1702657623
1702657624
③分析回归结果。由图10.11可知，趋势线的公式为y=-0.989x+2059.5，反映了两个变量之间的强弱关系，说明时间每增加一年，该高校毕业班的高等数学平均分就减少0.989分，而拟合优度R2=0.1505说明了这个公式能够解释数据的15.05%，说明该公式的解释力度并不是很强。
1702657625
1702657626
1702657627
1702657628
1702657629
Excel统计分析与应用大全 [:1702652475]
1702657630
Excel统计分析与应用大全 10.2 多元线性回归分析
1702657631
1702657632
在大多数的实际问题中，影响因变量的因素可能不是一个而是多个，这类问题被称为多元回归分析。多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型而进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。
1702657633
1702657634
Excel统计分析与应用大全 [:1702652476]
1702657635
10.2.1 多元线性回归系数的求解
1702657636
1702657637
多元线性回归是一个因变量与两个或两个以上自变量之间的回归。描述因变量y如何依赖于自变量x1，x2，……，xp和误差项ε的方程称为多元线性回归模型。
1702657638
1702657639
涉及p个自变量的多元线性回归模型可表示为：
1702657640
1702657641
y=β0+β1x1i+β2x2i+……+βpxpi+εi
1702657642
1702657643
其中，β0，β1，β2，……，βp是参数。β0为常数项，是x1，x2和y构成的平面与y轴的截距；β1为偏回归系数，表示在其他x固定时x1每变化一个单位引起的y的平均变动；与β1一致，β2为偏回归系数，表示在其他x固定时x2每变化一个单位引起的y的平均变动……同理，βp为偏回归系数，表示在其他x固定时xp每变化一个单位引起的y的平均变动。ε是一个期望值为0的被称为误差项的随机变量。对于自变量x1，x2，……，xp的所有值，ε的方差都一致。ε说明了包含在y里面但不能被p个自变量的线性关系所解释的变异性。ε是一个服从正态分布的随机变量。且相互独立。y是x1，x2，……，xp的线性函数加上误差项ε。
1702657644
1702657645
多元线性总体回归函数的一般形式为：
1702657646
1702657647
yi=β1x1i+β2x2i+β3x3i+……+βkxki+ui
1702657648
1702657649
多元线性样本回归函数的一般形式为：
1702657650
1702657651
1702657652
1702657653
1702657654
1702657655
多元线性回归系数的求解一般使用最小二乘法。最小二乘法利用使因变量的观测值与估计值之间的离差平方和达到最小来求得即
1702657656
1702657657
1702657658
1702657659
1702657660
根据最小二乘法的要求，可得求解各回归参数的标准方程：
1702657661
1702657662
1702657663
1702657664
1702657665
1702657666
1702657667
1702657668
Excel统计分析与应用大全 [:1702652477]
1702657669
Excel统计分析与应用大全 10.2.2 多元线性回归统计的检验
1702657670
1702657671
多元线性回归的统计检验可以分为以下几类。
1702657672