, excel ’ s regression funktioner lader dig udføre regressionsanalyse.i en nøddeskal regressionsanalyse, omfatter planer par uafhængige og afhængige variabler i en xy søkortet og så finde en lineær eller eksponentiel ligning, som beskriver den afbildede data., prognose: forventede afhængige variabler ved hjælp af en der passer bedst til linje, den forventede funktion finder y-value af et punkt på den bedst passende linje, der er fremstillet af en række x - og y-values givet x-value.den funktion, anvender syntaks = prognose (x, known_y er, known_x), hvor x er uafhængig variabel værdi, known_y er, er den arbejdsplan vifte med afhængige variabler, og known_x er, er den arbejdsplan vifte med de uafhængige variabler. den forventede funktion anvender, known_y er, og known_x er værdier, som de levering som argumenter for at beregne y = mx + b ligning, som beskriver den der passer bedst i lige linje for data.den funktion, så løser det ved hjælp af det, x, argument om, at de leverer til funktion. for at bruge den lineære regression funktioner som f.eks. prognosen funktion, kan du huske den ligning for en linje er y = mx + b.y er afhængig variabel, b, er det y-intercept eller konstant, m, hældning og x, er værdien af uafhængig variabel., standse: x - akse aflytning af en linje, vi funktion finder det punkt, hvor der passer bedst til linje, der produceres af en række x - og y-values krydser den y - akse.den funktion, anvender syntaks = opfange (known_y er, known_x), hvor known_y er, er den arbejdsplan vifte med afhængige variabler, og known_x er, er den arbejdsplan vifte med de uafhængige variabler. hvis du og’ har fundet par data peger på xy - figur, som intercept funktion fungerer ret godt.intercept funktion anvender, known_y er, og known_x er værdier, som de udbud, som argumenter for at beregne den der passer bedst i lige linje for data og—, hovedsagelig ved at finde ud af, y = mx + b - ligningen for den linje, den funktion, så tilbage, b, værdi, fordi det ’ er værdien af ligningen, når den uafhængige eller x - variabel er lig med nul. linest, linest funktion finder, m, og b) værdier for en linje, der er baseret på sæt og variabler.den funktion, anvender syntaks = linest (known_y, [known_x er], [denne] [tal]), hvor known_y er lig med den mængde y-values, som du allerede ved, known_x, leverer den vifte af x-values, som du måske ved, er denne, en kontakt, der enten sandt (hvilket betyder den konstante, b = 0) eller falske (hvilket betyder den konstante, b, beregnes), og det er en kontakt, der enten faktiske (dvs. den funktion, vender tilbage til en masse andre regression statistikker) eller falske (betydning, nu er det nok,), hældning: hældning af regressionslinjen hældningen funktion beregner hældningen af en regressionslinje med x - og y-values.den funktion, anvender syntaks = hældning (known_y er, known_x), en opadgående hældning angiver, at uafhængige eller x, variable positivt påvirker de afhængige eller y, variabel.med andre ord, en stigning i x, medfører en stigning i, y. et skråplan, viser, at den uafhængige eller x, variable negativt påvirker afhængige eller y, variabel.den større hældning, desto større virkning af den uafhængige variable på afhængig variabel. steyx: standardafvigelse, steyx funktion finder middelfejlen på den forventede y-value af hver af de x-values i tilbagegang.den funktion, anvender syntaks = steyx (known_y er, known_x), tendens, trendfunktion finder værdier efter en tendens, der fungerer som konstruktioner, efter den metode, der anvendes af mindste kvadraters metode.syntaksen ser sådan ud: = tendens (known_y, [known_x er], [new_x er], [denne]), logest: eksponentielle regression, logest funktion afkast, et system, som beskriver en eksponentiel kurve, der bedst passer til dine data.den funktion, anvender syntaks = logest (known_y, [known_x er], [denne] [tal]), hvor known_y, er fastsat i y-values, known_x, er fastsat i x-values, konstant, er en kontakt, der enten faktiske (dvs. at, b, beregnes normalt) eller falske (dvs. at, b, er tvunget til at lige 1) og statistikker, er en kontakt, og’ er fastsat til enten sandt (i hvilket tilfælde, logest funktion returnerer yderligere tilbagegang statistikker) eller ej (som fortæller den funktion at springe tilbage ekstra oplysninger). i en eksponentiel regression, excel returnerer en ligning, der tager form y = abx, der passer bedst til deres data, vækst: eksponentielle vækst, vækst - funktion, beregner den eksponentielle vækst i en række nye x-values baseret på eksisterende x-values og y-values.den funktion, anvender syntaks = vækst (known_y, [known_x er], [new_x er], [denne]), hvor known_y, er fastsat i y-values, known_x, er fastsat i x-values, er fastsat i x-values, som du ønsker at beregne nye y-values, og denne er en kontakt, der enten sandt (hvilket betyder, at b, beregnes normalt) eller falske (hvilket betyder, at b, er tvunget til at lige 1).,,