Excel 数据分析：从线性回归到多元回归的实战指南
1. 家庭收入与购买金额的线性回归分析
在实际的数据分析中，我们常常需要探究两个变量之间的关系，以便进行预测。以一个在线电器销售公司为例，我们获取了 1000 个客户的家庭收入和他们在该公司购买商品的金额数据。我们的目标是找出家庭收入和购买金额之间的关系，从而根据家庭收入预测客户在电器上的消费金额。
首先，我们可以通过创建图表来直观地展示这种关系。具体操作是在 Excel 文件中找到相关数据，创建散点图，然后添加趋势线、线性回归线和 $R^2$ 值。以下是具体步骤：
1. 打开 Excel 文件，找到家庭收入和购买金额的数据。
2. 选择数据，创建散点图。
3. 右键点击散点图中的任意一点，在下拉菜单中选择“添加趋势线”。
4. 在“添加趋势线”菜单中，点击“选项”标签，勾选“在图表上显示公式”和“在图表上显示 $R^2$ 值”。
经过上述操作，我们得到回归方程 $y = 0.0039x - 4.3532$ 和 $R^2 = 0.4895$。其中，斜率 0.0039 表示理论上家庭收入每增加 1 美元，个人的潜在购买金额将增加 0.0039 美元。例如，若一个家庭的年收入为 100,000 美元，根据该方程预测其潜在购买金额为：
$y = 0.0039×(100,000) - 4.3532 = $365.65$
然而，由于 $R^2$ 值较低（$R^2 = 0.4895$），这个预测结果并不准确。一般来说，当 $R^2$ 接近 1 时，回归直线才可以作为一个可靠的预测工具。通常认为，$R^2$ 大于 0.8 时，预测模型才具有较高的可信度。
