要重新处理。


　更多的信息在生成的表格中，详细的参数项目完全可以满足回归分析的各项要求。下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。

5. 在excel里面怎么做回归分析？

1、点开excel。

2、点击左上角文件—选项，弹出对话框。

3、在左侧点击加载项，然后在中下方点击转到。

4、在弹出框中前面的所有选项中点钩，然后确定。

5、点击左上方数据，这时在其最后面就出现了数据分析。

6、点进去选回归点确定。

7、勾选你的X,Y区域，点击残差项中的残差图就OK了。

6. excel回归结果的每个值 都是什么含义，都是怎么来的？

a表示截距，b表示直线的斜率，e是误差项，通过回归分析得出的。
线性回归中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。
线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。
多元线性回归可表示为Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直线的斜率，e是误差项。多元线性回归可以根据给定的预测变量（s）来预测目标变量的值。

扩展资料回归分析模型的自由度，以样本来估计总体时，样本中独立或能自由变化的个数。见上表，数据自由度等于样本组数减1，回归分析模型的自由度是1，即这个回归模型有1个参数，残差自由度等于总自由度减去回归分析模型的自由度。
回归分析SS：回归平方和SSR，等于回归预测Y值（表4）与实际Y均值的平方和。表4 残差等于实际Y值减预测Y值，残差SSE，即表4残差平方和。
MS：均方差，等于SS/df。
F：回归分析MS/残差MS。
Significance F：是在显著性水平下的Fα临界值，即F检验的P值，代表弃真概率，这个值一般要小于0.05的，且越小越好，1-本值即为置信度。
参考资料来源：百度百科--回归分析

7. excel回归分析中的指标代表什么意义

统计学中的回归预测分析具有普遍的实用意义，但变量之间关系分析及计算繁杂，而借助 Excel 可方便高效地研究其数量变动关系，完成其繁杂的计算分析过程。
根据回归预测中的实例，借助 Excel 进行相关分析，判断出其相关程度，并在此基础上建立回归模型，最后用 Excel 完成计算分析、统计检验及预测，使回归预测分析的计算过程更简捷，统计预测方法更为实用。
直线回归分析是研究一个应变量与一个自变量间呈直线趋势的数量关系。在实际中，常会遇到一个应变量与多个自变量数量关系的问题。一个应变量与多个自变量间的这种线性数量关系可以用多元线性回归方程来表示。
式中 b0 相当于直线回归方程中的常数项 a，bi（i=1,2,??m）称为偏回归系数，其意义为当其它自变量对应变量的线性影响固定时，bi 反映了第 i 个自变量 xi 对应变量 y 线性影响的度量。

扩展资料
Multiple R：（复相关系数 R）R2 的平方根，又称相关系数，用来衡量自变量 x 与 y 之间的相关程度的大小。（Multiple：复合、多种）
R Square：复测定系数，上述复相关系数 R 的平方。用来说明自变量解释因变量 y 变差的程度，以测定因变量 y 的拟合效果。
参考资料百度百科-回归分析

8. excel回归分析中的指标代表什么意义

a表示截距，b表示直线的斜率，e是误差项。
线性回归通常是人们在学习预测模型时首选的技术之一。在这种技术中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。
线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。
多元线性回归可表示为Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直线的斜率，e是误差项。多元线性回归可以根据给定的预测变量（s）来预测目标变量的值。

扩展资料回归分析的步骤如下：
1、根据自变量与因变量的现有数据以及关系，初步设定回归方程；
2、求出合理的回归系数；
3、进行相关性检验，确定相关系数；
4、在符合相关性要求后，即可根据已得的回归方程与具体条件相结合，来确定事物的未来状况，并计算预测值的置信区间。
参考资料来源：百度百科--回归分析