本文介绍了Excel中的回归统计分析，重点关注相关系数R、R Square、Adjusted R Square和标准误差。此外，还讨论了方差分析中的Significance F值，强调其在检验线性关系显著性中的作用。作者分享了自身在大厂的工作经验，并提供了一份全面的Python开发学习资料，包括学习路线、软件、电子书、视频和面试资料，旨在帮助Python初学者和进阶者提升技能。
第一个表格-回归统计：
其中，
Multiple R：相关系数R，值在-1与1之间，越接近-1，代表越高的负相关，反之，代表越高的正相关关系。
R Square：测定系数，也叫拟合优度。是相关系数R的平方，同时也等于表2中回归分析SS/(回归分析SS+残差SS)，这个值在0~1之间，越大，代表回归模型与实际数据的拟合程度越高。当这个值大于0.8时表示强正相关。
Adjusted R Square：校正的测定系数，对两个具有不同个数的自变量的回归方程进行比较时，还必须考虑方程所包含的自变量个数的影响，为此提出，所谓“最优”回归方程是指校正的决定系数最大者。
标准误差：等于残差SS / 残差df 的平方根，标准误差越小越好。
观测值：表示有多少个数据
表1里我们重点看R Square-测定系数
第二个表格-方差分析
最低0.47元/天 解锁文章
扫一扫
5055
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
