Excel 财务应用 一元线性回归预测
在回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析。在实际预测中，选取与预测量（Y）最紧密的一个影响因素作为自变量（X），建立回归方程，配合回归曲线，对参数进行统计检验，从而对预测值进行精度检验和置信区间的估计。 为了研究某一化学反应过程中温度x对产品生产率Y的影响，下面利用一元线性回归预测分析来解决这一问题。
1．建立回归方程
回归方程是对变量之间统计关系进行定量描述的一种数学表达式。例如，在工作表中，输入温度与产品生产率的相应数据，如图8-36所示。试用该工作表中的数据，预测温度为200℃时产品的生产率。
图8-36 温度与生产率基本数据
在Excel中对于一元线性回归提供了两种建立回归方程的方法，下面进行详细介绍。 通过SLOPE和INTERCEPT函数
首先，对这两个函数进行介绍。其中，SLOPE函数返回根据known_y's和known_x's中的数据点拟合的线性回归直线的斜率。斜率为直线上任意两点的重直距离与水平距离的比值，也就是回归直线的变化率。
语法：SLOPE(known_y's,known_x's)
其中，Known_y's表示为数字型因变量数据点数组或单元格区域。Known_x's表示为自变量数据点集合。
提 示
INTERCEPT函数是利用现有的x值与y值计算直线与y轴的截距。截距为穿过已知的known_x's和known_y's数据点的线性回归线与y轴的交点。当自变量为0（零）时，使用INTERCEPT函数可以决定因变量的值。
语法：INTERCEPT(known_y's,known_x's)
其中，Known_y's表示因变的观察值或数据集合。Known_x's表示自变的观察值或数据集合。
则函数 INTERCEPT 返回错误值 #N/A。
提 示
例如，分别在“斜率”和“截距”所对应的单元格中（E4和H4单元格），输入“=SLOPE(B3:K3,B2:K2)”和“=INTERCEPT(B3:K3,B2:K2)”公式，分别返回数据点拟合的线性回归直线的斜率和截距，如图8-37所示。 如果 known_y's 和 known_x's 所包含的数据点个数不相等或不包含任何数据点，如果 known_y's 和 known_x's 为空或其数据点个数不同，函数 SLOPE 返回错误值 #N/A。
Excel 财务应用 一元线性回归预测
在回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析。在实际预测中，选取与预测量（Y）最紧密的一个影响因素作为自变量（X），建立回归方程，配合回归曲线，对参数进行统计检验，从而对预测值进行精度检验和置信区间的估计。 为了研究某一化学反应过程中温度x对产品生产率Y的影响，下面利用一元线性回归预测分析来解决这一问题。
1．建立回归方程
回归方程是对变量之间统计关系进行定量描述的一种数学表达式。例如，在工作表中，输入温度与产品生产率的相应数据，如图8-36所示。试用该工作表中的数据，预测温度为200℃时产品的生产率。
图8-36 温度与生产率基本数据
在Excel中对于一元线性回归提供了两种建立回归方程的方法，下面进行详细介绍。 通过SLOPE和INTERCEPT函数
首先，对这两个函数进行介绍。其中，SLOPE函数返回根据known_y's和known_x's中的数据点拟合的线性回归直线的斜率。斜率为直线上任意两点的重直距离与水平距离的比值，也就是回归直线的变化率。
语法：SLOPE(known_y's,known_x's)
其中，Known_y's表示为数字型因变量数据点数组或单元格区域。Known_x's表示为自变量数据点集合。
提 示
INTERCEPT函数是利用现有的x值与y值计算直线与y轴的截距。截距为穿过已知的known_x's和known_y's数据点的线性回归线与y轴的交点。当自变量为0（零）时，使用INTERCEPT函数可以决定因变量的值。
语法：INTERCEPT(known_y's,known_x's)
其中，Known_y's表示因变的观察值或数据集合。Known_x's表示自变的观察值或数据集合。
则函数 INTERCEPT 返回错误值 #N/A。
提 示
例如，分别在“斜率”和“截距”所对应的单元格中（E4和H4单元格），输入“=SLOPE(B3:K3,B2:K2)”和“=INTERCEPT(B3:K3,B2:K2)”公式，分别返回数据点拟合的线性回归直线的斜率和截距，如图8-37所示。 如果 known_y's 和 known_x's 所包含的数据点个数不相等或不包含任何数据点，如果 known_y's 和 known_x's 为空或其数据点个数不同，函数 SLOPE 返回错误值 #N/A。