Excel：如何解释 linest 函数的输出

您可以使用LINEST函数来拟合 Excel 中的回归模型。

该函数使用以下基本语法：

 LINEST(known_y's, known_x's, const, stats)

金子：

• known_y’s ：响应变量的一列值
• known_x’s ：预测变量的一列或多列值
• const : TRUE = 正常计算拦截，FALSE = 强制拦截为零
• stats ：TRUE = 计算附加回归统计数据，FALSE = 仅计算系数

以下示例显示如何在实践中解释LINEST函数的输出。

示例：如何解释 Excel 中的 LINEST 输出

假设我们有以下数据集，其中包含预测变量 (x) 和响应变量 (y)：

我们可以在单元格D1中键入以下公式，以对该数据集执行简单的线性回归：

 =LINEST( A2:A15 , B2:B15 , TRUE, TRUE)

LINEST函数的输出包含回归模型系数以及一些附加统计数据：

以下屏幕截图提供了结果中每个值的解释：

从结果我们可以看出：

• β ₀的系数为3.52169 。
• _β1的系数为0.693717 。

使用这些值，我们可以写出这个简单回归模型的方程：

y = 3.52169 + 0.693717(x)

我们将此解释为预测变量 x 每增加 1 个单位，响应变量 y 平均增加0.693717 。

我们将原始术语解释为当 x 为零时，y 的平均值为3.52169 。

我们还可以看到：

• 模型的 R 平方值为0.888 。

我们将此解释为预测变量能够解释模型响应变量中88.8%的变异。

相关：什么是好的 R 平方值？

其他资源

以下教程提供了有关 Excel 回归的更多信息：

如何在Excel中解释回归输出中的P值
如何在 Excel 中的散点图中添加回归线
如何在 Excel 中执行多项式回归