回归直线怎么用excel表格

1.如何用excel作直线回归方程

1）打开excel;

2）在表格中【照原样】填写数据；

3）用鼠标框选全部数据；

4）点《工具栏》中的《插入》->；点弹出菜单中的《图表》->；选《散点图》

->；点《完成》（点《下一步》也可以进行。）；

5）指向一个点，右击鼠标->；在《类型》中点《线性》、在《选项》中【勾选】《显示公式》和《显示R平方值》->；点《确定》

即完成 线性回归。其中的公式若看不清楚，可以用鼠标拖到合适的地方。

2.如何利用Excel进行直线回归

标准管浓度X（μg）00.51.003.005.007.0010.00吸光度Y00.0120.0210.070.100.1450.199一、确定各点的分布趋势①双击在桌面上的Excel图标，直接打开表格；也可单击鼠标右键，选择打开。

②设置X行与Y行将数值输入到相应的行中。③选中插入菜单， 插入图表选中标准类型中x、y散点图单击下一步。

④选中X行与Y行中所有数据区域，单击下一步；进行相应选择，单击完成。⑤选中图表中其中的一数据，单击右键，单击添加趋势线，选中线性，单击确定。

二、直线方程回归①打开插入菜单， 插入函数。在选择类型中选中统计，在选择函数中选中INTERCEPT单击确定，选中相应的数据区域，单击确定得到截距数值。

②类似①的操作，不同之处是在选择函数中选中SLOPE，单击确定，选中相应的数据区域，单击确定得到斜率数值。

3.怎样在excel中进行线性回归分析

LINEST 函数——可以查看EXCEL的帮助，以下为摘录： 本文介绍 Microsoft Excel 中 LINEST 函数 的公式语法和用法。

在“另请参阅”部分中可找到一些链接，这些链接指向有关绘制图表和执行回归分析的详细信息。 说明 LINEST 函数可通过使用最小二乘法计算与现有数据最佳拟合的直线，来计算某直线的统计值，然后返回描述此直线的数组。

也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值，包括多项式、对数、指数和幂级数。因为此函数返回数值数组，所以必须以数组公式的形式输入。

请按照本文中的示例使用此函数。 直线的公式为： y = mx + b - 或 - y = m1x1 + m2x2 + 。

+ b 如果有多个区域的 x 值，其中因变量 y 值是自变量 x 值的函数。m 值是与每个 x 值相对应的系数，b 为常量。

注意，y、x 和 m 可以是向量。LINEST 函数返回的数组为 {mn,mn-1,。

,m1,b}。LINEST 函数还可返回附加回归统计值。

语法 LINEST(known_y's, [known_x's], [const], [stats]) LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值。）： 语法 Known_y's 必需。

关系表达式 y = mx + b 中已知的 y 值集合。 如果 known_y's 对应的单元格区域在单独一列中，则 known_x's 的每一列被视为一个***的变量。

如果 known_y's 对应的单元格区域在单独一行中，则 known_x's 的每一行被视为一个***的变量。 Known_x's 可选。

关系表达式 y = mx + b 中已知的 x 值集合。 known_x's 对应的单元格区域可以包含一组或多组变量。

如果仅使用一个变量，那么只要 known_y's 和 known_x's 具有相同的维数，则它们可以是任何形状的区域。如果使用多个变量，则 known_y's 必须为向量（即必须为一行或一列）。

如果省略 known_x's，则假设该数组为 {1,2,3，。}， 其大小与 known_y's 相同。

const 可选。一个逻辑值，用于指定是否将常量 b 强制设为 0。

如果 const 为 TRUE 或被省略，b 将按通常方式计算。 如果 const 为 FALSE,b 将被设为 0，并同时调整 m 值使 y = mx。

stats 可选。一个逻辑值，用于指定是否返回附加回归统计值。

如果 stats 为 TRUE，则 LINEST 函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,。,m1,b;sen,sen-1,。

,se1,seb;r2,sey;F,df;ssreg,ssresid}。 如果 stats 为 FALSE 或被省略，LINEST 函数只返回系数 m 和常量 b。

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”。 sey Y 估计值的标准误差。

F F 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”。

可以使用斜率和 y 轴截距描述任何直线： 斜率 （m）： 通常记为 m，如果需要计算斜率，则选取直线上的两点，（x1,y1） 和 （x2,y2）；斜率等于 （y2 - y1）/(x2 - x1)。 Y 轴截距 （b）： 通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。

直线的公式为 y = mx + b。如果知道了 m 和 b 的值，将 y 或 x 的值代入公式就可计算出直线上的任意一点。

还可以使用 TREND 函数。 当只有一个自变量 x 时，可直接利用下面公式得到斜率和 y 轴截距值： 斜率： =INDEX(LINEST(known_y's,known_x's),1) Y 轴截距： =INDEX(LINEST(known_y's,known_x's),2） 数据的离散程度决定了 LINEST 函数计算的直线的精确度。

数据越接近线性，LINEST 模型就越精确。LINEST 函数使用最小二乘法来判定数据的最佳拟合。

当只有一个自变量 x 时，m 和 b 是根据下面的公式计算出的： 其中，x 和 y 是样本平均值；即，x = AVERAGE(known x's),y = AVERAGE(known_y's)。 直线和曲线拟合函数 LINEST 和 LOGEST 可用来计算与给定数据拟合程度最高的直线或指数曲线， 但需要判断两者中哪一个与数据拟合程度最高。

可以用函数 TREND(known_y's,known_x's) 来计算直线，或用函数 GROWTH(known_y's, known_x's) 来计算指数曲线。这些不带 new_x's 参数的函数可在实际数据点上根据直线或曲线来返回 y 预测值的数组， 然后可以将预测值与实际值进行比较。

可能需要用图表方式来直观地比较二者。 回归分析时，Excel 会计算每一点的 y 的估计值和实际值的平方差。

这些平方差之和称为残差平方和 （ssresid）。然后 Excel 会计算总平方和 （sstotal）。

当参数 const = TRUE 或被省略时，总平方和是 y 的实际值和平均值的平方差之和。