excel表格怎么用线性推算

1.怎么用EXCEL做线性拟合

在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业，但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。

注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘支持下加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项

实例 某溶液浓度正比对应于色谱仪器中的峰面积，现欲建立不同浓度下对应峰面积的标准曲线以供测试未知样品的实际浓度。已知8组对应数据，建立标准曲线，并且对此曲线进行评价，给出残差等分析数据。

这是一个很典型的线性拟合问题，手工计算就是采用最小二乘法求出拟合直线的待定参数，同时可以得出R的值，也就是相关系数的大小。在Excel中，可以采用先绘图再添加趋势线的方法完成前两步的要求。

选择成对的数据列，将它们使用“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。

2.在Excel中怎么使用线性计算公式?

解决在Excel中怎么使用线性计算公式的具体步骤如下：

1.打开计算机，然后在计算机桌面打开excel软件，接下来输入已知自变量和因变量。示例中，X1=3.5,X2=9.0,Y1=28.3,Y2=60.8,m=5.7，五个变量分别位于单元格的B3、B4、C3、C4和B5。

2.第二步选中单元格C5，执行菜单命令[插入]->；[函数]，或者单击编辑栏左邻的“插入函数”按钮，出现“插入函数”对话框。

3.第三步在“插入函数”对话框中，找到箭头所指的TREND（)函数，点击“确定”。

4.第四步弹出“函数参数”对话框，在对话框中，根据对话框中的说明，通过选中相应单元格将Known_y's、Known_x's、New_x's填好。

5.输入完成后，单击“确定”按钮就行了。这样就解决了在Excel中怎么使用线性计算公式的问题了。

3.用EXCEL计算线性相关系数

1、首先，在表格当中输入数据（X,Y）: 2、单击工具栏【插入】下的【散点图】选项，位置如下图所示： 3、单击即可将表格数据制作为散点图，如下图所示： 4、选择散点图，单击右键，选择添加数据标签，可以为散点添加具体的数据标签： 5、单击图表，单击右键选择添加趋势线，可以为散点图添加连接线： 6、添加完毕后，单击右键选择设置趋势线格式： 7、弹出属性的对话框，在下方选择显示公式与显示R的平方值，这样在趋势线的上方，可以看到线型相关系数R的平方为0.9946，如下图所示： 。

4.excel函数线性得分如何计算

=IF(A1<20,0,IF(A1>=30,20,5+(A1-20)/(30-20)*(20-5)))2.=IF(A2>=60,0,IF(A2<=30,5,(60-A2)/(60-30)*(5-0)))3.=IF(A3>=240,0,IF(A3<=120,15,(240-A3)/(240-120)*(15-0)）上面的一些括号里的东西，如3.里的（240-120），表示你的区间是120~240,(15-0)表示分数为15~0分。

如果第3题改为小于120得11分，大于240得1分，那么只要改成（11-1）就可以了。if(A3>=240,0 和if(a3<=120,0 先去掉不是线性计算的内容， （240-a3）/(240-120)这是线性化了，再乘上系数分（15-0），得到线性后的最终结果。

5.怎样在excel中进行线性回归分析

LINEST 函数——可以查看EXCEL的帮助，以下为摘录： 本文介绍 Microsoft Excel 中 LINEST 函数 的公式语法和用法。

在“另请参阅”部分中可找到一些链接，这些链接指向有关绘制图表和执行回归分析的详细信息。 说明 LINEST 函数可通过使用最小二乘法计算与现有数据最佳拟合的直线，来计算某直线的统计值，然后返回描述此直线的数组。

也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。因为此函数返回数值数组，所以必须以数组公式的形式输入。

请按照本文中的示例使用此函数。 直线的公式为： y = mx + b - 或 - y = m1x1 + m2x2 + 。

+ b 如果有多个区域的 x 值，其中因变量 y 值是自变量 x 值的函数。m 值是与每个 x 值相对应的系数，b 为常量。

注意，y、x 和 m 可以是向量。LINEST 函数返回的数组为 {mn,mn-1,。

,m1,b}。LINEST 函数还可返回附加回归统计值。

语法 LINEST(known_y's, [known_x's], [const], [stats]) LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值。）： 语法 Known_y's 必需。

关系表达式 y = mx + b 中已知的 y 值集合。 如果 known_y's 对应的单元格区域在单独一列中，则 known_x's 的每一列被视为一个***的变量。

如果 known_y's 对应的单元格区域在单独一行中，则 known_x's 的每一行被视为一个***的变量。 Known_x's 可选。

关系表达式 y = mx + b 中已知的 x 值集合。 known_x's 对应的单元格区域可以包含一组或多组变量。

如果仅使用一个变量，那么只要 known_y's 和 known_x's 具有相同的维数，则它们可以是任何形状的区域。如果使用多个变量，则 known_y's 必须为向量（即必须为一行或一列）。

如果省略 known_x's，则假设该数组为 {1,2,3，。}， 其大小与 known_y's 相同。

const 可选。一个逻辑值，用于指定是否将常量 b 强制设为 0。

如果 const 为 TRUE 或被省略，b 将按通常方式计算。 如果 const 为 FALSE,b 将被设为 0，并同时调整 m 值使 y = mx。

stats 可选。一个逻辑值，用于指定是否返回附加回归统计值。

如果 stats 为 TRUE，则 LINEST 函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,。,m1,b;sen,sen-1,。

,se1,seb;r2,sey;F,df;ssreg,ssresid}。 如果 stats 为 FALSE 或被省略，LINEST 函数只返回系数 m 和常量 b。

附加回归统计值如下： 统计值 说明 se1,se2,。,sen 系数 m1,m2,。

,mn 的标准误差值。 seb 常量 b 的标准误差值（当 const 为 FALSE 时，seb = #N/A）。

r2 判定系数。y 的估计值与实际值之比，范围在 0 到 1 之间。

如果为 1，则样本有很好的相关性，y 的估计值与实际值之间没有差别。相反，如果判定系数为 0，则回归公式不能用来预测 y 值。

有关如何计算 r2 的信息，请参阅本主题下文中的“说明”。 sey Y 估计值的标准误差。

F F 统计或 F 观察值。使用 F 统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。

df 自由度。用于在统计表上查找 F 临界值。

将从表中查得的值与 LINEST 函数返回的 F 统计值进行比较可确定模型的置信区间。有关如何计算 df 的信息，请参阅本主题下文中的“说明”。

示例 4 说明了 F 和 df 的用法。 ssreg 回归平方和。

ssresid 残差平方和。有关如何计算 ssreg 和 ssresid 的信息，请参阅本主题下文中的“说明”。

可以使用斜率和 y 轴截距描述任何直线： 斜率 （m）： 通常记为 m，如果需要计算斜率，则选取直线上的两点，（x1,y1） 和 （x2,y2）；斜率等于 （y2 - y1）/(x2 - x1)。 Y 轴截距 （b）： 通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。

直线的公式为 y = mx + b。如果知道了 m 和 b 的值，将 y 或 x 的值代入公式就可计算出直线上的任意一点。

还可以使用 TREND 函数。 当只有一个自变量 x 时，可直接利用下面公式得到斜率和 y 轴截距值： 斜率： =INDEX(LINEST(known_y's,known_x's),1) Y 轴截距： =INDEX(LINEST(known_y's,known_x's),2） 数据的离散程度决定了 LINEST 函数计算的直线的精确度。

数据越接近线性，LINEST 模型就越精确。LINEST 函数使用最小二乘法来判定数据的最佳拟合。

当只有一个自变量 x 时，m 和 b 是根据下面的公式计算出的： 其中，x 和 y 是样本平均值；即，x = AVERAGE(known x's),y = AVERAGE(known_y's)。 直线和曲线拟合函数 LINEST 和 LOGEST 可用来计算与给定数据拟合程度最高的直线或指数曲线， 但需要判断两者中哪一个与数据拟合程度最高。

可以用函数 TREND(known_y's,known_x's) 来计算直线，或用函数 GROWTH(known_y's, known_x's) 来计算指数曲线。这些不带 new_x's 参数的函数可在实际数据点上根据直线或曲线来返回 y 预测值的数组， 然后可以将预测值与实际值进行比较。

可能需要用图表方式来直观地比较二者。 回归分析时，Excel 会计算每一点的 y 的估计值和实际值的平方差。

这些平方差之和称为残差平方和 （ssresid）。然后 Excel 会计算总平方和 （sstotal）。

当参数 const = TRUE 或被省略时，总平方和是 y 的实际值和平均值的平方差之和。