excel数据回归分析怎么检验

1.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。

2.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。

3.如何在excel中解读回归分析

R Square:R方，这个值度量了回归方程能解释y（因变量）的变异的多少。

Adjusted R Square ：调整r方

标准误差 ：标准差/均值 （预测值y的标准差和均值）。

Coefficients（回归系数）：intercept对应截距项

标准误差：误差值越小，表明参数的精确度越高。

t stat:T检验中统计量t值，用于对模型参数的检验，需要查表才能决定。t值是回归系数与其标准误差的比值。

P-value:T检验对应的P值，当P

Lower 95% /Upper 95% /下限 95.0% /上限 95.0% : 95%置信区间的上下限值

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。

5.如何用excel做回归分析

以Excel2010为例。

1、“开发工具”选项卡 中单击“加载项”组中的“加载项”按钮，打开“加载宏”对话框。如下图。勾选 “分析工具库”。

2、“数据”选项卡中“分析”组中的“数据分析”按钮，打开“数据分析”对话框。如下图。单击“回归”选项。

剩下的楼主自己搞定吧。