用Excel 多元线性回归的方法分析数据 1.理清各个数据之间的逻辑关系，搞清楚哪个是自变量，哪个又是因变量。如附图所示，这里要对人均gdp和城市化水平进行分析，建立符合两者之间的模型，假定人均gdp为自变量，城市化水平是因变量。2.由于不知道两者之间的具体关系如何，所以利用数据生成一个散点图判断其可能符合的模型。如附图1所示为生成的散点图，一般横坐标为自变量，纵坐标为因e69da5e6ba907a6431333337626131变量，所以需要将x轴，y轴的坐标对调一下，这里采用最简单的方法，将因变量移动到自变量的右边一列即可，如附图2所示。3.由步骤2的散点图，可以判断自变量和因变量之间可能呈线性关系，可以添加线性趋势线进一步加以判断。如附图1所示。也可以添加指数，移动平均等趋势线进行判断。很明显数据可能符合线性关系，所以下面我们对数据进行回归分析。4.选择菜单栏的“数据分析”->；“回归”。具体操作如附图所示。5.步骤4进行的回归分析输出结果如附图所示。回归模型是否有效，可以参见p指，如果p则极端显著，如果0.001非常显著，0.01则一般显著，p>；0.05则不显著。本例的p值均小于0.001，所以属于极端显著，故回归模型是有效的。根据回归模型的结果可知。y=5E-06x+0.5876R2=0.9439如附图2所示。
一道有关多元线性回归的数据分析 此类问题，可以用regress（）多元线性回归函数，进行数据分析。函数使用举例：x1=。x2=。y=。n=length(x1)X=[ones(n，1)x1 x2][a，bint，r，rint，stats]=regress(y，X)即β0=a(1)，β1=a(2)，β2=a(3)
线性相关分析与线性回归分析对数据的要求 线性相关分析的数据要求：可以是连续性数据，也可以是分类数据。线性回归分析的数据要求：自变量可以是分类变量和连续性变量，因变抄量必须是连续性变量。分类变量：zd比如性别\\民族\\学历等，数据之间无法进行加减的。连续变量：比如身高\\体重\\收入\\温度等，这种有具体意义的数据，可以进行平均和加减的。
