如何做回归分析在Excel
回归是一种分析工具，我们使用它来分析大量数据并在Microsoft Excel中进行预测。
想预测未来吗？不，我们不会学习占星术。我们很感兴趣，今天我们将学习Excel中的回归分析。
为了预测未来的估计，我们将研究：
* link：＃link3head [REGALSION CHART IN EXCEL]
让我们做吧…
方案：
假设您销售汽水。如果您可以预测：
将会有多酷。 *根据上一年的数据，明年将出售多少软饮料？
-
需要重点关注哪些领域？
-
以及如何通过更改策略来增加销售额？
这将是有利可图的。是吗？…我知道。因此，让我们开始吧。
您有11条记录的售货员和汽水记录。
现在，基于此数据，您要预测实现2000次软饮料销售所需的销售人员数量。
回归方程是进行这种近似估计的工具。为此，我们需要首先了解回归。
使用EXCEL函数进行回归分析（手动回归查找）
这部分将使您比仅仅介绍excel回归过程更好地了解回归。
简介：
简单线性回归：
对两个变量之间的关系的研究称为简单线性回归。其中一个变量取决于另一个自变量。因变量通常通过诸如Driven，Response和Target变量之类的名称来调用。而且自变量通常发音为Driving，Predictor或简称为Independent变量。
这些名称清楚地描述了它们。
现在，将其与您的方案进行比较。您想知道实现2000个销售所需的销售人员数量。因此，在这里，因变量是销售员人数，而自变量是软饮料销量。
自变量主要表示为x，因变量表示为y。在我们的案例中，软饮料的销量为x，销售人员的数量为y。
如果我们想知道如果我们任命200名销售人员，将售出多少软饮料，那么情况将相反。
继续。
线性回归方程的“简单”数学：
好吧，这并不简单。但是Excel使它变得很简单。
我们需要预测所有11个案例所需的销售人员数量，以得出第12个最接近的预测。
假设：
售出的软饮料为x
销售员人数为y
预测的y（推销员数量）也称为回归方程，将为
|
* (relax, I’ve got it covered) |
现在，您一定想知道_stat_将从哪里获得斜率并进行截距。不用担心，excel可以为他们提供功能。您无需学习如何查找坡度并手动对其进行拦截。
如果您愿意，我将为此准备单独的教程。在评论部分让我知道。这些是一些重要的数据分析工具。
现在进入计算：
步骤1：准备这张小桌子
步骤2：找到回归线的斜率
斜坡的Excel函数为
|
=SLOPE(known_y’s,known_x’s) |
您的known_y在B2：B12范围内，而known_x在C2：C12范围内
在单元格B16中，在下面写公式
|
=SLOPE(B2:B12, C2:C12) |
（_注意：斜率在回归方程中也称为x的系数）_您将获得0.058409。四舍五入至两位小数，您将得到0.06。
步骤3：找到回归线的截距
用于拦截的Excel函数是
|
=INTERCEPT(known_y’s, known_x’s)* |
我们知道我们已知的x和y是什么。在单元格B17中，写下该公式
|
=INTERCEPT(B2:B12, C2:C12)* |
您将获得-1.1118969的值。舍入到两位小数。您会得到-1.11。我们的线性回归方程为= x0.06 +（-1.11）。现在我们可以轻松地根据目标x预测可能的y。步骤4：*在D2中，写下下面的公式
|
=C2*$B$16+$B$17 (Regression Equation) |
您将获得13.55的值。
选择D2到D13，然后按CTRL + D填充范围D2：D13中的公式
在单元格D13中，您拥有所需的销售员人数。
|
Hence, to achieve the target of 2000 Soft Drink Sales, you need an estimate of 115.71 salesmen or say 116 since it is illegal to cut humans into pieces. |
现在，使用此工具，您可以轻松地在excel中进行假设分析。只需更改销售数量，它就会向您显示许多销售人员会达到该销售目标。
玩一下以找出：
您需要多少劳动力来增加销售？
如果您增加销售人员，将会增加多少销售量？
使您的估计更可靠：
现在您知道您需要116个销售人员才能完成2000个销售。
在分析中，没有什么是说和相信的。您必须按估计值给出一定百分比的可靠性。就像给您的方程式证明。