excel趋势线公式与回归系数不相符(趋势线和回归线)

1. 趋势线和回归线

太阳位于夏至日和冬至日时同一地点昼长变化趋势是不相同的。同一地点以北京为例，夏至日的时候阳光直射在北半球，直射北回归线。北京的昼夜长短变化趋势是昼长夜短。而且昼长达到最长，夜长达到最短。而冬至日，阳光直射在南半球南回归线上。北京昼短夜长，且北半球的昼最短，夜最长。

2. 趋势线和回归线一样吗

线性回归是用来从过去价值中预测未来价值的统计工具。

就股票价格而言，它通常用来决定何时价格过份上涨或下跌（行情极端） 线性回归趋势线使用最小平方法做出的一条尽量贴近价格线的直线，使价格线与预测的趋势线差异小。线性回归线方式：Y=a+bx 其中：a=(∑y-b∑x)/n b=n∑(xy)-(∑x)(∑y)/n∑x?2-(∑x)?2 x是目前时间段 y是时间段总数原理：如果不得不去猜测某一股票明天的价格，较合逻辑的猜测就应该是“尽量贴近今天价格”如果股票有上涨的趋势，一个好的猜测就是尽量贴近今天的价格加上一个上调值。线性回归分析正是用统计数字来验证了这些逻辑假设。线性回归线是用最小平方匹配法求出的两点间的趋势线。这条趋势线表示的是中间价。如果把此线认作是平衡价的话，任何偏移此线的情况都暗示着超买或超卖。在中间线的上方和下方都建立了线性回归渠道线。渠道线和线性回归线的间距是收盘价与线性回归线之间的最大距离。回归线包含了价格移动。渠道下线是支撑位，渠道上线是阻挡位。价格可能会延伸到渠道外一段很短的时间，但如果价格持续在渠道外很长一段时间的话，表明趋势很快就会逆转了。线性回归线是平衡位置，线性回归渠道线表示价格可能会偏离线性回归线的范围。

3. 线性趋势回归

如果缺失值只占数据的5%不到，那么缺失值对数据的影响不大，各种缺失处理方式差异不大，简单点处理就好，比如均值填补，或者索性直接删除有缺失的个案，但均值填补无法利用缺失数据里面可能含有的有效信息，而删除个案有可能导致对数据的结构产生不利影响（比如绩效考核的时候不合格者没有成绩，形成缺失，这样删掉缺失就会让数据缺乏代表性，只有合格者，没有不合格者）。

相较于均值填补，回归填补法要更准确一些（这只限于并非大量缺失的情况，否则回归也会产生有偏的估计 如果确实数量较大，建议用EM算法，有不少研究者通过模拟研究表明这种填补法得到的结果最为准确，其操作是spss菜单里选择 分析——缺失值分析，会弹出下面这个对话框 然后将需要填补缺失的数据选入右边的变量框（要注意变量类型），然后在估计方法那里选EM，然后点击EM按钮，将填补后的数据保存为新数据集就OK

4. 回归分析趋势线

当然不相等了，你这是个一元线性回归的，是一个直线拟合啊，eviews通常默认用的是最小二乘法，你写的那个方程表达式叫回归方程，每个x带入方程得到的y是个估计值，与真实值有偏差的啊，最小二乘法的思想就是使得这些偏差的平方和达到最小，也就是信息损失达到最小，其实真正的方程式：y=281.05+374.85x+et(随机误差项），方程两边结果的的偏差就用那个随机误差项来表示，通常省略后面的随机误差项，要的就是在可接受的损失范围内达到满足实际应用的要求。

5. 趋势线是回归方程吗

把x、y数据分别输入上下二行中，点击这个数据表中任一单元格，然后插入-图表，图表类型选xy散点图，子图表可任选一个自已需要的，再按提示一路下一步，最后点完成。在生成的图中右击数据线，在出现的下拉快捷菜单中点击添加趋势线，在类型中选线性（因你的方程是一次线性方程），在选项中选显示公式（还可勾选“显示R平方值，这是相关系数，表示线性程度）最后按确定，ok了。这时在图出现的公式就是你要的回归方程。

当然，你也可不用图表的方式，可用函数LINEST，INTERCEPT来分别求出A、B值，

6. 回归预测也叫趋势线

1、定性预测法适用于历史统计资料不足或趋势面临重大转折的事物，根据人们对事物过去和现在的经验和主观判断进行预测，仅可推断出事物发展的方向、状态、趋势等定性结果。

2、时间序列法适用于被预测事物的有关变量是用时间表示的。根据被预测事物随时间变化的历史资料，推断其随时间变化的规律，对被预测事物的发展趋势进行定量预测。

3、回归预测法适用于被预测事物变量之间存在某种因果关系，找出影响结果的某几个因素变量，根据其因果关系建立数学模型，根据因素变量的变化预测结果变量的变化，从而预测事物发展方向及具体数值变化规律。该方法包括一元线性回归预测法、多元线性回归预测法、非线性回归预测法等。

7. 直线趋势回归方程

一元线性回归方程 　　

一、概念：一元线性回归方程反应一个因变量与一个自变量之间的线性关系，当直线方程Y'=a+bx的a和b确定时，即为一元回归线性方程。 　　

经过相关分析后，在直角坐标系中将大量数据绘制成散点图，这些点不在一条直线上，但可以从中找到一条合适的直线，使各散点到这条直线的纵向距离之和最小，这条直线就是回归直线，这条直线的方程叫作直线回归方程。 　　

注意：一元线性回归方程与函数的直线方程有区别，一元线性回归方程中的自变量X对应的是因变量Y的一个取值范围。 　　

二、构建一元线性回归方程的步骤： 　　

1. 根据提供的n对数据在直角坐标系中作散点图，从直观上看有误成直线分布的趋势。即两变量具有直线关系时，才能建立一元线性回归方程。 　　

2. 依据两个变量之间的数据关系构建直线回归方程：Y'=a+bx。 　　（其中：b=Lxy/Lxx a=y - bx） 　　三、一元线性回归方程的计算 　　

步骤： 　　

1. 列计算表，求∑x，∑xx，∑y，∑yy，∑xy。 　　

2.计算Lxx，Lyy，Lxy 　　Lxx=∑(x-xˇ)(x-xˇ) 　　Lyy=∑(y-yˇ)(y-yˇ) 　　Lxy=∑(x-xˇ)(y-yˇ) 　　

3.求相关系数，并检验； 　　r = Lxy /( Lxx Lyy)1/2 　　

4. 求回归系数b和常数a； 　　b=Lxy /Lxx 　　a=y - bx 　　

5. 列回归方程。