基于常用的办公软件Excel，挑选能够提高工作效率的常用工具来讲解。本节介绍Excel数据分析工具库-3。

1、 回归分析：

1） 回归：研究自变量与因变量之间关系形式的分析方法，主要通过建立因变量Y与自变量Xi（i=1,2,3，……）之间的回归模型，来预测因变量Y的发展趋势。

2） 相关分析与回归分析的联系：均为研究与测量两个或两个以上变量之间关系的方法。

3） 相关分析与回归分析的区别：

Ⅰ相关分析：随机变量，不区分自变量和因变量；描述两个变量之间线性关系的密切程度

Ⅱ回归分析：区分自变量和因变量，自变量是确定的普通变量，因变量是随机变量；揭示变量X对变量Y的影响大小，由回归模型进行预测

4） 线性回归分析的五个步骤：

Ⅰ根据预测目标，确定自变量和因变量

Ⅱ绘制散点图，确定回归模型类型

Ⅲ估计模型参数，建立回归模型

Ⅳ对回归模型进行检验

Ⅴ利用回归模型进行预测

5） 简单线性回归：

Ⅰ也称一元线性回归，回归模型中只含一个自变量，否则为多重线性回归。

Ⅱ简单线性回归模型：Y=a+bX+ε

Y-因变量；X-自变量；a-常数项，回归直线在总坐标轴上的截距；b-回归系数，回归直线的斜率；ε-随机误差

6） 绘制散点图：

Ⅰ【数据】—【分析】—【数据分析】—【回归】—【确定】

Ⅱ弹出后，对各类参数进行设置：

A.   输入：

a.    Y值输入区域：输入需要分析的因变量数据区域

b.    X值输入区域：输入需要分析的自变量数据区域

c.    标志：勾选【标志】

d.    常数为零：表示该模型属于严格的正比例模型

e.    置信度：按照需要是否需要勾选

B.    输出选项：

a.    输出区域：可选当前工作表的某个活动单元格、新工作表组或新工作簿

b.    残差：观测值与预测值（拟合值）之间的差，也称剩余值

c.    标准残差：指（残差-残差的均值）/残差的标准差

d.    残差图：绘制的点在以0为横轴的直线上下随机散布，则表示拟合结果合理，否则重新建模

e.    线性拟合图

f.     正态概率图

Ⅲ【确定】，输出结果

7） 回归统计表：

回归模型的拟合效果：

Ⅰ Multiple R：Y与X之间的相关系数绝对值

Ⅱ R Square：判定系数R2，越接近1，表示越好

Ⅲ Adjusted R Square：调整判定系数Adjusted R2，在多重线性回归时才有意义。

Ⅳ 标准误差：剩余标准差，值越小，表示越好

Ⅴ 观测值：估计回归模型的数据个数（n）

8） 方差分析表：

Ⅰ主要作用：通过F检验来判断回归模型的回归效果。

Ⅱ五大指标：Df（自由度）、SS（误差平方和）、MS（均方差）、F（F统计量）、Significance F（P值）

A.   F：衡量变量间线性关系是否显著

B.    Significance F：实在显著性水平α（常用取值0.01或0.05）下的F的临界值

9） 回归系数表：用于回归模型的描述和回归系数的显著性检验。

10）  多重线性回归：

Ⅰ包含一个因变量和多个自变量的回归模型

Ⅱ多重线性回归模型：Y=a+b1X1+b2X2+^+bnXn+ε

Xn-第n个自变量；bn-第n个偏回归系数

2、 时间序列预测：

1） 基本特点：假设事物发展趋势会延伸到未来；预测所依据的数据具有不规则性；不考虑事物发展之间的因果关系

2） 主要包括的预测方法：移动平均法、指数平滑法、趋势外推法、季节变动法等

Ⅰ移动平均法：

A.   根据时间序列逐期推移，依次计算包含一定期数的平均值，形成平均值时间序列，以反映事物发展趋势

B.    基本思想：适合短期预测

C.   公式：Yt=（Xt-1+Xt-2+Xt-3+……+Xt-n）/n

Yt-对下一期的预测值；n-移动平均的时期个数；Xt-1-前期实际值；Xt-n-前n期的实际值

Ⅱ指数平滑法：

A.   使用阻尼系数（β），β越小，近期实际值对预测结果影响越大。

B.    阻尼系数根据时间序列的变化特性来选取。

C.   公式：Yt=αXt-1+（1-α）Yt-1=（1-β）Xt-1+βYt-1

Yt-时间t的平滑值；Xt-1-时间t-1的实际值；Yt-1-时间t-1的平滑值；α-平滑系数；β-阻尼系数