Excel中的有关预测函数及其应用
Excel提供了关于估计线性模型和指数模型参数的几个预测函数。线性模型和指数模型的数学表达式如下：
线性模型：
y = mx + b 或 y = m1x1 + m2x2 + …+ b
指数模型：
或
式中，y为因变量；x是自变量；m、m1、...、mn-1、mn、b分别为预测模型的待估计参数。
Excel提供的预测函数主要有LINEST函数、LOGEST函数、TREND函数、GROWTH函数、FORECAST函数、SLOPE函数和INTERCEPT函数，它们所使用的参数都基本相同，现列于表4-1中，以供参考。
表4-1 预测函数的参数及含义
参数
含义
known_y's
因变量y的观测值集合
known_x's
自变量x的观测值集合。它可以是一个变量（即一元模型）或多个变量（即多元模型）的集合。
如果只用到一个变量，只要 known-y's 和 known-x's 维数相同，它们可以是任何形状的选定区域。如果用到不只一个变量，known_y's 必须是向量（也就是说，必须是一行或一列的区域）。如果省略 known_x's，则假设该数组是 {1,2,3...}，其大小与 known_y's 相同
const
逻辑值，指明是否强制使常数b为0（线性模型）或为1（指数模型）。 如果const 为 TRUE或省略，b将被正常计算。如果const为FALSE，b将被设为0（线性模型）或设为1（指数模型）
stats
逻辑值，指明是否返回附加回归统计值。 如果 stats 为 TRUE，则函数返回附加回归统计值，这时返回的数组为 {mn，mn-1，...，m1，b；sen，sen-1，...，se1，seb，r2，sey；F，df；ssreg，ssresid}。如果 stats为FALSE或省略，函数只返回系数预测模型的待估计参数m、mn、mn-1、...、m1和b。
附加回归统计值返回的顺序见表4-2。
表4-2中的各参数说明见表4-3。
如果要得到附加回归统计值数组中的值，需用INDEX函数将其取出
表4-2 附加回归统计值返回的顺序
1
2
3
4
5
6
1
mn
mn-1
…
m2
m1
b
2
sen
sen-1
…
se2
se1
se b
3
r2
sey
4
F
df
5
ssreg
ssresid
表4-3 各参数说明
参数
说明
se1,se2,...,sen
系数 m1,m2, ...,mn 的标准误差值
Seb
常数项 b 的标准误差值（当 const 为 FALSE时，seb = #N/A ）
参数
说明
r2
相关系数，范围在 0 到 1 之间。如果为 1，则样本有很好的相关性，Y 的估计值与实际值之间没有差别。反之，如果相关系数为 0，则回归方程不能用来预测 Y 值
sey
Y 估计值的标准误差
F
F 统计值或F 观察值。使用F 统计可以判断因变量和自变量之间是否偶尔发生过观察到的关系
Df
自由度。用于在统计表上查找 F 临界值。所查得的值和函数 LINEST 返回的F统计值的比值可用来判断模型的置信度
ssreg
回归平方和
ssresid
残差平方和
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
