初识线性回归(Excel-Python实现)

---

前言

本篇博客内容主要围绕线性回归进行练习。分别通过Excel和jupyter notebook对大量身高和体重数据进行分析，判断身高和体重之间是否具有线性相关性。

一、Excel实现数据线性分析

1、添加数据分析工具

按一下步骤添加数据分析工具即可

1、文件——更多——选项：

2、加载项：

3、勾选分析工具库和分析工具库—VBA，后点击确定：

4、最后点击确定，在数据栏中找到数据分析说明添加成功：

2、使用Excel的数据分析进行回归分析

1、点击数据分析，在弹出窗口中选择“回归”并确认：

确认后弹出新窗口如下：

2、Excel回归分析参数设置
1）选定数据来源范围
可以通过Y值输入区域文本框直接编辑数据输入的范围，也可以点击文本框之后向上的箭头符号框选Excel表格中的某个范围。并进行输入参数设置时需要将Y和X的输入区域都确定好。先选定20组数据作为数据输入：

（2）使用步骤（1）中的方法选中分析结果的输出区域：

（3）残差项中选择较为直观的线性拟合图：

（4）点击确认后，得到输出的图表如下：

（5）双击横坐标或纵坐标轴，设置坐标轴格式，点击坐标轴选项，设置最大最小值，间隔单位：

X轴设置：

Y轴设置：

修改后图表显示如下：

（6）双击图表中蓝色点（原始数据），选中后鼠标右击，选中添加线性趋势线：

（7）在设置线性趋势线格式弹窗中对趋势线进行设置。勾线线性。趋势线名称为：身高与体重关系。勾选显示公式和显示R平方值：

（8）回归分析结果如下：

（9）点击选择数据，再点击弹窗中的编辑对分析的数据范围进行修改，使之选中200组数据。修改如下，并点击确认：


对200组数据进行回归分析结果如下：

对2000组数据分析结果如下：


对20000组数据分析如下：

二、使用jupyter编程，用最小二乘法重做上述回归分析

1、程序编写前准备

1、启动jupyter notebook：可以点击下图中Jupyter Notebook(Anaconda3)，再稍作等待即可启动。也可以点击Anaconda Prompt输入指令：jupyter notebook，稍作等待即可启动：

指令启动：

启动后如图所示：

2、创建ipynb文件：点击页面中的new，选择一个虚拟环境，即可创建一个ipynb文件:

在新创建的ipynb文件中可以点击File中的Rename进行ipynb文件名更改这里我将文件名更改为:wz_homework2:


3、在图中红色选中区域即可开始编程:

2、最小二乘法回归分析程序编写

最小二乘法介绍：
设拟合直线的公式为：
其中：拟合直线的斜率为：
计算出斜率后，根据和已经确定的斜率k，利用待定系数法求出截距b。
1、20组数据回归分析代码：

import pandas as pd
import numpy as np
import math
#准备数据
p=pd.