excel表格回归分析后怎么看数据

1.用Excel进行回归分析后得出的数据怎么看???不懂呀

按F1，输入LINEST，得到如下解释：。

..，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”。seyY 估计值的标准误差。

FF 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”。

下面的图示显示了附加回归统计值返回的顺序。 图片没能粘贴上来。

2.excel 多元回归结果怎么看

多元回归的分析流程和一元回归的流程基本一致，原理也大致相同。

1、在建立回归方程后，先要进行统计分析；

2、考察建立的模型是否效果显著，记录回归效果的度量结果；

3、考察各个自变量效应是否都显著，然后进行残差分析。

4、这些分析的结果归纳起来，就是综合考虑并判断：

(1)模型与数据拟合得则么样？

(2)是否模型还有改进的余地？

5、修改模型后，要再次进行回归分析；

6、模型满意之后，还要再考虑数据中是否有与模型有较大偏差的点（异常点或强影响点）。

7、如果有这些点，需要考虑如何处置，通常需要重新检查这些点的来源和有效性。

以下是针对EXCEL提供的多元回归分析的结果的说明演示：

3.Excel 回归结果分析怎么解读?

这个结果表明，X和Y之间存在显著的线性关系，X对Y的影响是显著的。

这里一共有三张表，第一张表是回归拟合优度的结果，一元回归看R square值，这个结果是0.0057，表明拟合的结果不是很好，意思就是在Y的总变异中，X能解释的只占了0.5%左右。第二张表是线性关系显著性检验结果，也就是说检验X和Y之间的关系是不是线性的，结果看最后一列，这个值是6.08E-11，也就是6.08乘以10的负11次方，这个结果与显著性水平0.05比较，很显然要远远小于0.05，说明线性关系是显著的。

最后一张表是回归系数的显著性检验结果，从中可以得到回归方程的表达式，表达式为Y=1.7879+0.11299X，回归系数的显著性看P-value那一列，0.11299对于的p值是6.08E-11，也是远小于显著性水平0.05，说明自变量的回归系数是显著的，表示的是自变量没增加1个单位，Y平均增加0.11299个单位。截距项一般不解释，也不用管它是不是显著。

多元回归和一元回归类似。

4.用exceld数据分析求出回归分析后怎么判断显著性

按F1，输入LINEST，得到如下解释：..，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”。

seyY估计值的标准误差。FF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”。下面的图示显示了附加回归统计值返回的顺序。

图片没能粘贴上来。