《实训五用Excel进行统计相关回归分析》由会员分享，可在线阅读，更多相关《实训五用Excel进行统计相关回归分析（25页珍藏版）》请在金锄头文库上搜索。
1、实训五用Excel进行记录有关分析目的与规定：掌握运用有关系数对有关关系进行测定，并且掌握有关系数的性质，明确有关分析与回归分析各自特点以及它们的区别与联系,建立回归直线方程,计算估计原则误差，理解估计原则误差的意义。案例15:用ECEL进行有关与一元线性回归分析一、用EXEL绘制散点图例近年来国家教育部决定将各高校的后勤社会化。某从事饮食业的公司家觉得这是一种较好的投资机会,她得到十组高校人数与周边饭店的季销售额的数据资料,并想根据高校的数据决策其投资规模。操作过程:打开Excl工作簿,输入原始数据如图7-1所示,该表为有关表。图-1从“插入”菜单中选择“图表”选项，打开“图表向导”对话框如
2、图-2所示。在“图表类型”列表中选择XY散点图，单击“下一步”按钮。图7-2在数据区域中输入B2:C11,选择“系列产生在列”,如图73所示,单击“下一步”按钮。图7-3打开“图例”页面,取消图例,省略标题,如图74所示。图-4单击“完毕”按钮,便得到Y散点图如图7-所示。图7-5二、计算有关系数 用ECE计算有关系数有两种措施,一是运用有关系数函数，另一种是运用有关分析宏。例10个学生身高和体重的状况如下：学生身高（公分）体重(公斤）3678901711617154169151631521726535495665247585规定对身高和体重作有关和回归分析。操作环节如下:一方面把有关数据输入
3、EL的单元格中，如图76图-6 EXCL数据集在EXCEL中,提供了两个计算两个变量之间有关系数的措施,CORREL函数和PRON函数，这两个函数是等价的,这里我们简介用ORREL函数计算有关系数：第一步：单击任一种空白单元格，单击插入菜单,选择函数选项，打开粘贴函数对话框，在函数分类中选择记录，在函数名中选择CR，单击拟定后，浮现ORL对话框。第二步：在array1中输入B2：,在aray2中输入C2：C1,即可在对话框下方显示出计算成果为.896。如图-所示： 图- COREL对话框及输入成果2.用有关系数宏计算有关系数第一步：单击工具菜单,选择数据分析选项，在数据分析选项中选择有关系数，
4、弹出有关系数对话框,如图7-8所示:图7- 有关系数对话框第二步:在输入区域输入$B$1:$C$1，分组方式选择逐列,选择标志位于第一行，在输出区域中输入$1，单击拟定，得输出成果如图7-9图7- 有关分析输出成果在上面的输出成果中,身高和体重的自有关系数均为1,身高和体重的有关系数为0.896，和用函数计算的成果完全相似。三、用EXCL进行一元线性回归分析EXCEL进行回归分析同样分函数和回归分析宏两种形式，其提供了9个函数用于建立回归模型和预测。这9个函数分别是:INTEEP 返回线性回归模型的截距LOP返回线性回归模型的斜率RQ返回线性回归模型的鉴定系数FOES 返回一元线性回归模型的预
5、测值STY 计算估计的原则误TRND 计算线性回归线的趋势值ROWTH 返回指数曲线的趋势值 LINEST 返回线性回归模型的参数LGES 返回指数曲线模型的参数用函数进行回归分析比较麻烦，我们这里简介使用回归分析宏进行回归分析。第一步:单击工具菜单,选择数据分析选项，浮现数据分析对话框，在分析工具中选择回归，如图7-1 图7-10 数据分析对话框 第二步:单击拟定按钮,弹出回归对话框,在值输入区域输入$2:$B$1,在X值输入区域输入$C$2：$C$1,在输出选项选择新工作表组,如图-11所示:图711回归对话框 第四步:单击拟定按钮,得回归分析成果如图7-12所示图7-1 ECL回归分析成
6、果在上面的输出成果中,第一部分为回归记录，该部分给出了回归分析中的某些常用记录量，Multiple指有关系数,R Sque指鉴定系数,Adjusted指调节后的鉴定系数,原则误差指估计的原则误，观测值指样本容量;第二部分为方差分析，该部分给出了自由度（df),回归平方和、残差平方和、总平方和（），回归和残差的均方(S),F检查的明显性水平(Sgnifie F）, p值（F），该部分在重要作用是对回归方程的线性关系进行明显性检查;第三部分是参数估计的有关内容,涉及回归方程的截距(ntecet）、斜率( arib 1)officie指系数,用于检查的回归系数的t记录量（t stat）、值(Pvlu
7、e），以及截距和斜率的置信区间(Lwer5和Upr%）。案例16 多元线性回归分析我们以中国民航客运量预测为例进行多元线性回归分析。第一步拟定因变量。我们以预测目的中国民航客运量,作为因变量。第二步 拟定自变量。在定性分析的基本上，我们拟定国内生产总值（)、实际运用外资额(）、民航线里程（）、来华旅游入境人数（)为自变量。收集样本资料如表7.4.1所示。 表74.1年份民航客运量(万人）y国内生产总值（亿元)x1实际运用外资额（亿美元）x2民航线里程(万公里)旅游入境人数（万人)x1983315934.9.81.1947.718455417127.26.21285.21546.46.4727.
8、721783.1991020.2832.43281.1987131011962.584.5238910.2198844214928.312673191989121690.2047.9250.119901661857.91250.68746.219217615455.91335.192286268.112.0283.3811.51933834634.389.6960412.719944084679.4432.1104.56368.495115478.81.3112.94638.719556788.40416.65512.195630742.644.0842.5075899857557845.5.
9、5150586347.819996094820.526.5952.227279.6679442.5.5650.98344.725933349.7215.368901.3根据上述样本资料,计算出因变量与每个自变量的有关系数，运用Ecel软件得到下列有关系数（见表7.4.）表742X1X2X3X40.9917099298450.629运用Ecel计算有关系数的环节如下:“工具” “数据分析” “有关系数”“拟定”在“输入区域”输入y与x1数字区域在“输出区域” 输入A1单元格“拟定”就得到与1之间的有关系数0.91557。其他有关系数以此类推。第三步 建立模型,进行参数估计。由表.2知,自变量国内
10、生产总值、实际运用外资额、民航线里程、来华旅游入境人数分别与因变量y间的简朴线性有关系数都较高，都在0.95以上。不妨我们建立四元线性回归模型：。根据表7.中的样本资料,运用Ecl软件计算有关成果如输出成果7.43所示(操作环节如一元线性回归)。输出成果74.1回归记录Mutiple R09449RSquare0.88968Adjusted R quar09881原则误差282.337观测值9方差分析 fSSSFSignfcance F回归分析1E+0825116131.5681.58E-1残差1110127915.2总计1801E+08 oeficient原则误差tSttPvlentrcep
11、t-139.55532.723-0.5950.552XVariable 10.36356.1421.55800.0284 Varable 216.686107515095XVariable 37.5533955890.786280.444827Varble 40.215190.16651.96330.1582第四步 进行有关记录明显性检查从记录量角度看,四元线性回归模型通过检查(Sigfiace F1.571-13.05)。从t检查角度看,只有国内生产总值通过t检查(-alue0.022814.05)。不妨我们先剔除记录量(t St）最小的那个自变量，重新建立回归模型。由于.7864“ aiabe3 t St”（.86248)最小,因此我们先剔除自变量民航线里程,重新建立三元线性回归模型。运用Ecel软件计算出三元线性回归模型有关信息如输出成果.4.2所示。输出成果74.2回归记录Muipl 099224R Sque0.988481Adjute R Square0.9867原则误差27.721观测值方差分析dfSSMFSgificanc F回归分析399365333188429577932E15残差15162907686.0总计181.01+08 Coef
