如何在 google sheets 中使用 logest 函数（附示例）

您可以使用 Google 表格中的LOGEST函数来计算适合您的数据的指数曲线的公式。

曲线方程将采用以下形式：

y = b* ^mx

该函数使用以下基本语法：

 = LOGEST ( known_data_y, [known_data_x], [b], [verbose] )

金子：

• known_data_y ：已知 y 值的数组
• known_data_x ：已知 x 值的数组
• b ：可选参数。如果为 TRUE，则正常处理常数 b。如果为 FALSE，则常数 b 设置为 1。
• verbose ：可选参数。如果为 TRUE，则返回附加回归统计数据。如果为 FALSE，则不返回附加回归统计数据。

以下分步示例展示了如何在实践中使用此功能。

第 1 步：输入数据

首先，我们将以下数据集输入到 Google Sheets 中：

第 2 步：可视化数据

接下来，让我们创建 x 与 y 的快速散点图，以验证数据实际上遵循指数曲线：

我们可以看到数据确实遵循指数曲线。

第三步：使用LOGEST求出指数曲线的公式

然后我们可以在任意单元格中输入以下公式来计算指数曲线公式：

 =LOGEST( B2:B11 , A2:A11 )

以下屏幕截图显示了如何在实践中使用该公式：

输出的第一个值代表m的值，输出的第二个值代表b的值，公式如下：

y = b* ^mx

因此，我们将指数曲线公式写如下：

y = 1.909483 * ^1.489702x

然后我们可以使用这个公式根据 x 的值来预测 y 的值。

例如，如果 xa 的值为 8，那么我们预测 y 的值为46.31 ：

y = 1.909483 * 1.489702 ⁸ = 46.31

步骤 4（可选）：查看其他回归统计数据

我们可以将LOGEST函数中的详细参数值设置为TRUE ，以显示拟合回归方程的附加回归统计数据：

以下是如何解释结果中的每个值：

• m 的标准误差为0.02206 。
• b 的标准误差为0.136879 。
• 该模型的 R ²为.97608 。
• y 的标准误差为.200371 。
• F 统计量为326.4436 。
• 自由度为8 。
• 回归平方和为13.106169 。
• 残差平方和为0.321187 。

一般来说，这些附加统计数据中最令人感兴趣的度量是 R ²值，它表示响应变量中可由预测变量解释的方差比例。

R ²的值可以在 0 到 1 之间变化。

由于该特定模型的 R ²接近 1，这告诉我们预测变量 x 可以很好地预测响应变量 y 的值。

相关：什么是好的 R 平方值？

其他资源

以下教程介绍了如何在 Google 表格中执行其他常见操作：

如何在 Google 表格中执行线性回归
如何在 Google 表格中执行多项式回归
如何在 Google 表格中计算 R 平方