excel多元回归-系数参数解读
sklearn实战-乳腺癌细胞数据挖掘
https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
Excel多元回归
http://blog.sina.com.cn/s/blog_a20c88b601014j9x.html 转载
使用Excel数据分析工具进行多元回归分析与简单的回归估算分析方法基本相同。但是由于有些电脑在安装办公软件时并未加载数据分析工具,所以从加载开始说起(以Excel2010版为例,其余版本都可以在相应界面找到)。
点击“文件”,如下图:
在弹出的菜单中选择“选项”,如下图所示:
在弹出的“选项”菜单中选择“加载项”,在“加载项”多行文本框中使用滚动条找到并选中“分析工具库”,然后点击最下方的“转到”,如下图所示:
在弹出的“加载宏”菜单中选择“分析工具库”,然后点击 “确定”,如下图所示:
加载完毕,在“数据”工具栏中就出现“数据分析”工具库,如下图所示:
给出原始数据,自变量的值在A2:I21单元格区间中,因变量的值在J2:J21中,如下图所示:
假设回归估算表达式为:
试使用Excel数据分析工具库中的回归分析工具对其回归系数进行估算并进行回归分析:
点击“数据”工具栏中中的“数据分析”工具库,如下图所示:
在弹出的“数据分析”-“分析工具”多行文本框中选择“回归”,然后点击 “确定”,如下图所示:
弹出“回归”对话框并作如下图的选择:
上述选择的具体方法是:
在“Y值输入区域”,点击右侧折叠按钮,选取函数Y数据所在单元格区域J2:J21,选完后再单击折叠按钮返回;这过程也可以直接在“Y值输入区域”文本框中输入J2:J21;
在“X值输入区域”,点击右侧折叠按钮,选取自变量数据所在单元格区域A2:I21,选完后再单击折叠按钮返回;这过程也可以直接在“X值输入区域”文本框中输入A2:I21;
置信度可选默认的95%。
在“输出区域”如选“新工作表”,就将统计分析结果输出到在新表内。为了比较对照,我选本表内的空白区域,左上角起始单元格为K10.点击确定后,输出结果如下:
第一张表是“回归统计表”(K12:L17):
其中:
Multiple R:(复相关系数R)R2的平方根,又称相关系数,用来衡量自变量x与y之间的相关程度的大小。本例R=0.9134表明它们之间的关系为高度正相关。(Multiple:复合、多种)
R Square:复测定系数,上述复相关系数R的平方。用来说明自变量解释因变量y变差的程度,以测定因变量y的拟合效果。此案例中的复测定系数为0.8343,表明用用自变量可解释因变量变差的83.43%
Adjusted R Square:调整后的复测定系数R2,该值为0.6852,说明自变量能说明因变量y的68.52%,因变量y的31.48%要由其他因素来解释。( Adjusted:调整后的)
标准误差:用来衡量拟合程度的大小,也用于计算与回归相关的其它统计量,此值越小,说明拟合程度越好
观察值:用于估计回归方程的数据的观察值个数。
第二张表是“方差分析表”:主要作用是通过F检验来判定回归模型的回归效果。
该案例中的Significance F(F显著性统计量)的P值为0.00636,小于显著性水平0.05,所以说该回归方程回归效果显著,方程中至少有一个回归系数显著不为0.(Significance:显著)
第三张表是“回归参数表”:
K26:K35为常数项和b1~b9的排序默认标示.
L26:L35为常数项和b1~b9的值,据此可得出估算的回归方程为:
该表中重要的是O列,该列的O26:O35中的 P-value为回归系数t统计量的P值。
值得注意的是:其中b1、b7的t统计量的P值为0.0156和0.0175,远小于显著性水平0.05,因此该两项的自变量与y相关。而其他各项的t统计量的P值远大于b1、b7的t统计量的P值,但如此大的P值说明这些项的自变量与因变量不存在相关性,因此这些项的回归系数不显著。
excel多元回归-系数参数解读相关推荐
- Tomcat - Tomcat 网络通信模型剖析 并发参数解读
文章目录 什么是IO Tomcat 支持四种线程模型 Tomcat 如何使用指定IO模型 Tomcat BIO VS NIO BIO NIO 影响 BIO/NIO线程数量的多少的因素 Tomcat c ...
- kube-controller-manager 配置参数解读
下面是kube-controller-manager version 1.12.0的所有配置,其中高亮加粗的是我认为需要注意的Flag. Flag Comments –allocate-node-ci ...
- numpy.repeat作用,语法,参数解读以及实例
numpy.repeat() 作用 可以用于重复数组中的元素 语法 numpy.repeat(a, repeats, axis=None) 参数解读 Parameters a : array_like ...
- 【机器学习】hist参数解读
在对数据进行可视化时,用hist来查看单一特征是很重要的,结合着看多种图表,有助于获得对数据的进一步理解. 本篇是对 https://pandas.pydata.org/pandas-docs/sta ...
- 运算放大器基本原理与参数解读
目录 1.运放的基本结构 2.运放的参数解读 2.1 工作范围 2.2 电气参数 2.2.1 失调电压(offset voltage) 2.2.2 共模电压(VCM)和共模抑制比(CMRR) 2.2. ...
- 初识EMC元器件(五)——电容参数解读及选型应用
一.什么是电容 什么是电容?这位朋友太过熟悉反而不知道该如何介绍它,也无需在此赘述.电容主要用于滤波.储能.隔直流.耦合.谐振.降压等电路中,但此次我们主要聊的是EMC滤波功能. 滤波原理:利用电容对 ...
- 初识EMC元器件(九)——气体放电管的参数解读及选型应用
一.什么是气体放电管 气体放电管(Gas Discharge Tube,简称GDT),是一种陶瓷或玻璃封装,其内部充有一定量的惰性气体,管内有两个或多个电极的保护器件. 保护原理:气体放电管应用原理是 ...
- 计算机配件及其参数,型号后缀看不懂 电脑核心硬件参数解读
1型号后缀要看懂 DIY硬件参数解读 DIY电脑除了其独特的魅力在于其高性能.个性化,除此之外,大多数DIY玩家的计算机水平也正因为其专业性而有别于普通电脑玩家.DIY电脑的乐趣在于亲手创造,可以根据 ...
- PCIe交换机的作用和参数解读:PEX89144为例,PCIe交换机能做些什么
引言 超微的SYS-821GE-TNHR/FTNHR服务器的PCIe扩展接口数量确实超过了第四代英特尔至强处理器所能提供的通道数.这是因为该服务器采用了一种称为PCIe交换机的硬件设备,它可以将少量P ...
最新文章
- SuMa++: LiDAR-based Semantic SLAM
- 怎样在Spark、Flink应用中使用Protobuf 3的包
- 防火墙术语详解(一)
- 脑电情绪识别:脑功能连接网络与局部激活信息结合
- thinkphp5+workerman搭建微信小程序socket后台,建立自己的聊天室
- vue基础知识(一)
- Android之如何解决adb server is out of date,killing...ADB server didn't ACK
- 动词变名词的变化规则_动词第三人称单数的变化规则及练习(含语音)
- [转]版本控制软件Subversion的使用笔记(WIN)
- PowerTip of the Day-Finding Invalid Aliases
- 极速收藏!巨详细的分布式架构知识体系
- C#算法 质因数 最大公约数与最小公倍数
- Humidex--POJ 3299
- 全网首发:多个mimetypes xml设置某种文件类型的不同图标,LINUX怎样确定使用哪个
- rhel5编译安装2.6.29.2内核
- 基于51单片机的超声波倒车雷达防撞系统 proteus仿真 LCD1602显示
- CPU输入/输出的控制方式有哪些?
- UVA 10131 Is Bigger Smarter? (DP,最长条件子序列)
- MODIS数据之HEG拼接重采样批处理(Python_MacOS)
- mac添加Chrome插件的方法