回歸分析是利用 2個變異數的"相關"關係去進行資料預測
我們可以利用EXCEL完成
工作經驗有時候進需要預測的工作時!!
大公司蠻常應用在倉管方面，如此可進行進貨數量管制
-------------------觀念----------------------------------------
舉例來說：
天氣越冷，暖爐賣得越好 ?? (這句話是邏輯與現象；因果關係)
------經過量化-------------
天氣的溫度越低，暖爐的銷售數量越高 (主旨先量化)
天氣 用 " 溫度 " 表示........................變異數1
賣出暖爐 用 " 銷售數量" 表示..........變異數2
也就是說 溫度與銷售數量這兩者的 "相關" 的關係
最簡單的辨別
天氣的溫度越低，暖爐的銷售數量越高 →正相關性
天氣的溫度越低，暖爐的銷售數量越低 →負相關性
大家可以先參考有關 "
相關" 的網路資料 下面再進行學習
-----------------------------------------------------------------------------------
EXCEL 可以利用 CORREL 函數 針對 "相關" 去判斷 變異數兩者間的" 相關" 關係
CORRREL定義
使用CORREL函數時會有一個
相關係數 "r" ；
相關係數(Correlation coefficient)
相關係數 簡單來說 就是去量化變異數的統計指標
要判斷2個變異數之間的相關性的強弱，就可以依照相關係數去判別
根據理論 相關"r"的強度於-1 ~ 1 ； 相關係數越接近
±1 則相關越強
-------------------------------------------------------------------------------------
要表示兩個變異數的圖必須使用"散佈圖" 根據散佈的情況(有序排列或無序排列)
來判斷是否兩者間有相關，若有，相關性有多強 請參考下方資料
相關係數與散佈圖的關係
下面介紹 CORREL 函數的教學
-------------------------------CORREL 函數教學--------------------------------------
= CORREL (變異數範圍1,變異數範圍2)
根據上述說明的氣溫與賣暖爐的範例 如圖1
圖1
從圖1 可以得到相關係數 r =0.95 接近 +1 符合正相關性
繪製散佈圖 [圖2]
圖2
