word word 文档 word 文档内容 1. 利用Excel进展一元线性回归分析 2. 利用Excel进展多元线性回归分析 1. 利用Excel进展一元线性回归分析 第一步，录入数据 以连续10年：；F值：；t值：；标准离差〔标准误差〕：；回归平方和：；剩余平方和：；y的误差平方和即总平方和：。 建立回归模型，并对结果进展检验 模型为： 至于检验，R、R2、F值、t值等均可以直接从回归结果中读出。实际上，，检验通过。有了R值，F值和t值均可计算出来。 F值的计算公式和结果为： 显然与表中的结果一样。 T值的计算公式和结果为： word word 文档 word 回归结果中给出了残差〔图10〕，据此可以计算标准离差。首先求残差的平方，然后求残差平方和，于是标准离差为 于是 图10y的预测值与其相应的残差等 进而，可以计算DW值〔参见图11〕，计算公式与结果为 取，，〔显然〕，查表得，，可见有序列正相关，预测的结果令人怀疑。 word word 文档 word 图11利用残差计算DW值 利用Excel快速估计模型的方法： 用鼠标指向图4中的数据点列，单击右键，出现如下选择菜单〔图12〕： 图12 2. 点击“添加趋势线®〞，弹出如下选择框〔图13〕： 图13 word word 文档 word 3. 在“分析类型〞中选择“线性(L)〞，然后打开选项单〔图14〕： 图14 4. 在选择框中选中“显示公式(E)〞和“显示R平方值®〞〔如图14〕，确定，立即得到回归结果如下〔图15〕： 图15 在图15中，给出了回归模型和相应的测定系数即拟合优度。 顺便说明残差分析：如果在图8中选中“残差图(D)〞，如此可以自动生成残差图〔图12〕。 word word 文档 word 图16 回归分析原如此上要求残差分布是无趋势的，如果在图中添加趋势线，如此趋势线应该是与x轴平行的，且测定系数很小。事实上，添加趋势线的结果如下〔图17〕： 图17 可见残差分布图根本满足回归分析的要求。 预测分析 虽然DW检验似乎不能通过，但这里采用的变量相关分析，与纯粹的时间序列分析不同〔时间序列分析应该以时间为自变量〕。从残差图看来，模型的序列似乎并非具有较强的自相关性，因为残差分布相当随机。因此，仍有可能进展预测分析。现在假定：，他怎样预测当年的灌溉面积？ 下面给出Excel 2000的操作步骤： word word 文档 word 在图9所示的回归结果中，复制回归参数〔包括截距和斜率〕，然后粘帖到图1所示的原始数据附近；〔图18〕。 图18 2. 将光标至于图18所示的D2单元格中，按等于号“＝〞…〕，按F4键，按加号“＋〞…〕，按F4键，按乘号“*〞，点击B2单元格〔对应于自变量x1〕，于是得到表达式“=$F$2+$F$3*B2〞〔图19〕,相当于表达式，回车，立即得到，即1971年灌溉面积的计算值。 图19 3. 将十字光标标至于D2单元格的右下角，当粗十字变成细十字以后，按住鼠标左键，往下一拉，各年份的灌溉面积的计算值立即出现，其中1981年对应的D12单元格的 即我们所需要的预测数据，即有千亩〔图20〕。 word word 文档 word 图20 4. 进一步地，如果可以测得1982年与其以后各年份的数据，输入单元格B13与其下面的单元格中，在D13与其以下的单元格中，立即出现预测数值。例如，假定1982年的最大积雪深度为米，可以算得千亩；1983年的最大积雪深度为，容易得到千亩〔图21〕。 图21预测结果〔1981－1983〕 最后大家思考一下为什么DW检验对本例中的问题未必有效？ 2. 利用Excel进展多元线性回归分析 【例】某省工业产值、农业产值、固定资产投资对运输业产值的影响分析。 Excel 2000的操作方法与一元线性回归分析某某小异： word word 文档 word 第一步，录入数据〔图1〕。 图1 录入的原始数据 第二步，数据分析 1. 沿着主菜单的“工具〔T〕〞→“数据分析〔D〕…〞 路径打开“数据分析〞对话框，选择“回归〞，然后“确定〞，弹出“回归〞分析对话框，对话框的各选项与一元线性回归根本一样〔图2〕。 下面只
