用Excel 多元线性回归的方法分析数据
可参照：http://2277410.blog.163.com/blog/static/510179252009823104219654/博客
以下数据分别是年份，总产值，固定资产投资额，还有工作总额 单位均为万元
00年 28,077,229.79 474,916.75 12,238.67
01年 29,282,623.97 486,069.16 14,539.45
02年 31,099,340.98 637,800.85 14,894.11
03年 57,788,311.03 2,799,052.00 16,386.00
04年 67,023,777.00 3,473,448.00 26,555.00
05年 76,190,705.00 3,473,448.00 29,524.00
06年 85,782,936.00 4,002,150.00 34,920.00
07年 95,391,290.00 3,992,095.00 39,060.00
08年 103,975,019.07 4,250,150.00 46,689.73
09年 114,451,251.43 4,890,670.00 51,016.35
10年 125,350,110.00 5,101,230.00 58,780.65
只需要最后求的的回归分析的图样（即回归统计、方差分析还有标准误差）不需要再进一步文字分析。我对excel实在是很菜啊。。TAT 情况紧急。麻烦各位大虾~请将最后的图样截图发至邮箱530269781qq.com
1.理清各个数据之间的逻辑关系，搞清楚哪个是自变量，哪个又是因变量。如附图所示，这里要对人均gdp和城市化水平进行分析，建立符合两者之间的模型，假定人均gdp为自变量，城市化水平是因变量。
2.由于不知道两者之间的具体关系如何，所以利用数据生成一个散点图判断其可能符合的模型。如附图1所示为生成的散点图，一般横坐标为自变量，纵坐标为因变量，所以需要将x轴，y轴的坐标对调一下，这里采用最简单的方法，将因变量移动到自变量的右边一列即可，如附图2所示。
3.由步骤2的散点图，可以判断自变量和因变量之间可能呈线性关系，可以添加线性趋势线进一步加以判断。如附图1所示。也可以添加指数，移动平均等趋势线进行判断。很明显数据可能符合线性关系，所以下面我们对数据进行回归分析。
4.选择菜单栏的“数据分析”-->“回归”。具体操作如附图所示。
5.步骤4进行的回归分析输出结果如附图所示。回归模型是否有效，可以参见p指，如果p<0.001则极端显著，如果0.001<p<0.01非常显著，0.01<p<0.05则一般显著，p>0.05则不显著。本例的p值均小于0.001，所以属于极端显著，故回归模型是有效的。根据回归模型的结果可知。
y = 5E-06x + 0.5876R² = 0.9439
如附图2所示。
追问
给我邮箱好吗 我发给你哈 麻烦了
追问
数据不是有标明？ 还是邮箱提供 我发你？