如何使用excel的数据分析功能？

使用Excel的数据分析功能。excel中的高级数据分析涉及回归分析、方差分析和T检验。不要把这些内容当成与日常工作无关的东西来看。事实上，如果你去了更高的地方，MBA课程也包括这些内容，所以你要早学晚学，所以只要提前了解就可以了。请检查以下内容。

在使用之前，必须先安装Excel的数据分析功能。默认情况下，Excel不安装此扩展功能，安装如下：

1)将鼠标悬停在Office按钮上，然后单击Excel选项：

2)查找加载项，在管理部分选择Excel加载项，然后点击开始：

3)选择分析工具库，点击确定：

4)安装完成后，您可以在数据部分看到数据分析功能，如下图所示：

安装后，我们先了解回归分析的内容。

回归分析

在进行详细的回归分析之前，我们必须先了解什么是回归。

其实，回到这个现象，最早是英国生物统计学家高尔顿在研究父母和子女的遗传特征时发现的：身高这一遗传特征，表现为“父母身高高，子女身高高于平均身高”；但不一定比父母高，而且在一定程度上会“回归”到平均身高。

这种效应被称为“中间回归”。现在，回归分析主要是指源于高尔顿工作的一套建立变量间定量关系模型的方法和程序。这里的自变量是父母的身高，因变量是孩子的身高。

百度将回归分析定义为：回归分析，是一种确定两个或多个变量之间数量关系的统计分析方法。广泛使用：

1)回归分析根据涉及的自变量数量可分为单变量回归分析和多元回归分析；

2)根据自变量和因变量的关系，可分为线性回归分析和非线性回归分析。

下面举一个电商的例子：电商的转化率是一定的，网站的访问量一般与销售收入成比例对应。现在需要建立不同访问量下对应销售的标准曲线，可以用来预测活动期间的销售收入，如下图所示。

1、用散点图描绘图形：

2.添加趋势线，并显示回归分析公式和r平方值：

从图中可以看出，r的平方值=0.9995，趋势线收敛为直线，公式为y=0.01028x-27.424。

r平方值是一个介于0和1之间的数字。当趋势线的r平方值为1或接近1时，趋势线最可靠。由于R2为0.99，是一个具有明显线性特征的数值，说明拟合的直线可以解释99.99%以上，覆盖实际数据，具有很好的通用性，可以起到很好的预测作用。

3.使用Excel的数据分析功能。

1)单击数据分析，在弹出的选择框中选择回归，然后单击确定：

2)选择【X值输入区】的访问号单元格、【Y值输入区】的销售金额单元格，勾选以下选项，包括残差、标准残差、残差图、线性拟合图、正态概率图。

3)以下内容为残差和标准残差：

4)以下是剩余图：

残差图是关于实际值和预测值之间差异的图。如果残差图中的散乱点分布在中轴线的上下两侧，那么拟合直线是合理的，说明预测有时多有时少，一般是符合趋势的，但是如果在上下两侧，就不行了，有倾向性，需要重新处理。

5)以下为线性拟合图。

从线性拟合图中可以看出，除了实际数据点外，还有拟合处理后的预测数据点，这些参数也在上表中显示。

6)下面是正态概率图。

正态概率图一般用来检验一组数据是否服从正态分布，是实际值与正态分布数据之间函数关系的散点图。如果这组值服从正态分布，那么正态概率图将是一条直线。回归分析不一定要符合正态分布，这里只描述一下。

以上数据表和图表均表明，公式y=0.01028x-27.424是一条可靠的预测曲线。假设活动期间有500，000次流量访问，预测销售额为51，373，如下图所示：