【进阶】使用Excel进行回归分析，预测真实值

2、实例分析

简单根据上面的数据，我们并不能确定这两种广告投放渠道哪种更有效，所以，这里我们使用Excel中的回归分析方法，先检验这两组数据与销售额的相关性程度，随后再根据回归分析过程中所得到的线性回归方程预测确定广告费时的销售额。

3、操作分析

使用Excel进行多元线性回归分析的因变量是销售额，自变量是两种渠道的广告费，具体步骤如下：

第1步：选择回归分析工具并设置参数。打开“数据分析”对话框，选择“回归”分析工具，单击“确定”，如图3所示，弹出“回归”对话框，设置“Y值输入区域”为“$D$2：$D$14”，“X值输入区域”为“$B$2：$C$14”；勾选“标志”“置信度”复选框，并设置置信度为“95%”；单击“输出区域”，并设置该区域为“$F$1”；单击确定即可。如图4所示。

第2步：显示回归分析结果。此时返回工作表，就能得到详细的各项参数值。如图5所示。

操作解析：

回归分析的计算结果一共包括三个模块：

（1）第一个模块为回归统计表，其中主要包含MultipleR、RSquare、AdjustedRSquare、标准误差和观测值。MultipleR为复相关系数，也就是前面说的相关系数，用来衡量x和y之间的相关程度大小，RSquare为复测定系数R2，其用来说明自变量解释因变量变差的程度，从而测量同因变量y的拟合效果，AdjustedRSquare为调整后的复测定系数R2，标准误差衡量拟合程度大小，值越小，说明拟合程度越好，观测值指的是用于估计回归方程数据的观测值个数。

（2）第二个模块为方差分析表。其主要作用是通过假设检验中的F-检验来判断回归模型的回归效果。

（3）第三个模块是回归参数表。第一列表示截距，第二列表示对应模型的回归系数，包括了截距和斜率，可以根据这个建立回归模型。第三列为回归系数的标准误差，值越小，表明参数的精确度越高，第四列对应的是统计量t值，用于检验模型参数。第五列为各个回归系数的P值，当P