Excel 2000(第四讲)-数据的分析.ppt

数据分析;数据分析方法;三.相关性分析;1、CORREL函数： CORREL(array1,array2) 返回单元格区域 array1 和 array2 之间的相关系数。使用相关系数可以确定两种属性之间的关系。例如，可以检测某地的平均温度和空调使用情况之间的关系。 Array1?? 第一组数值单元格区域。 Array2?? 第二组数值单元格区域。 如果数组或引用包含文本、逻辑值或空白单元格，这些数值将被忽略，但是包含零值的单元格将计算在内。如果 array1 和 array2 的数据点的数目不同，函数 CORREL 返回错误值 #N/A。;例 1、利用统计数据计算广告费与销售额之间的相关系数。;例2.我们收集了某厂家同一车型中旧车的车龄及其售价数据，求价格与车龄的相关系数 ;例 3、总平均成绩、出勤率、选修学分与每周打工小时数的关系。;例4(线性回归)、 我们收集了某厂家同一车型中旧车的车龄及其售价数据，请使用给图表增加趋势线，求车龄对售价的回归方程,并计算车龄为6.5年的旧车售价是多少.;11;有些数据间并不是简单的线性关系，如果用线性模式求其回归方程式，判定系数（R2）很小，根本不具有任何解释力。因此要引入非线性回归，如多项式、指数、对数等回归方法。;例6(非线性回归)、 我们收集了一个原始森林中树的直径与高度之间的关系数据,请绘制该数据的散点图，并求直径与高度的回归方程式(指数回归)。;加入趋势线可以进行简单的回归分析，但要获得更多的统计数据，可以使用数据分析工具，求简单相关系数、判定系数、用F检定判定变量与自变量间是否有回归关系存在、用t检定判定各回归系数是否不为0、计算回归系数的置信度、标准残差等。;方差分析(F检定):用回归分析检定,判定变量与自变量之间是否有显著的回归关系存在。如果显著水准(Significance F)a值,回归关系存在,否则不存在。 (在这里判定系数a=1-置信度,在我们回归分析中置信度取95%, 所以a=1-95%=0.05);T检定:判断回归系数与常数项是否为0;车龄;练习题:以下是银行客户的存款金额与贷款金额对照表,用数据分析工具求存款金额对贷款金额的回归方程,并预测当存款金额为80千万时,贷款金额为多少?;通过给图表加入趋势线只能进行简单的单一参数的回归分析，但在许多情况下需要使用多个自变量来预测一个变量的情况,这种回归分析叫复回归，复回归必须通过数据分析工具进行。;例9、银行为了核发信用卡，收集了申请人的每月总收入、不动产、动产、每月房贷与抚养支出费用等数据，并以业务主管员的经验，主观地给予一个信用分数。为使评估信用分数能有一套公式，免得老是依赖主管评分，请使用复回归求其回归方程式。;21;例10.我们收集了某厂家同一车型中旧车的车龄,行驶里程与售价数据，请使用数据分析工具，求车龄,行驶里程对售价的回归方程;练习 影响出勤率的因素分析,1-5代表影响程度，请使用复回归求其回归方程式。;非线性的复回归;y = -36.54x2 + 3463.7x - 42087;(1)直线回归函数LINEST() 使用最小平方法计算最适合于变量区域的回归直线公式,并传回该直线公式的数组。可以用于单回归和复回归. 语法:LINEST(变量区域,自变量区域,常数项是否不为零,是否返回附加的统计值) 操作方法:1.选定输出区域 2.输入公式 3.Ctrl+Shift+Enter;复回归(y=bnx+bn-1x+…+b1x+c)输出结果;(2) 线性预测函数(FORECAST) 根据给定的数据计算或预测未来值。以数组或数据区域的形式给定 x 值和 y 值后，返回基于 x 的线性回归预测值。使用此函数可以对未来销售额、库存需求或消费趋势进行预测。 FORECAST(x,known_y,known_x) X?? 为需要进行预测的数据点。 Known_y?? 为因变量数组或数据区域。 Known_x?? 为自变量数组或数据区域。;(3) 线性趋势函数（TREND） 返回一条线性回归拟合线的一组纵坐标值（y 值）。即找到适合给定的数组 known_y 和 known_x 的直线（用最小二乘法），并返回指定数组 new_xs 值在直线上对应的 y 值。 语法：TREND(known_y,known_x,new_x,const) 操作方法:1.选定输出区域 2.输入公式 3.Ctrl+Shift+Enter;(4) 指数回归函数 LOGEST：指数回归函数，计算最符合观测数据组的指数回归拟合曲线，并返回描述该曲线的数组。此曲线的方程为： y = b*mx or y = (b*(m1x1)*(m2x2)*…) （如果有多个 x 值） LOGES