例我国1988–1998年的城镇居民人均全年耐用消费品支出、人均全年可支配收入以及耐用消费品价格指数的统计资料如下表所示。
试建立城镇居民人均全年耐用消费品支
出关于可支配收入和耐用消费品价格指数的回归模型，并进行回归分析。
人均耐用消费品支
(元)人均全年可支配收入
(元)
耐用消费品价格指数
(1987年=100)
资料来源：《中国统计年鉴》
一、计算相关系数
步骤一：输入数据。
打开Excel工作簿，将样本观测值输入到A2：C12单元格中。
步骤二：计算相关系数。
1. 选择“工具”下拉菜单的“数据分析”选项；
2. 在分析工具中选择“相关系数”；
3. 当出现“相关系数”对话框后，
⑴在“输入区域”中键入A2：C12；
⑵在“输出选项”中选择输出区域（这里我们选择“新工作薄”）；
⑶单击“确定”按钮，得下面的相关矩阵表。
相关矩阵
二、回归分析
我们继续说明如何利用Excel进行回归分析。
1. 选择“工具”下拉菜单的“数据分析”选项；
2. 在分析工具中选择“回归”；
3. 当出现对话框后，
⑴在“Y值输入区域”方框中键入A2：A12；
⑵在“X值输入区域”方框中键入B2：C12；
⑶在“输出选项”中选择输出区域（这里我们选择“新工作薄”）；
⑷单击“确定”按钮，得到的结果如下表所示：
从表中得到的主要结果有：
复相关系数：，
判定系数：，
估计的回归方程为：
根据括号内的统计量的值可知：对有显著影响，而对没有显著影响。
根据统计量的值可知：回归方程是显著的。
如何在Excel中使用INTERCEPT函数进行线性回归分析线性回归分析是一种常用的统计分析方法，可以帮助我们建立预测模型并进行数据预测。
在Excel中，INTERCEPT函数是进行线性回归分析必备的函数之一。
本文将介绍如何在Excel中使用INTERCEPT函数进行线性回归分析。
1. 准备数据在进行线性回归分析前，首先需要准备好待分析的数据。
假设我们有两列数据，一列为自变量X，一列为因变量Y。
确保这两列数据已经准备好并分别保存在Excel工作表的不同列中。
2. 打开Excel并选择合适的工作表打开Excel软件，并选择包含待分析数据的工作表。
3. 找准分析工具栏在Excel的菜单栏中，找到“数据”选项卡，并点击该选项卡。
4. 选择“数据分析”在“数据”选项卡中，找到“分析”一栏，然后点击“数据分析”按钮。
若未找到“数据分析”按钮，可能需要先进行一些设置。
5. 选择“回归”在弹出的“数据分析”对话框中，找到“回归”选项，并点击该选项。
6. 输入相关参数在“回归”对话框中，需要输入一些参数来进行线性回归分析。
- 输入Y范围：选中待分析数据的因变量Y的列范围。
- 输入X范围：选中待分析数据的自变量X的列范围。
- 勾选“常数项”：此处是否勾选取决于你是否需要常数项。
- 输出范围：选择输出结果的位置。
7. 确认并输出结果参数输入完成后，点击“确定”按钮。
Excel将自动进行线性回归分析，并在你选择的输出范围中生成相应的结果。
8. 解读结果Excel使用INTERCEPT函数进行线性回归分析后，会输出各项结果。
其中，我们主要关注的是“截距”（INTERCEPT）项的值。
截距是线性回归方程中自变量为0时的预测值，表示因变量与自变量无关时的值。
需要注意的是，线性回归分析仅能够分析自变量和因变量为线性关系的情况。
如果因变量和自变量之间存在非线性关系，线性回归分析可能无法准确预测并分析结果。
总结：本文介绍了如何在Excel中使用INTERCEPT函数进行线性回归分析。
用EXCEL进行生产函数的多元线性回归分析一、相关函数EXCEL电子制表系统中函数的语法分为函数名和参数两部分，参数用圆括号括起来，之间以逗号隔开。
参数可以为单元格区域、数组、函数、常数（逻辑型、数值型等）。
进行回归分析时，主要采用线性回归函数LINEST，辅以使用索引取值INDEX与四舍五入ROUND函数。
1、线性回归函数LINEST。
使用最小二乘法对已知数据进行最佳直线拟合，并返回描述此直线的数组。
因为此函数返回数值数组，所以必须以数组公式的形式输入。
该函数的功能为：运算结果返回一线性回归方程的参数，即当已知一组混合成本为Y 因变量序列值、N组Xi有关自变量因素的数量序列值时，函数返回回归方程的系数bi（i=1，2…n单位变动成本）和常数a（固定成本或费用）。
多元回归方程模型则为：y=b1x1＋b2X2……＋bnXn＋a语法LINEST(known_y's,known_x's,const,stats)Known_y's 是关系表达式 y = mx + b 中已知的 y 值集合。
∙如果数组 known_y's 在单独一列中，则 known_x's 的每一列被视为一个独立的变量。
∙如果数组 known-y's 在单独一行中，则 known-x's 的每一行被视为一个独立的变量。
Known_x's 是关系表达式 y = mx + b 中已知的可选 x 值集合。
∙数组 known_x's 可以包含一组或多组变量。
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区域。
如果用到多个变量，则known_y's 必须为向量（即必须为一行或一列）。
∙如果省略 known_x's，则假设该数组为 {1,2,3,...}，其大小与 known_y's 相同。
