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。