Table of contents
我们使用 回归分析 当我们有来自两个不同来源的两个变量的数据，并想在它们之间建立一种关系。 回归分析 由于明显的原因，预测值和实际值之间会存在一些差异。 因此，我们 计算标准误差 使用回归模型，这是预测值和实际值之间的平均误差。 在本教程中，我们将告诉你如何计算回归分析的标准误差，在 ǞǞǞ .
下载实践工作手册
下载这本练习手册，在阅读本文时进行练习。
回归标准误差.xlsx在Excel中计算回归的标准误差的4个简单步骤
假设你有一个数据集，其中有一个 自变量( X ) 和一个 因变量( Y ) 正如你所看到的，它们没有显著的关系。 但我们想建立一个。 因此，我们将使用 回归分析 我们将利用回归分析计算两个变量之间的标准误差。 我们将在文章的后半部分复习回归模型的一些参数，以帮助你解释它。
第1步：应用数据分析命令创建回归模型
- 首先，到 数据 选项卡，并点击 数据分析 指挥。
- 从 数据分析 列表框中，选择 回归 选择。
- 然后，点击 认可 .
第2步：在回归框中插入输入和输出范围
- 对于 输入Y范围 ，选择范围 C4:C13 与标题。
- 点击进入 标签 复选框。
- 选择范围 B4:B13 为 输入X范围 .
- 为了在首选位置获得结果，选择任何单元格( B16 ) 为 输出范围 .
- 最后，点击 认可 .
阅读更多。 如何在Excel中计算比例的标准误差（简易步骤）？
第3步：找出标准误差
- 从回归分析中，你可以得到标准误差的值( 3156471 ).
阅读更多。 如何在Excel中寻找残余标准误差（2种简单方法）
第4步：绘制回归模型图
- 首先，点击 插入 标签。
- 从 图表 组，选择 散点 图。
- 右键点击 在其中一个点上。
- 从选项中，选择 添加趋势线 选择。
- 因此，你的 回归分析 图表将被绘制成如下所示的图像。
- 要显示 回归分析 方程，点击 在图表上显示方程式 选项，从 格式趋势线。
- 因此，该方程( y = 1.0844x + 107.21 )的回归分析将出现在图表中。
注意事项。
你可以从回归分析的方程式中计算出预测值和实际值之间的差异。
步骤。
- 键入表示回归分析方程的公式。
=1.0844*B5 + 107.21 
- 因此，你将得到第一个预测值( 129.9824 )，与实际值不同( 133 ).
- 使用 自动填表工具 以自动填充栏 D .
- 要计算误差，请输入以下公式进行减法。
=C5-D5 
- 最后，自动填充栏 E 来找到误差值。
阅读更多。 如何在Excel中计算回归斜率的标准误差
Excel中的回归分析的解释
1.标准误差
我们可以从回归分析方程中看到，预测值和实际值之间总是存在差异或误差。 因此，我们必须计算出差异的平均偏差。
A 标准误差 表示预测值和实际值之间的平均误差。 我们发现 8.3156471 作为 标准误差 它表明预测值和实际值之间存在差异，这可能大于 标准误差 ( 15.7464 )或低于 标准误差 ( 4.0048 )。 然而，我们的 平均误差 将是 8.3156471 ，也就是 标准误差 .
因此，该模型的目标是减少标准误差。 较低的 的标准误差，越是 准确 该模型。
2.系数
回归系数评估了未知值的反应。 在回归方程中( y = 1.0844x + 107.21 ), 1.0844 是指 系数 , x 是预测性的独立变量。 107.21 是常数，而 y 的响应值。 x .
- A 正系数 预示着系数越高，响应变量越高。 它表明一个 按比例 关系。
- A 负系数 预示着系数越高，反应值越低。 它表明一个 不成比例的 关系。
3.P值
在回归分析中。 p-values 和系数合作，告知你模型中的相关关系是否具有统计学意义，以及这些关系是什么样子的。 The 虚无假设 检验自变量与因变量没有联系的方法是使用 P值 如果没有相关性，自变量的变化和因变量的变化之间就没有联系。
- 你的样本数据给予了足够的支持 篡改 的情况下，对全部人口的无效假设进行分析。 P值 的变量是 更少 你的证据支持一个概念，那就是 非零相关 在人口层面，自变量的变化与因变量的变化有关。
- A P值 较大的 显著性水平以上的任何一方，都表明你的样本有 证据不足 以确定一个 非零相关 存在。
因为他们的 p-values ( 5.787E-06 , 1.3E-06 )是 更少 比 重要价值 ( 5.787E-06 ),。 独立变量 (X) 和 拦截 是 具有统计学意义 ，从回归输出的例子中可以看出。
4.R平方值
对于线性回归模型。 R-squared 是一个 完整性测量 这个比率显示了 方差百分比 在方便的情况下 0-100 百分比的比例。 R-squared 量化了 强度 你的模型和因变量之间的联系。
ǞǞǞ R2 值是衡量回归模型对你的数据拟合程度的一个指标。 更高的 的 数 ，在 更好的 该模型是可行的。
总结
我希望这篇文章能给你一个关于如何计算回归的标准误差的教程。 ǞǞǞ 所有这些程序都应该学会并应用于你的数据集。 看看练习工作簿，并将这些技能用于测试。 由于你的宝贵支持，我们有动力继续制作这样的教程。
如果您有任何问题，请与我们联系。 同时，欢迎在下面的栏目中留下评论。
我们 优秀 团队，总是对你的询问作出回应。
与我们呆在一起，继续学习。
