Question

怎么用EXCEL做线性拟合

怎么用最小二乘法做线性拟合，方差，标准差等函数 office2007 要详细过程 谢谢。

Answer 1

最小二乘法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。
用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。
通常用于曲线拟合。很多其他的优化问题也可通过最小化能量或最大化熵用最小二乘形式表达。
　　偏最小二乘回归≈多元线性回归分析＋典型相关分析＋主成分分析
　　与传统多元线性回归模型相比，偏最小二乘回归的特点是：（1）能够在自变量存在严重多重相关性的条件下进行回归建模；（2）允许在样本点个数少于变量个数的条件下进行回归建模；（3）偏最小二乘回归在最终模型中将包含原有的所有自变量；（4）偏最小二乘回归模型更易于辨识系统信息与噪声（甚至一些非随机性的噪声）；（5）在偏最小二乘回归模型中，每一个自变量的回归系数将更容易解释。
　　在计算方差和协方差时，求和号前面的系数有两种取法：当样本点集合是随机抽取得到时，应该取1/(n-1)；如果不是随机抽取的，这个系数可取1/n。
　　多重相关性的诊断
　　1
经验式诊断方法
　　1、在自变量的简单相关系数矩阵中，有某些自变量的相关系数值较大。
　　2、回归系数的代数符号与专业知识或一般经验相反；或者，它同该自变量与y的简单相关系数符号相反。
　　3、对重要自变量的回归系数进行t检验，其结果不显著。
　　特别典型的是，当F检验能在高精度下通过，测定系数R2的值亦很大，但自变量的t检验却全都不显著，这时，多重相关性的可能性将很大。
　　4、如果增加（或删除）一个变量，或者增加（或删除）一个观测值，回归系数的估计值发生了很大的变化。
　　5、重要自变量的回归系数置信区间明显过大。
　　6、在自变量中，某一个自变量是另一部分自变量的完全或近似完全的线性组合。
　　7、对于一般的观测数据，如果样本点的个数过少，样本数据中的多重相关性是经常存在的。