excel做正态分布分析(excel数据分析案例)

如果你是公司营销部/市场部的一员,老板希望在推广渠道投入8,000元以达到15,000元的收入,你觉得这些钱够吗?

在这样一个案例中,如能判断这些钱够不够?一个常用的方法是使用数据分析中的回归分析预测。

回归分析是在我们业务历史数据的基础上,根据数据之间的相关关系搭建模型来预测未来发展的趋势。

今天,我们来学习一下如何使用Excel来进行数据分析的回归分析。

excel做正态分布分析(excel数据分析案例)

2.确定自变量和因变量

在一次回归分析中,自变量可以有多个,但因变量只能有一个。

在我们的案例中,这次的因变量是销售额Y,而在只考虑推广渠道成本的情况下,自变量只有一个X,所以这次搭建的模型为:Y=aX+b

3.加载Excel数据分析功能

Excel的数据分析功能需要另外加载。它的具体位置在文件-选项-加载项,在加载页面勾选“分析工具库”后,点击下面的“转到”后再点击确定即可。

excel做正态分布分析(excel数据分析案例)

4.进行回归分析,建立模型

加载完数据分析功能后,点击按钮后,在弹窗中找到“回归”并选择。

excel做正态分布分析(excel数据分析案例)

导入数据后,勾选下方“残差”和“正态分布”所有选项,点击确定即可进行回归分析。

excel做正态分布分析(excel数据分析案例)

我们要关注的重点在中间“Coefficients”一栏中。其中,Intercept是指X=0时,Y的值,也就是误差b;而“X Variable”则是指X的系数,也就a。

excel做正态分布分析(excel数据分析案例)

当相关系数R小于-0.8或大于0.8的时候,说明自变量与因变量有很强的相关性。这里的相关系数高达0.983,说明成本与销售额有非常强的相关性。

  • R Square(拟合系数)

拟合系数=相关系数的平方,它的数值范围为0~1,数值越大,拟合的效果就越好。一般大于0.7时,可以认为拟合的效果符合预期。

这里的拟合系数为0.96,非常接近1,说明模型的拟合效果很不错。

  • Significance F(显著性检验)

显著性检验是指检验自变量和因变量的线性关系是否明显,它的数值越小,说明真实数据离这条线越近,也就是模型越准确。

excel做正态分布分析(excel数据分析案例)

这里的1.25E-08的意思是1.25× 10的-8次方(即0.00000001),几乎接近于0,也就是说这个模型是比较准确的。

  • P-value(P值)

P值是用来检测系数(即aX中的a)的显著程度。P值同样也是越小越好,一般来说,P值小于0.05时,这个模型才有统计学意义。

这里的P值为2.4E-09,也是无限接近于0,说明这个模型的可信度比较高。

6.预测

检验完回归模型后,如果各数值都比较正常,那么就可以根据最终确定的模型进行预测了。

在上面的案例中,最终确定的模型为:Y=0.852X+5690.875(这里取小数点后3位)。

按照老板的收入预期,也就是15,000=0.852X+5690.875,最后可以算出X为8320.569,也就是说,如果要达到老板的预期收入,推广渠道的成本最少应该为8320.569元。

(0)
小多多的头像小多多创始人

相关推荐

发表回复

登录后才能评论