操作工具容易，解讀結果難，今天跟大家總結一下Excel回歸分析的結果應該怎麼看，有誤之處也歡迎各位小夥伴指正。

補充一句，Excel隻能做線性回歸，本篇的讨論也是在這個條件的基礎上進行的，好了，閑話不多說，直接上結果吧。

表1：

Multiple R：相關系數R，值在-1與1之間，越接近-1，代表越高的負相關，反之，代表越高的正相關關系。

R Square：測定系數，也叫拟合優度。是相關系數R的平方，同時也等于表2中回歸分析SS/(回歸分析SS 殘差SS)，這個值在0~1之間，越大，代表回歸模型與實際數據的拟合程度越高。

Adjusted R Square：校正的測定系數，對兩個具有不同個數的自變量的回歸方程進行比較時，還必須考慮方程所包含的自變量個數的影響，為此提出，所謂“最優”回歸方程是指校正的決定系數最大者。（該釋義來自百度百科）由于小編沒有碰到過這種情況，所以還不知道該值的實際作用。

标準誤差：等于表2中殘差SS / 殘差df 的平方根。這個與測定系數一樣都能描述回歸模型與實際數據的拟合程度，它代表的是實際值與回歸線的距離，當然這個值越小越好，不過具體小到什麼程度？由于這個值實在沒有範圍，因此還很難界定。

觀測值：有多少組自變量的意思。

表2：

回歸分析df：回歸分析模型的自由度，以樣本來估計總體時，樣本中獨立或能自由變化的個數。見上表，數據自由度等于樣本組數減1，回歸分析模型的自由度是1，即這個回歸模型有1個參數，殘差自由度等于總自由度減去回歸分析模型的自由度。

回歸分析SS：回歸平方和SSR，等于回歸預測Y值（表4）與實際Y均值的平方和。表4 殘差等于實際Y值減預測Y值，殘差SSE，即表4殘差平方和。

MS：均方差，等于SS/df。

F：回歸分析MS/殘差MS。

Significance F：是在顯著性水平下的Fα臨界值，即F檢驗的P值，代表棄真概率，這個值一般要小于0.05的，且越小越好，1-本值即為置信度，本例回歸模型的置信度未達95%。

表3：

Intercept Coefficients：截距的回歸值，X Variable 1 Coefficients：斜率的回歸值。本例即Y=-0.002641967X 82.26263918。

标準誤差不必多說，越小參數精度越高。

t Stat：回歸系數/标準誤差，對于一元線性回歸，F值與t值都與相關系數R代表差不多的意思，但是，對于多元線性回歸，t檢驗是有必要的。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!