直线拟合指标公式

❶ EXCEL中计算线性拟合是用什么公式啊！！！急急急，不胜感谢~~~回归统计量用什么公式

A1:A5-Y值
B1:B5-X值
截距=intercept(A1:A5,B1B5)
斜率=slope(A1:A5,B1B5)

❷ 通达信指标中有一个直线拟合指标（ZXNH），请问这个指标的源码是什么，这个指标有什么用处。

这个指标是通达信加密指标，直线拟合指标是查找区间内的股价的最高价，最低价的一个指标,是属于带未来函数性质的一个指标,它所发出的信号会发生漂移。没有具体源码公式。

1、直线拟合指标是寻找阶段内代表性高点、低点的工具；

2、直线拟合本身没有预测功能，即不能利用直线拟合指标直接研判，但可以利用直线拟合指标辅助判断顶背离、底背离等。

该指标在赋值以后就与DRAWLINE、DCLOSE、XMA等函数类似了，此时信号将发生偏移。这种特性完全是未来函数。

(2)直线拟合指标公式扩展阅读：

通达信的市场应用：

在中国股票分析软件领域，通达信的事业、研究开发的力量正处于鼎盛时期。公司一贯注重客户服务和售后支持，制定了一套完整健全的客户服务制度,开设了多个分支机构。凭借诚信严谨、始终如一的服务，赢得了业界广泛认同。

现在，公司发展迅速，业务遍及全国30多个省市，90多家证券公司总部网上服务系统，600多个网上行情服务器,证券营业部客户600百多家。中央台、深圳台等知名媒体使用本公司的产品评解股市。

目前公司有员工近200人，其中武汉研发中心有160多人，其它为各分公司、办事处人员。公司本科以上学历占95%以上，公司主要股东和技术领导均为硕士研究生，在学校期间及创业期间陆续出版了：DOS深入剖析、NOVELL内核研究、LINUX内核深入剖析等多本书籍，被相关学校推荐为教学用书。

通达信在证券分析领域、在证券网上电子商务领域，凭借其雄厚的技术实力及公司相对稳定、充足资产状况，已经与其它公司在这些领域内拉开了距离。我们希望能为证券业的电子商务服务提供强有力的技术支撑及行业经验保证。

❸ 拟合优度R2的计算公式

拟合优度R2的计算公式：R2=1-"回归平方和在总平方和中所占的比率；

R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R²的值越小，说明回归直线对观测值的拟合程度越差。指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R²。R²最大值为1。

(3)直线拟合指标公式扩展阅读：

R2衡量回归方程整体的拟合度，是表达因变量与所有自变量之间的总体关系。R²等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变量变异性的百分比（在MATLAB中，R²=1-"回归平方和在总平方和中所占的比率"）。

实际值与平均值的总误差中，回归误差与剩余误差是此消彼长的关系。因而回归误差从正面测定线性模型的拟合优度，剩余误差则从反面来判定线性模型的拟合优度。

统计上定义剩余误差除以自由度n–2所得之商的平方根为估计标准误。为回归模型拟合优度的判断和评价指标，估计标准误显然不如判定系数R²。R²是无量纲系数，有确定的取值范围(0—1)，便于对不同资料回归模型拟合优度进行比较；

而估计标准误差是有计量单位的，又没有确定的取值范围，不便于对不同资料回归模型拟合优度进行比较。

❹ 线性回归的拟合方程

线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线。

拟合是推求一个函数表达式y=f(x)来描述y和x之间的关系，一般用最小二乘法原理来计算。用直线来拟合时，可以叫一次曲线拟合，虽然有点别扭；用二次函数来拟合时，可以叫抛物线拟合或二次曲线拟合，但不能说线性回归。

用直线(y=ax+b)拟合时，得到的方程和一元线性回归分析得到的方程是一样的，但是拟合时可以人为指定函数参数形式，如b=0，而线性回归分析目的则侧重于描述y和x线性相关的程度，通常会同时计算相关系数、F检验值等统计参数。

求解方法

线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在回归中最小化最小二乘损失函数的乘法。相反，最小二乘逼近可以用来拟合那些非线性的模型。因此，尽管最小二乘法和线性模型是紧密相连的，但他们是不能划等号的。

以上内容参考：网络-线性回归方程

❺ 最小二乘法拟合直线的公式是什么，如何推导的

∑(Yi-b-kXi)=0
∑(Yi-b-kXi)Xi=0

或∑Yi=nb-k∑Xi
∑YiXi=b∑Xi+k∑(Xi^2)

解得， k=(n∑YiXi-∑Yi∑Xi)/[n∑(Xi^2)-(∑Xi)^2]
b=[∑(Xi^2)∑Yi-∑Xi∑YiXi]/[n∑(Xi^2)-(∑Xi)^2] (或是，b=∑Yi/n-k∑Xi/n)
也可写成，k=∑XiYi/∑(Xi^2)
b=￣Y-k￣X (￣Y表示Y的均值，￣X表示X的均值）

n为样本容量，原理是利用残差平方和最小来估计回归系数。取最小值是利用残差平方和的大小依赖于k、b的取值，对k、b求偏导并令其等于0。可得我最前面写的方程组。
具体计算的确不好打出来，你原理大概懂得，再记住最后的结论直接用就可。一般题目不会让你推导的。

❻ matlab如何做线性拟合

方法一

1、最常用的是多项式拟合，采用polyfit函数，在命令窗口输入自变量x和因变量y。

❼ 谢谢，如何用excel进行最小二乘法直线拟合

LINEST 函数可通过使用最小二乘法计算与现有数据最佳拟合的直线,来计算某直线的统计值,然后返回描述此直线的数组.也可以将 LINEST 与其他函数结合使用来计算未知参数中其他类型的线性模型的统计值,包括多项式、对数、指数和幂级数.因为此函数返回数值数组,所以必须以数组公式的形式输入.请按照本文中的示例使用此函数.
直线的公式为：
y = mx + b
- 或 -
y = m1x1 + m2x2 + ...+ b（如果有多个区域的 x 值）
其中,因变量 y 是自变量 x 的函数值.m 值是与每个 x 值相对应的系数,b 为常量.注意,y、x 和 m 可以是向量.LINEST 函数返回的数组为 {mn,mn-1,...,m1,b}.LINEST 函数还可返回附加回归统计值.
语法
LINEST(known_y's,[known_x's],[const],[stats])LINEST 函数语法具有以下参数 （参数：为操作、事件、方法、属性、函数或过程提供信息的值.）：
Known_y's 必需.关系表达式 y = mx + b 中已知的 y 值集合.
如果 known_y's 对应的单元格区域在单独一列中,则 known_x's 的每一列被视为一个独立的变量.
如果 known_y's 对应的单元格区域在单独一行中,则 known_x's 的每一行被视为一个独立的变量.
Known_x's 可选.关系表达式 y = mx + b 中已知的 x 值集合.
known_x's 对应的单元格区域可以包含一组或多组变量.如果仅使用一个变量,那么只要 known_y's 和 known_x's 具有相同的维数,则它们可以是任何形状的区域.如果使用多个变量,则 known_y's 必须为向量（即必须为一行或一列）.
如果省略 known_x's,则假设该数组为 {1,2,3,...},其大小与 known_y's 相同.
const 可选.一个逻辑值,用于指定是否将常量 b 强制设为 0.
如果 const 为 TRUE 或被省略,b 将按通常方式计算.
如果 const 为 FALSE,b 将被设为 0,并同时调整 m 值使 y = mx.
stats 可选.一个逻辑值,用于指定是否返回附加回归统计值.
如果 stats 为 TRUE,则 LINEST 函数返回附加回归统计值,这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}.
如果 stats 为 FALSE 或被省略,LINEST 函数只返回系数 m 和常量 b.

❽ 尊敬的各位老师: 请赐教通达信ZXNH直线拟合指标公式的拟合编写法,可发私信给我,加谢500分。

我不是来拿分的！善意的提醒，不要把有限的精力浪费在无聊的技术指标上！

❾ 如何求出直线方程（拟合法）急用

下面是网络文库的《物理实验数据处理的直线拟合法》的结论，可直接使用：
假设你有n组数据（xi，yi），i从1到n，先分别求出x、y的平均值x0，y0；
然后求对（xi-x0）*（yi-y0）求和得M，再对（xi-x0）^2求和得到N，
再求出M/N，这是直线的斜率k；
然后求a=y0-kx0，这是直线的截距；
则所求方程就是y=kx+a

❿ 拟合度r2计算公式

拟合度r2计算公式：r^2=ess/tss。拟合优度（GoodnessofFit）是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R2。R2最大值为1。R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R2的值越小，说明回归直线对观测值的拟合程度越差。
提到回归直线，首先要知道变量的相关性。变量与变量之间的关系常见的有两类：一类是确定性的函数关系，像正方形的边长a和面积S的关系；另一类是变量间确实存在关系，但又不具备函数关系所要求的确定性，它们的关系是随机性的。当两个相互关系的量具有这两种变量关系的时候，就称两个变量具有相关关系。