X、Y散点图
在数据点上单击右键,选择添加趋势线-线性,并在选项标签中要求给出公式和相关系数等,可以得到拟合的直线。
给出公式和相关系数
由图中可知,拟合的直线是y=15620x+6606.1,R2的值为0.9994。
因为R2 0.99,所以这是一个线性特征非常明显的实验模型,即说明拟合直线能够以大于99.99%地解释、涵盖了实测数据,具有很好的一般性,可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型,我们使用数据分析中的回归工具来详细分析这组数据。
回归工具
在选项卡中显然详细多了,注意选择X、Y对应的数据列。常数为零就是指明该模型是严格的正比例模型,本例确实是这样,因为在浓度为零时相应峰面积肯定为零。先前得出的回归方程虽然拟合程度相当高,但是在x=0时,仍然有对应的数值,这显然是一个可笑的结论。所以我们选择常数为零。
回归工具为我们提供了三张图,分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。
残差图、线性拟合图和正态概率图
在线性拟合图中可以看到,不但有根据要求生成的数据点,而且还有经过拟和处理的预测数据点,拟合直线的参数会在数据表格中详细显示。本实例旨在提供更多信息以起到抛砖引玉的作用,由于涉及到过多的专业术语,请各位读者根据实际,在具体使用中另行参考各项参数,此不再对更多细节作进一步解释。
残差图是有关于世纪之与预测值之间差距的图表,如果残差图中的散点在中州上下两侧零乱分布,那么拟合直线就是合理的,否则就需要重新处理。
图表
(本文来源于图老师网站,更多请访问http://m.tulaoshi.com/diannaorumen/)更多的信息在生成的表格中,详细的参数项目完全可以满足回归分析的各项要求。下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。
表格
(本文来源于图老师网站,更多请访问http://m.tulaoshi.com/diannaorumen/)