Excel2000 应用案例之三十四
时间：2005-02-18 11:54 来源：Excel Home 作者：admin 阅读：次
3. 应用举例
例如，在改革中，某企业重视科技人才，提供了足够的科研经费，获得了良好的经济效益。下表是该企业1987～1998年的经济效益、科研人员、科研经费的统计数据。假定1999年该企业科研人员61名、科研经费40万元，试预测1999年该企业的经济效益。| 年份 | 经济效益 （万元） | 科研人员 （名） | 科研经费 （万元） | 年份 | 经济效益 （万元） | 科研人员 （名） | 科研经费 （万元） |
| 1987 | 406 | 19 | 8.5 | 1993 | 632 | 38 | 13.7 |
| 1988 | 484 | 24 | 9.7 | 1994 | 685 | 47 | 14.4 |
| 1989 | 504 | 26 | 10.4 | 1995 | 750 | 49 | 16.2 |
| 1990 | 520 | 28 | 11.3 | 1996 | 794 | 50 | 18.5 |
| 1991 | 560 | 31 | 12.2 | 1997 | 866 | 51 | 20.3 |
| 1992 | 591 | 33 | 12.8 | 1998 | 989 | 53 | 25.0 |
①相关分析
回归分析是研究某一随机变量（因变量或被解释变量）与其他一个或几个普通变量（自变量或解释变量）之间的数量变动关系的，由回归分析求出的关系式是回归模型。而要研究及测度两个及两个以上变量之间关系，除上述的回归分析法外，常用的方法还有相关分析。相关分析是研究两个或两个以上随机变量之间的相互依存关系的紧密程度的。直线相关时用相关系数表示，曲线相关时用相关指数表示，多元相关时用复相关系数表示，通常相关系数或相关指数或复相关系数的取值范围为0～1，该值越接近1说明两随机变量之间的相关程度越强，若该值等于0，则两随机变量相互独立。这两种分析方法的区别是，相关分析研究的都是随机变量，并且不分自变量与因变量；回归分析研究的变量要定出自变量与因变量，并且自变量是确定的普通变量，因变量是随机变量。但在实际工作中，这两种分析是研究现象之间相互依存关系的不可分割的两个方面。一般先进行相关分析，根据相关系数或相关指数的大小对变量进行筛选，剔除不相关或是相关性小的变量，然后再进行回归分析，建立回归模型，进行预测。
本例有两个自变量：科研人员与科研经费。下面先分析它们与因变量经济效益的相关性。具体操作步骤如下：
选择工具菜单中的数据分析命令，弹出数据分析对话框。
在分析工具列表框中，选相关系数工具。
这时将出现相关系数对话框，如图8－7所示。
图8－7
在输入框中指定输入参数。在输入区域指定数据所在的单元格区域B1:D13；因输入数据是以列方式排列的，所以在分组方式中选择逐列；因指定的输入区域包含标志行，所以选中标志位于第一行复选框。在输出选项框中指定输出选项。本例选择输出区域，并指定输出到当前工作表以F3为左上角的单元格区域。
单击确定按钮。
所得到的相关分析结果如图8－8所示。
图8－8
从图8－8中F3:I6区域所给出的相关系数可以看出，科研人员与科研经费和经济效益都有较强的相关性。因此，需要利用回归分析工具进一步建立关系式。(责任编辑：admin)
顶一下
(0)
0%
踩一下
(0)
0%
最新内容
推荐内容