1702657823
1702657824
1702657825
1702657826
1702657827
图10.18 “回归”对话框
1702657828
1702657829
③在图10.18所示的“回归”对话框中的“Y值输入区域”文本框中输入因变量产品售价所在区域”D2:D11”，在“X值输入区域”文本框中输入自变量原料成本和加工费用所在区域”B2:C11”，对话框设置如图10.19所示。如果在进行回归分析之前已知回归方程的截距为0，则可在此对话框中勾选“常数为零”复选框；若还需要求得残差、标准残差、线性拟合图及正态概率图等信息，则在该对话框中勾选相应复选框即可。本例没有要求，则此处不做勾选。按照需要设置好对话框后，单击“确定”按钮，即可得到如图10.20所示的回归分析结果。
1702657830
1702657831
1702657832
1702657833
1702657834
图10.19 “回归”对话框设置
1702657835
1702657836
1702657837
1702657838
1702657839
图10.20 示例3回归分析结果
1702657840
1702657841
④分析回归分析结果。如图10.20所示，可从“回归统计”一栏中知得判定系数R Square约为0.52，调整后判定系数约为0.38，反映了回归分析结果的拟合程度和回归方程对原始数据的解释能力。同时，由“回归统计”栏还可知标准误差与观测值等信息。
1702657842
1702657843
由“方差分析”一栏可知回归的方差分析表，该方差分析的原假设为自变量对因变量没有显著影响，该回归的F值约为3.81，P值约为0.07，大于显著性水平0.05，因此无法拒绝原假设，说明自变量原料成本和加工费用对因变量产品售价没有显著影响。
1702657844
1702657845
由最后一栏，可知回归的系数以及置信区间。
1702657846
1702657847
可知原料成本的系数估计值约为0.66，加工费用的系数估计值约为0.85，产品售价的估计值约为469.5。因而可得出回归方程：
1702657848
1702657849
产品售价=0.66×原料成本+0.85×加工费用+469.5
1702657850
1702657851
该回归方程说明产品售价随着原料成本和加工费用的增加而增加；原料成本每增加1元，产品售价将增加0.66元；加工费用每增加1元，产品售价将增加0.85元。
1702657852
1702657853
1702657854
1702657855
1702657856
Excel统计分析与应用大全 [:1702652480]
1702657857
Excel统计分析与应用大全 10.3 使用回归函数进行回归分析
1702657858
1702657859
除了使用趋势线进行回归分析之外，还可以使用回归函数进行回归分析，它更具有灵活性和多用性，可计算更多的参数。本节将对如何使用回归函数进行回归分析进行更为详细的介绍。
1702657860
1702657861
Excel统计分析与应用大全 [:1702652481]
1702657862
10.3.1 计算回归分析系数
1702657863
1702657864
Excel 2013中包含了大量功能丰富的函数，其中包括可用于计算线性回归分析系数的函数。例如，INTERCEPT函数用于计算线性回归的截距，SLOPE函数用于计算线性回归的斜率。
1702657865
1702657866
1.利用INTERCEPT函数计算线性回归的截距
1702657867
1702657868
计算线性回归截距的公式为：
1702657869
1702657870
1702657871
1702657872