Question

求R方拟合度计算方法，例子

用excel可以拟合两组数据的曲线比如指数，对数，线性等等，我只知道用图表里面的选项，不知道有没有函数，可以得到拟合结果的。

或者是用类似matlab的方式做拟合，然后计算R方，但是我这就更不懂怎么算了。

举个例子，我自己编的
x=[1000,2000,3000,4000,5000,6000],
y=[24,36,45,52,57,61]
用excel拟合对数得到y=20.9Ln(x)-121 R2=0.99
如果用matlab，怎么算，包括R2，
似乎转换一下用最小二乘拟合也可以。。。。不太懂

有知道的吗？excel或者编程都可以

Answer 1

　　拟合度检验是对已制作好的预测模型进行检验，比较它们的预测结果与实际发生情况的吻合程度。通常是对数个预测模型同时进行检验，选其拟合度较好的进行试用。常用的拟合度检验方法有：剩余平方和检验、卡方(c2)检验和线性回归检验等。拟合度，也就是“R-squared”。
　　⑴．剩余平方和检验是将利用预测的理论预测值（ ）与病害发生的实际情况(y)进行比较，求得它们的差异平方和(Q)、回归误差(S)及曲线相关比(r)的值，希望Q、S的值愈小愈好，曲线相关比（r）愈大愈好。
　　， r(曲)=1－(Q/Lyy)
　　⑵．卡方（c2）检验的计算公式
　　⑶．回归误差检验法 （Sy/x检验）
　　通常，多因素预测方程的通式为： y=b0+b1x1+b2x2+···+bnxn±2Sy/x
　　方程尾部的Sy/x为方程的回归误差。在利用预测方程的回归误差进行预测效果的检验时，认为预测值落在2个回归误差的范围之内，就认为预测正确，其实，回归误差是由建立预测方程的原始数据决定的，当原始数据的摆动范围愈大，所建方程的回归误差Sy/x也就愈大，此时用Sy/x作为检验标准，也就扩大了误差范围，因此，该方法的使用尚需探讨。
　　⑷．参数检验法（线性回归检验法）
　　在预测模型研制一章中已经提到，要比较几个模型的预测效果时可用参数检验法检查预测值 与病害发生的实测值y的符合情况，即 =y时，它们应符合： =0+1y，
　　用预测方程所得到的 的与相应的病害发生实测值进行回归，就可以得到如下的线性回归式
　　=a + by，
　　当有数个预测方程时，便可得到数个如下的线性回归式：
　　=a1 + b1y，
　　=a2 + b2y，，
　　． ． ．
　　． ． ．
　　=an + bny， 。
　　此时比较几个a值和b值，当a值愈趋近于0，b愈趋近于1，则说明该方程的预测效果愈好。