著水平上，截距的变化上限和下限为185865和657153，即有
185865a657153
斜率的变化极限则为159615和202969，即有
159615b202969
第四部分残差输出结果
这一部分为选择输出内容，如果在“回归”分析选项框中没有选中有关内容，则输出结果不会给出这部分结果。
残差输出中包括观测值序号（第一列，用i表示），因变量的预测值（第二列，用yi表
示），残差（residuals，第三列，用ei表示）以及标准残差（表4）。表4残差输出结果
预测值是用回归模型
yi2356418129xi
计算的结果，式中xi即原始数据的中的自变量。从图1可见，x1152，代入上式，得
y12356418129x123564181291522991284
其余依此类推。
残差ei的计算公式为
eiyiyi
从图1可见，y1286，代入上式，得到
e1y1y12862991284131284
其余依此类推。
标准残差即残差的数据标准化结果，借助均值命令average和标准差命令stdev容易验证，残差的算术平均值为0，标准差为1337774。利用求平均值命令sta
dardize残差的单元格范围，均值，标准差立即算出表4中的结果。当然，也可以利用数据标准化公式
zi
zizzizvarzii
逐一计算。将残差平方再求和，便得到残差平方和即剩余平方和，即有
5
f


SSeei2yiyi21610676
i1
i1
利用Excel的求平方和命令sumsq容易验证上述结果。
以最大积雪深度xi为自变量，以残差ei为因变量，作散点图，可得残差图（图3）。残
差点列的分布越是没有趋势（没有规则，即越是随机），回归的结果就越是可靠。
用最大积雪深度xi为自变量，用灌溉面积yi及其预测值yi为因变量，作散点图，可得
线性拟合图（图4）。
最大积雪深度x米ResidualPlot
残差
32101023
5
10
15
20
25
30
最大积雪深度x米
灌溉面积y千亩
图3残差图
最大积雪深度x米Li
eFitPlot
6050403020100
0
10
20
30
最大积雪深度x米
灌溉面积y千亩
预测灌溉面积y千亩
图4线性拟合图
第五部分概率输出结果
在选项输出中，还有一个概率输出（ProbabilityOutput）表（表5）。第一列是按等差数
6
f列设计的百分比排位，第二列则是原始数据因变量的自下而上排序（即从小到大）选中
图1中的第三列（C列）数据，用鼠标点击自下而上排序按钮，立即得到表5中的第二
列数值。当然，也可以沿着主菜单的“数据D→排序S”路径，打开数据排序选项框，进行数据排序。
用表5中的数据作散点图，可以得到Excel所谓的正态概率图（图5）。表5概率输出表
NormalProbabilityPlot60
50
灌溉面积y千亩
403020100
0
20
40
6r