返回目录：excel表格制作
Multiple R：相关系数R，值在-1与1之间，越接近-1，代表越高的负相关，反之，代表越高的正相关关系。
R Square：测定系数，也叫拟合优度。是相关系数R的平方，同时也等于回归分析SS/(回归分析SS+残差SS)，这个值在0~1之间，越大代表回归模型与实际数据的拟合程度zd越高。
Adjusted R Square：校正的测定系数，对两个具有不同个数的自变量的回归方程进行比较时，考虑方程所包含专的自变量个数的影响。
标准误差：等于表2中残差SS / 残差df 的平方根。与测定系数一样都能描述回归模型与实际数据的拟合程度，它代表的是实际值与回归线的距离。
观测值：有多少组自变量的意思。
excel回归分析的使用方法：
1、首先在excel表格中输入需要进行回归分析的数据。属
2、点击“数据”选项卡中“数据分析”工具中的“回归”，点击确定。
3、打开回归窗口后根据表格的X/Y值区域选中对应的区域范围。
4、然后设置好输出区域的范围，点击确定。
5、即可将excel表格中的数据形成回归分析数据显示在对应的单元格区域中。
R平方（R square）是拟合优度，R的取值范围是[0，1]。R的值越接近zhidao1，说明回归直线对观测值的拟合程度越好；反之，R的值越接近0，说明回归直线对观测值的拟合程度越差。你的R平方是0.9999，说明拟合得很好。
T-Stat t-统计量，假设检验时用于与临界值相比，越大越好，你两个参数的T值都通过检验了。
F 也是越大越好，你的够了。摘抄一段别人的：
F的值是回归方程的显著性检验，表示的专是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。若F>Fa(k-1,n-k),则拒绝原假设，即认为列入模型的各个解释变量联合起来对被解释变量有显著影响，反之，则无显著影响。
P value 即P值。越小越好。
主要要看的几个参数就是这里吧，综合来看，就是你的属一元回归模型还不错。
a表示截距，b表示直线的斜率，e是误差项，通过回归分析得出的。
线性e799bee5baa6e79fa5e98193e59b9ee7ad94333回归中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。
线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。
多元线性回归可表示为Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直线的斜率，e是误差项。多元线性回归可以根据给定的预测变量（s）来预测目标变量的值。
扩展资料
回归分析模型的自由度，以样本来估计总体时，样本中独立或能自由变化的个数。见上表，数据自由度等于样本组数减1，回归分析模型的自由度是1，即这个回归模型有1个参数，残差自由度等于总自由度减去回归分析模型的自由度。
回归分析SS：回归平方和SSR，等于回归预测Y值（表4）与实际Y均值的平方和。表4 残差等于实际Y值减预测Y值，残差SSE，即表4残差平方和。
MS：均方差，等于SS/df。
F：回归分析MS/残差MS。
Significance F：是在显著性水平下的Fα临界值，即F检验的P值，代表弃真概率，这个值一般要小于0.05的，且越小越好，1-本值即为置信度。
参考资料来源：百度百科--回归分析