Microsoft Excel é o principal software de planilha eletrônica do mundo. Profissionais em quase todos os setores usá-lo para analisar todos os tipos de dados , a partir de relatórios financeiros para o sensor leituras. Um dos mais poderosos recursos disponíveis no Excel é a ferramenta de análise de regressão. Você pode ter dois conjuntos de dados e usar a análise de regressão linear do Excel para encontrar correlações entre eles. Coisas que você precisa
Microsoft Excel
Excel Gráfico com Regressão Linear Linha
Show Mais instruções
1

clique com o botão direito do mouse sobre a linha de regressão em sua carta , e escolha Propriedades. Marque a opção " Mostrar equação no gráfico " e "valor R-quadrado de exibição no gráfico " . Clique em OK .
2

Olhe para o valor de R -quadrado exibido ao lado da linha de regressão. O valor de R -quadrado representa a quantidade de variabilidade nos dados que é explicado por meio da análise de regressão linear . Se todos os dados encontra-se exactamente sobre a linha de regressão , o valor de R -quadrado será 1 . Se o valor de R-quadrado é 0, que significa que não há correlação entre os dois conjuntos de dados.
3

voltar sua atenção para a equação listada acima do valor de R-quadrado . Vai ser na forma de " y = mx + b " , onde m e b foram substituídos por números . Esta equação descreve a linha de regressão linear . O valor de "m " é o declive da linha , e o valor de "b " é o local onde a linha atravessa o eixo vertical . Você pode usar esta equação para prever valores no conjunto de dados com base em seu valor no eixo horizontal , basta multiplicar a sua localização horizontal pelo valor de "m" e , em seguida, adicionar o valor de "b" para o resultado, isso vai lhe dar a melhor estimativa do local de que o ponto a partir da análise de regressão linear .
4

Olhe o declive da linha . Se ela se inclina para baixo, para a direita, os dados são " correlação negativa ", se ela se inclina para cima, os dados são " positivamente correlacionados . " Correlação positiva significa que os conjuntos de dados tendem a concordar com ou reforçam-se mutuamente ; correlação negativa significa que eles tendem a estar em desacordo ou excludentes

.