实验三EXCEL在相关与回归分析中的应用 - 第五节EXCEL在相关与回归分析.doc

实验三 EXCEL在相关与回归分析中的应用 一、相关图的绘制 将本章表7–1中的资料建立EXCEL工作表，如图1所示。 图1 表7–1的EXCEL工作表 制作相关图的步骤如下： 选择区域A1:B11，如图1所示； ◆点击EXCEL图表向导； ◆在“图表类型”中选择“XY散点图”；如图2。 图2 散点图的制作 ◆在“子图表类型”中选择第一种散点图，并点击“下一步”，即可得到图1和2。 图2 散点图的制作 图3 散点图的制作 ◆点击“完成”，并对图形进行修饰编辑，最后得到如图4所示广告投入与月平均销售额之间的散点图。 图4 广告投入与月平均销售额的散点图 二、相关系数 在EXCEL中，相关系数函数和相关系数宏提供了两种计算相关系数的方法。 （一）相关系数函数 在EXCEL中，CORREL函数和PERSON函数提供了计算两个变量之间的相关系数的方法，这两个函数是等价的。与相关系数有关的函数还有RSQ（相关系数的平方，即判定系数r2）和COVAR（协方差函数）。 在这里我们以CORREL函数和表7–1中资料为例，介绍利用函数计算相关系数的方法。 ◆首先，点击EXCEL函数图钮“fx”，选择“统计”函数； ◆在统计函数点击“CORREL”，进入函数向导； 在“array1”中输入第一个变量“广告投入”的数据区域A2:A11“array2”中输入第二个变量“月均销售额”的数据区域B2:B11样，即可在当前光标所在单元格显示函数的计算结果。如图5 所示。 图5 CORREL函数计算相关系数 （二）相关系数宏 在EXCEL数据分析宏中，EXCEL专门提供了计算相关系数宏过程。利用此宏过程，可以计算多个变量之间的相关矩阵。 仍然以表7–1中资料为例，利用相关系数宏计算相关系数矩阵的过程如下： ◆点击EXCEL“工具”菜单，选择“数据分析”过程； ◆在“数据分析”宏过程中，选择“相关系数”过程。如图6所示； ◆在“输入区域”中输入两个变量所在区域A2:B11，数据以列排列，输出区域选择在同一工作表中的以D1:E5区域里。计算结果如图7所示。 图6 相关系数宏 图7 利用相关系数宏计算的相关系数矩阵 三、回归分析宏 除了回归分析宏外，EXCEL虽然提供了9个函数用于建立回归模型和回归预测。这9个函数列于表7–9中。但EXCEL提供的回归分析宏仍然具有更方便的特点。仍以表7–1中广告投入与销售额的关系资料为例，利用一元线性回归方程确定两个变量之间的定量关系。 表7–9 用于回归分析的工作表函数 函数名 定 义 INTERCEPT 一元线性回归模型截距的估计值 SLOPE 一元线性回归模型斜率的估计值 RSQ 一元线性回归模型的判定系数（r2） FORECAST 依照一元线性回归模型的预测值 STEYX 依照一元线性回归模型的预测值的标准误差 TREND 依照多元线性回归模型的预测值 GROWTH 依照多元指数回归模型的预测值 LINEST 估计多元线性回归模型的未知参数 LOGEST 估计多元指数回归模型的未知参数 回归宏确定两个变量之间定量关系的过程如下： 图8 回归分析宏过程 ◆在“工具栏”菜单“数据分析”过程中选择“回归”宏过程； ◆在“Y值输入区域”内输入B2:B11，在“X值输入区域”输入A2：A11，如果是多元线性回归，则X值的输入区就是除Y变量以外的全部解释变量； ◆选择“标志”；置信度水平为95％，输出结果选择在一张新的工作表中； ◆选择“残差分析”，并绘制回归拟合图，点击“确定”即得到图9所示的回归分析结果和图10的残差表。 图9 回归分析结果 图10 残差分析表 As of Microsoft? Internet Explorer 4.0, you can applmultimedia-style effects to your Web pages using visual filters and transitions. You can apply visual filters and transitions to standard HTML controls, such as text containers, images, and other windowless objects. Transitions are time-varying filters that create a transition from one visual state to another. By combining filters and transitions with basic scripting, you can create visually