5种常见的相关分析方法
第一、散点图和折线图
第二、相关系数
第三、当数据类型是特征值（离散）时用互信息方法求相关性

excel回归分析的参数解读
一元线性回归中
1、回归统计中：

• A、Multiple R：x和y的相关系数r，一般在-1~1之间，绝对值越靠近1则相关性越强，越靠近0则相关性越弱;
• B、R square：x和y的相关系数r的平方，表达自变量x解释因变量y变差的程度，以测定量y的拟合效果;
• C、Adjusted R Square：调整后的R square，说明自变量能说明因变量百分比，和B的区别在于，通常一元回归的时候看B项多，而多元回归时候看C项多；
• D、标准误差：用来衡量拟合程度的大小，也用于计算与回归相关的其它统计量，此值越小，说明拟合程度越好；E、观察值：用于训练回归方程的样本数据有多少个；

2、方差分析中 主要作用是通过F检验来判定回归模型的回归效果

• A、主要关注回归分析这一行的Significance F（F显著性统计量）的P值，以统计常用的0.05显著水平为例，这里的2E-12明显小于P=0.05，则F检验通过，整体回归方程显著有效；

3、回归参数表

• A、Coefficients（回归系数）：intercept对应截距项，x变量-净销售收入的系数；
• B、标准误差：误差值越小，表明参数的精确度越高。不常使用，原因在于：其统计信息已经包含在后述的t检验中；
• C、t stat：T检验中统计量t值，用于对模型参数的检验，需要查表才能决定。t值是回归系数与其标准误差的比值。经常一元回归可以看F检验或者回归统计基本能支撑判断，但对于多元线性回归，t检验就不可缺省了；
• D、P-value：T检验对应的P值，当P<0.05时，可以认为模型在α=0.05的水平上显著，或者置信度达到95%；当P<0.01时，可以认为模型在α=0.01的水平上显著，或者置信度达到99%；E、Lower 95% /Upper 95% /下限 95.0% /上限 95.0% : 95%置信区间的上下限值。

一元回归中 看回归统计或者看F检验看Significance F（F显著性统计量）的P值，如果小于0.05那就有95%的置信度

多元回归中除了F检验外还要看T检验

• 因变量为连续变量，自变量至少有一个连续变量，进行多元线性回归
• 因变量为连续变量，自变量全部为分类变量，进行方差分析
• 因变量为分类变量，自变量至少有一个连续变量，使用logit模型(逻辑回归 进行log转换)
• 因变量为分类变量，自变量全部为分类变量，进行交叉分析和卡方检验

分析方法有

• 相关性分析(是否显著确实相关 一元回归要经过F检验，多元回归要经过 F、T检验——方差分析用F检验)
• 回归分析法（经过检验显著后，建立回归模型）
• 聚类分析法
• 判别分析法
• 主成分分析法
• 因子分析法
• 对应分析法
• 时间序列