本示例教您如何在Excel中运行线性回归分析以及如何解释“摘要输出”。
您可以在下面找到我们的数据。最大的问题是：售出数量（输出）与价格和广告（输入）之间是否存在关系。换句话说：如果我们知道价格和广告，是否可以预测已售数量？
1.在“数据”选项卡上的“分析”组中，单击“数据分析”。
注意：找不到“数据分析”按钮？单击此处加载Analysis ToolPak加载项。
2.选择回归，然后单击确定。
3.选择Y范围（A1：A8）。这是预测变量（也称为因变量）。
4.选择X范围（B1：C8）。这些是解释变量（也称为自变量）。这些列必须彼此相邻。
5.检查标签。
6.单击“输出范围”框，然后选择单元格A11。
7.检查残差。
8.单击确定。
Excel产生以下汇总输出（四舍五入到小数点后三位）。
R广场
R Square等于0.962，非常适合。价格和广告的自变量解释了售出数量中96％的变化。越接近1，回归线（读入）越适合数据。
重要性F和P值
要检查结果是否可靠（统计显着），请查看显着性F（0.001）。如果该值小于0.05，则可以。如果显着性F大于0.05，则最好停止使用这组自变量。删除具有高P值（大于0.05）的变量，然后重新运行回归，直到显着性F降至0.05以下。
大多数或所有P值应低于0.05。在我们的示例中就是这种情况。（0.000，0.001和0.005）。
系数
回归线是：y =销售数量= 8536.214 -835.722 *价格+ 0.592 *广告。换句话说，每增加单位价格，售出数量就会减少835.722个单位。广告的每增加一个单位，售出数量就会增加0.592个单位。这是有价值的信息。
您也可以使用这些系数进行预测。例如，如果价格等于$ 4，而广告等于$ 3000，则您可能能够实现8536.214 -835.722 * 4 + 0.592 * 3000 = 6970的售出数量。
残差
残差显示实际数据点与预测数据点之间的距离（使用等式）。例如，第一个数据点等于8500。使用等式，预测数据点等于8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009，得到8500-8523.009 = -23.009的残差。
您还可以创建这些残差的散点图。
