数据回归分析的目的和意义是什么
回归分析 是将一系列影响因素和结果进行一个拟合，拟合出一个方程，然后通过将这个方程应用到其他同类事件中，可以进行预测所谓回归，就是向某个理想的状态或平衡状态的趋向发展，通过回归可以找出哪些影响因素，对结果的影响规律
office软件学习心得
一、相关分析与回归分析的联系 相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。
相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。
只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。
如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归”，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。
二、相关分析与回归分析的区别 1．相关分析中涉及的变量不存在自变量和因变量的划分问题，变量之间的关系是对等的；而在回归分析中，则必须根据研究对象的性质和研究分析的目的，对变量进行自变量和因变量的划分。
在回归分析中，变量之间的关系是不对等的。
2．在相关分析中所有的变量都必须是随机变量；而在回归分析中，自变量是确定的，因变量才是随机的，即将自变量的给定值代入回归方程后，所得到的因变量的估计值不是唯一确定的，而会表现出一定的随机波动性。
3．相关分析主要是通过一个指标即相关系数来反映变量之间相关程度的大小，由于变量之间是对等的，因此相关系数是唯一确定的。
而在回归分析中，对于互为因果的两个变量 ，则有可能存在多个回归方程。
多元回归分析中需要哪些假设条件，如何检验
在做回归预测时需要分析的数据往往是多变量的,那么我们在做多元回归时就需要特别注意了解我们的数据是否能够满足做多元线性回归分析的前提条件.应用多重线性回归进行统计分析时要求满足哪些条件呢?总结起来可用四个词来描述：线性、独立、正态、齐性.（1）自变量与因变量之间存在线性关系这可以通过绘制”散点图矩阵”进行考察因变量随各自变量值的变化情况.如果因变量Yi 与某个自变量X i 之间呈现出曲线趋势,可尝试通过变量变换予以修正,常用的变量变换方法有对数变换、倒数变换、平方根变换、平方根反正弦变换等.（2）各观测间相互独立任意两个观测残差的协方差为0 ,也就是要求自变量间不存在多重共线性问题.对于如何处理多重共线性问题,请参考《多元线性回归模型中多重共线性问题处理方法》（3）残差e 服从正态分布N(0,σ2) .其方差σ2 = var (ei) 反映了回归模型的精度,σ 越小,用所得到回归模型预测y的精确度愈高.（4） e 的大小不随所有变量取值水平的改变而改变,即方差齐性.
EXCEL在相关与回归分析中的应用的实验报告及原理是什么啊
谢谢各位大侠，急用
你的三组是什么样的数据,发出来看一下 ...麻烦把数据弄出来， 每组数据的 个数是否一致 或者是 每组数据有什么格式分隔开的 。
...尝试用一下分列的...
多元线性回归分析的优缺点
一、德尔菲法优点1、能充分发挥各家的作用思广益，准确性高。
2、能把各位专家意见的分歧点表达出来，取各家之长，避各家之短。
3、权威人士的意见影响他人的意见； 4、有些碍于情面，不愿意发表与其他人不同的意见； 5、出于自尊心而不愿意修改自己原来不全面的意见。
缺点： 德尔菲法的主要缺点是过程比较复杂，花费时间较长。
适用范围：项目规模宏大且环境条件复杂的预测情境。
二、类比法优点：1、它不涉及任何一般性原则，它不需要在“一般性原则”的基础上进行推理。
它只是一种由具体情况到具体情况的推理方式，其优越性在于它所得出的结论可以在今后的超出原案例事实的情况下进行应用。
2、类比法比其他方法具有更高的精确性；3、类比过程中的步骤可以文档化以便修改。
缺点：1严重依赖于历史数据的可用性；2能否找出一个或一组好的项目范例对最终估算结果的精确度有着决定性的影响；3对初始估算值进行调整依赖于专家判断。
适用范围：类比法是按同类事物或相似事物的发展规律相一致的原则，对预测目标事物加以对比分析，来推断预测目标事物未来发展趋向与可能水平的一种预测方法。
类比法应用形式很多，如由点推算面、由局部类推整体、由类似产品类推新产品、由相似国外国际市场类推国内国际市场等等。
类比法一般适用于预测潜在购买力和需求量、开拓新国际市场、预测新商品长期的销售变化规律等。
类比法适合于中长期的预测。
三、回归分析
