LINEST函数用于使用最小二乘法对已知数据进行最佳直线拟合，然后返回描述此直线的数组。也可以将LINEST与其他函数结合以便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。LINEST函数的语法如下。
LINEST(known_y's,known_x's,const,stats)
其中参数known_y’s是关系表达式y=mx+b中已知的y值集合。
· 如果数组known_y’s在单独一列中，则known_x’s的每一列被视为一个独立的变量。
· 如果数组known_y’s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是关系表达式y=mx+b中已知的可选x值集合。
· 数组known_x’s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_x’s和known_y’s具有相同的维数，则它们可以是任何形状的区域。如果用到多个变量，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为一逻辑值，用于指定是否将常量b强制设为0。
· 如果const为TRUE或省略，b将按正常计算。
· 如果const为FALSE，b将被设为0，并同时调整m值使y=mx。
stats为一逻辑值，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或省略，LINEST函数只返回系数m和常量b。
【背景知识】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。
附加回归统计值如表16-1所示。
表16-1 附加回归统计值
【典型案例】已知某公司1~6月份的产品销售额，估算第8个月的销售值。基础数据如图16-119所示。
步骤1：打开例子工作簿“LINEST.xlsx”。
步骤2：在单元格A9中输入公式“=SUM（LINEST（B2：B7，A2：A7）*{8，1}）”，用于估算第8个月的销售值。计算结果如图16-120所示。
【使用指南】
1）可以使用斜率和y轴截距描述任何直线：
· 斜率（m）：通常记为m，如果需要计算斜率，则选取直线上的两点，（x1，y1）和（x2，y2）；斜率等于（y2-y1）/（x2-x1）。
· y轴截距（b）：通常记为b，直线的y轴的截距为直线通过y轴时与y轴交点的数值。
直线的公式为y=mx+b。如果知道了m和b的值，将y或x的值代入公式就可计算出直线上的任意一点。另外还可以使用TREND函数来得到结果。
2）当只有一个自变量x时，可直接利用下面公式得到斜率和y轴截距值。
· 斜率公式如下。
=INDEX(LINEST(known_y's,known_x's),1)
图16-119 基础数据
图16-120 计算结果
· y轴截距公式如下。
=INDEX(LINEST(known_y's,known_x's),2)
3）数据的离散程度决定了LINEST函数计算的精确度。数据越接近线性，LINEST模型就越精确。LINEST函数使用最小二乘法来判定最适合数据的模型。当只有一个自变量x时，m和b是根据下面的公式计算出的：
其中x和y是样本平均值，例如x=AVERAGE（knownx’s）和y=AVERAGE（known_y’s）。
4）直线和曲线函数LINEST和LOGEST可用来计算与给定数据拟合程度最高的直线或指数曲线。但需要判断两者中哪一个更适合数据。可以用函数TREND（known_y’s，known_x’s）来计算直线，或用函数GROWTH（known_y’s，known_x’s）来计算指数曲线。这些不带参数new_x’s的函数可在实际数据点上根据直线或曲线来返回y的数组值，然后可以将预测值与实际值进行比较。另外还可以用图表方式来直观地比较二者。
5）回归分析时，Excel计算每一点的y的估计值和实际值的平方差。这些平方差之和称为残差平方和（ssresid）。然后Excel计算总平方和（sstotal）。当const=TRUE或被删除时，总平方和是y的实际值和平均值的平方差之和。当const=FALSE时，总平方和是y的实际值的平方和（不需要从每个y值中减去平均值）。回归平方和（ssreg）可通过公式“ssreg=sstotal-ssresid”计算出来。残差平方和与总平方和的比值越小，判定系数r2的值就越大。r2是表示回归分析公式的结果反映变量间关系的程度的标志，其值等于ssreg和sstotal的比值。
6）在某些情况下，一个或多个x列可能没有出现在其他x列中的预测值（假设y’s和x’s位于列中）。换句话说，删除一个或多个x列可能导致同样精度的y预测值。在这种情况下，这些多余的x列应该从回归模型中删除。这种现象被称为“共线”，因为任何多余的x列可表示为多个非多余x列的和。LINEST将检查是否存在共线，并在识别出来之后从回归模型中删除任何多余的x列。由于包含0系数以及0se’s，所以已删除的x列能在LINEST输出中被识别出来。如果一个或多个多余的列被删除，则将影响df，原因是df取决于被实际用于预测目的的x列的个数。如果由于删除多余的x列而更改了df，则也会影响sey和F的值。
实际上，出现共线的情况应该相对很少。但是，如果某些x列仅包含0’s和1’s作为一个实验中的对象是否属于某个组的指示器，则很可能引起共线。如果const=TRUE或被删除，则LINEST可有效地插入所有包含1’s的其他x列以便模型化截取。如果在一列中，1对应于每个男性对象，0对应于非男性对象；而在另一列中，1对应于每个女性对象，0对应于非女性对象，那么后一列就是多余的，因为其中的项可通过从所有包含1’s（由LINEST添加）的另一列中减去“男性指示器”列中的项来获得。
7）df的计算方法如下所示（没有x列由于共线而从模型中被删除）：如果存在known_x’s的k列和const=TRUE或被删除，那么df=n–k–1；如果const=FALSE，那么df=n-k。在这两种情况下，每次由于共线而删除一个x列都会使df加1。
8）对于返回结果为数组的公式，必须以数组公式的形式输入。
当输入一个数组常量（如known_x’s）作为参数时，以逗号作为同一行中各数值的分隔符，以分号作为不同行中各数值的分隔符。分隔符可能因“控制面板”的“区域和语言选项”中区域设置的不同而有所不同。
9）注意，如果y的回归分析预测值超出了用来计算公式的y值的范围，它们可能是无效的。
函数LINEST中使用的下层算法与函数SLOPE和INTERCEPT中使用的下层算法不同。当数据未定且共线时，这些算法之间的差异会导致不同的结果。例如，如果参数known_y’s的数据点为0，参数known_x’s的数据点为1：
·LINEST返回值0。LINEST算法用来返回共线数据的合理结果，在这种情况下至少可找到一个答案。
·SLOPE和INTERCEPT返回错误“#DIV/0！”。SLOPE和INTERCEPT算法用来查找一个且仅一个答案，在这种情况下可能有多个答案。
10）除了使用LOGEST计算其他回归分析类型的统计值外，还可以使用LINEST计算其他回归分析类型的范围，方法是将x和y变量的函数作为LINEST的x和y系列输入。例如，下面的公式。
=LINEST(yvalues,xvalues^COLUMN($A:$C))
将在使用y值的单个列和x值的单个列计算下面的方程式的近似立方（多项式次数为3）值时运行：
y=m1*x+m2*x^2+m3*x^3+b
可以调整此公式以计算其他类型的回归，但是在某些情况下，需要调整输出值和其他统计值。
