office复习资料分析.ppt

学习实践部亲情奉献~祝大家期末考试顺利（*^u^*） 回归分析:当一个结果与一个或多个参数之间存在联系时，可以进行回归分析，通常可由一个或多个自变量来预测一个变量的值。 回归方程:表达参数与结果之间相互关系的数学方程式(数学模型) 线性回归:如果变量与结果之间具有线性关系,我们可以用线性方程式来描述它们之间的关系,这种回归方法叫线性回归. 非线性回归:如果变量与结果之间不具有线性关系,我们必须用非线性方程式来描述它们之间的关系(如指数关系,对数关系等等),这种回归方法叫非线性回归. 单回归:当一个结果只与一个参数存在联系时，进行的回归分析称为单回归。 复回归:当一个结果与多个参数存在联系时，进行的回归分析称为复回归。 判定系数(R2):用来确定回归方程式的可解释性，即吻合程度。范围在0-1之间，越接近1，解释性越强，即吻合程度越高。 回归方法： 1、给图表增加趋势线； 2、使用Excel提供的“数据分析工具”； 3、利用回归函数 四.回归分析 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. 车龄 价格(万) 1 56.0 2 48.5 3 42.0 4 37.6 5 32.5 6 28.7 7 22.2 8 18.5 9 15.0 10 12.5 6.5年的旧车车价==-4.8091*6.5+57.8=26.54 1、给图表增加趋势线进行回归分析 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5(非线性回归)、 我们收集了年龄与月收入关系的数据，请绘制该数据的散点图，并求年龄对月收入的回归方程式。 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。 例 7、根据广告费与销售额统计数据使用分析工具进行回归分析。 2、使用“数据分析工具”进行回归分析 回归分析信息说明 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 Intercept:回归方程中的常数项信息 广告费(万):自变量X的回归系数信息 车龄 价格(万) 1 56.0 2 48.5 3 42.0 4 37.6 5 32.5 6 28.7 7 22.2 8 18.5 9 15.0 10 12.5 例8.我们收集了某厂家同一车型中旧车的车龄及其售价数据，请使用数据分析工具，求车龄对售价的回归方程 y = -4.8091x + 57.8 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? y = 0.8903x –3.4461 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。 复回归 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。 y=a1x1+a2x2+a3x3+a4x4+a5x5+b 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 y = -1.5407*车龄-0.4278*里程 + 65.9959 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 例11.我们收集了年龄与月收入关系的数据，使用数据分析工具求年龄对月收入的回归方程式。 y=a1x2+a2x+b 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