用Excel做线性回归分析
用Excel进行一元线性回归分析
Excel功能强大，利用它的分析工具和函数，可以进行各种试验数据的多元线性回归分析。
本文就从最简单的一元线性回归入手.
在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。
很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。
它们虽很专业，但其实使用Excel就完全够用了。
我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。
文章使用的是2000版的软件,我在其中的一些步骤也添加了2007版的注解.
1 利用Excel2000进行一元线性回归分析
首先录入数据.
以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。
录入结果见下图（图1）。
图1
第二步，作散点图
如图2所示，选中数据（包括自变量和因变量），点击“图表向导”图标；或者在
“插入”菜单中打开“图表（H）(excel2007)”。
图表向导的图标为。
选中数据后，数据变为蓝色（图2）。
图2
点击“图表向导”以后，弹出如下对话框（图3）：
图3
在左边一栏中选中“XY散点图”，点击“完成”按钮，立即出现散点图的原始形式（图4）：
灌溉面积y(千亩)
01020304050600
10
20
30
灌溉面积y(千亩)
图4
第三步，回归
观察散点图，判断点列分布是否具有线性趋势。
只有当数据具有线性分布特征时，才能采用线性回归分析方法。
从图中可以看出，本例数据具有线性分布趋势，可以进行线性回归。
回归的步骤如下：
⑴ 首先，打开“工具”下拉菜单，可见数据分析选项（见图5）(2007为”数据”右端的”数据分析”)：
图5 用鼠标双击“数据分析”选项，弹出“数据分析”对话框（图6）：
图6
⑵然后，选择“回归”，确定，弹出如下选项表：
图7
进行如下选择：X、Y值的输入区域（B1:B11，C1:C11），标志，置信度（95%），新工作表组，残差，线性拟合图。
或者：X、Y值的输入区域（B2:B11，C2:C11），置信度（95%），新工作表组，残差，线性拟合图。
注意：选中数据“标志”和不选“标志”，X、Y值的输入区域是不一样的：前者包括数据标志：
最大积雪深度x(米)灌溉面积y(千亩)
后者不包括。
这一点务请注意。
图8-1 包括数据“标志”
图8-2 不包括数据“标志”
⑶再后，确定，取得回归结果（图9）。
图9 线性回归结果
⑷ 最后，读取回归结果如下：
截距：356.2=a ；斜率：813.1=b ；相关系数：989.0=R ；测定系数：979.02=R ；F 值：945.371=F 。
⑸ 建立回归模型，并对结果进行检验
模型为：x y
813.1356.2ˆ+= 至于检验，R 、R 2和F 值可以直接从回归结果中读出。
实际上，8,05.0632.0989416.0R R =>=，检验通过。
有了R 值，F 值和t 值均可计算出来。
F 值的计算公式和结果为：
8,05.022
22
32.5945.371)
989416.01(1
1101
989416
.0)
1(1
1
F R k n R F =>=---=
---=
显然与表中的结果一样。
t 值的计算公式和结果为：
8,05.02
306.2286.191
110979416.01979416.01
1t k n R R t =>=---=
---=
回归结果中给出了残差（图10），据此可以计算标准离差。
首先求残差的平方
2
2)ˆ(i i i y
y -=ε，然后求残差平方和107.16174.0724.1101
2
=++==∑== n i i
S ε
，于是标准
离差为
419.18
107.161)ˆ(1112
===---=
∑=S v y y k n s n
i i
i 于是
15.0~1.0%15~100388.053
.36419.1=<==y s
图10 y 的预测值及其相应的残差等
进而，可以计算DW 值（参见图11），计算公式及结果为
751.0417.0)911.1()313.1()833.0417.0()313.1911.1()(DW 2
22221
22
2
1=++-+--+++-=-=
∑∑==- n
i i
n
i i i ε
εε
取05.0=α，1=k ，10=n （显然81110=--=v ），查表得94.0=l d ，29.1=u d 。
显然，DW=0.751<94.0=l d ，可见有序列正相关，预测的结果令人怀疑。
图11 利用残差计算DW 值
最后给出利用Excel 快速估计模型的方法：
⑴ 用鼠标指向图4中的数据点列，单击右键，出现如下选择菜单（图12）：
图12
⑵点击“添加趋势线(R)”，弹出如下选择框（图13）：
图13
⑶在“分析类型”中选择“线性(L)”，然后打开选项单（图14）：
图14
⑷ 在选择框中选中“显示公式(E)”和“显示R 平方值(R)”（如图14），确定，立即得到回归结果如下（图15）：
图表标题
y = 1.8129x + 2.3564
R 2 = 0.9789
01020304050600
10
20
30
灌溉面积y(千亩)线性 (灌溉面积y(千亩))
图15
在图15中，给出了回归模型和相应的测定系数即拟合优度。
如何用Excel做数据线性拟合和回归分析
如何用Excel做数据线性拟合和回归分析我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。
在数据分析中,对于成对成组数据的拟合是经常遇到的,涉及到的任务有线性描述，趋势预测和残差分析等等。
很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLA爵等。
它们虽很专业，但其实使用Excel就完全够用了。
我们已经知道在Excel自带的数据库中已有线性拟合工具,但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类婺选进行处理。
注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装楚迪［分析，请依次选择“工具”-“加载宏”，在安装光盘支持下加载“分析婺此库”。
加载成功后，可以在“工具”下拉菜单中看到“塑ft分析”选项实例某溶液浓度正比对应于色谱仪器中的峰面积，现欲建立不同浓度下对应峰面积的标准曲线以供测试未知样品的实际浓度。
已知8组对应数据,建立标准曲线，并且对此曲线进行评价，给出残差等分析数迎这是一个很典型的线性拟合问题，手工计算就是采用最小二乘法求出拟合直线的待定参数，同时可以得出R的值，也就是相关系数的大小。
在Excel中，可以采用先绘图再添加趋势线的方法完成前两步的要求。
选择成对的数据列,将它们使用“X、丫散点图”制成散点图。
在数据点上单击右键,选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。
拟合的直线是y=15620x+6606.1,R2的值为0.9994。
因为R2>0.99,所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于99.99%地解释、涵盖了实测K，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型，我们使用数据分析中的“回归”工具来详细分析这组数据。
如何用EXCEL做数据线性拟合和回归分析
如何用EXCEL做数据线性拟合和回归分析使用Excel进行数据线性拟合和回归分析的过程如下：一、数据准备：1. 打开Excel，并将数据输入到一个工作簿中的其中一列或行中。
2.确保数据已经按照自变量（X）和因变量（Y）的顺序排列。
二、线性拟合：1. 在Excel中选择一个空白单元格，键入“=LINEST(Y数据范围，X数据范围，TRUE，TRUE)”。
-Y数据范围是因变量的数据范围。
-X数据范围是自变量的数据范围。
-最后两个参数设置为TRUE表示计算截距和斜率。
2. 按下“Ctrl +Shift + Enter”键以在该单元格中输入数组公式。
3. Excel将返回一列值，其中包括线性回归方程的系数和其他有关回归模型的统计信息。
-第一个值为截距项。
-第二个值为斜率项。
三、回归分析：1. 在Excel中选择一个空白单元格，键入“=LINEST(Y数据范围，X数据范围，TRUE，TRUE)”。
2. 按下“Ctrl + Shift + Enter”键以在该单元格中输入数组公式。
3. Excel将返回一列值，其中包括线性回归方程的系数和其他有关回归模型的统计信息。
-第一个值为截距项。
-第二个值为斜率项。
-第三个值为相关系数（R^2）。
-第四个值为标准误差。
四、数据可视化：1.选中自变量（X）和因变量（Y）的数据范围。
2.点击“插入”选项卡中的“散点图”图表类型。
3.选择一个散点图类型并插入到工作表中。
4.可以添加趋势线和方程式以可视化线性拟合结果。
-右键单击散点图上的一个数据点，选择“添加趋势线”。
-在弹出的对话框中选择线性趋势线类型。
-勾选“显示方程式”和“显示R^2值”选项以显示线性回归方程和相关系数。
五、解读结果：1.截距项表示在自变量为0时，因变量的预测值。
2.斜率项表示因变量随着自变量变化而变化的速率。
3.相关系数（R^2）表示自变量对因变量的解释力，范围从0到1，越接近1表示拟合的越好。
4.标准误差表示拟合线与实际数据之间的平均误差。
用EXCEL做线性回归分析
用EXCEL做线性回归分析线性回归分析是一种常用的统计方法，用于研究两个变量之间的线性关系。
它可以帮助我们理解和预测两个变量之间的关系，并且可通过趋势线进行展示。
在Excel中，线性回归分析可以通过使用内置的回归工具函数来实现。
本文将介绍如何使用Excel进行线性回归分析。
首先，我们需要准备好要进行分析的数据。
在Excel中，我们可以将这些数据输入到一个工作表中的列中，每个变量占一列。
例如，我们有一组x变量和一组y变量的数据，可以将x变量输入到A列，y变量输入到B列。
确保每个数据点都位于一个单独的行。
接下来，我们将使用Excel的数据分析工具进行线性回归分析。
要启用数据分析工具，我们需要先打开Excel的选项菜单。
在选项菜单中，选择工具选项卡，然后点击加载项。
在加载项窗口中勾选"分析工具箱"，点击确定以启用该功能。
现在，我们可以使用数据分析工具进行线性回归分析了。
在Excel的数据选项卡上，点击数据分析按钮。
在弹出的对话框中，选择回归，然后点击确定。
Excel将生成回归分析的结果，并将其输出到一个新的工作表中。
在该工作表中，我们可以看到回归方程的系数、截距和相关系数等信息。
此外，Excel还会生成一个散点图，并绘制出回归线。
通过解读回归分析结果，我们可以得到一些关键的信息。
首先，回归方程的系数表示变量之间的关系。
系数越大，表明变量之间的关系越强。
此外，截距表示当自变量为0时，因变量的取值。
相关系数表示两个变量之间的相关性，相关系数值越接近于1或-1，相关性越强。
除了回归分析结果，我们还可以通过散点图来可视化数据。
在这个散点图中，我们可以看到每个数据点的位置以及回归线的趋势。
通过观察散点图，我们可以更好地理解变量之间的关系。
在实际应用中，线性回归分析可以帮助我们预测未来值，控制其他因素的影响，并评估因素对因变量的影响程度。
例如，我们可以利用线性回归分析来研究广告投入与销售业绩之间的关系，以了解广告对销售额的影响。
Excel高级函数使用LINEST进行线性回归分析
Excel高级函数使用LINEST进行线性回归分析在Excel中，LINEST是一个非常强大的函数，可以用于进行线性回归分析。
线性回归是一种统计方法，用于确定两个变量之间的线性关系，并通过该关系进行预测和分析。
LINEST函数可用于计算最佳拟合直线的相关参数，例如斜率和截距。
它还可以提供其他信息，如误差值和决定系数，以评估拟合线的准确度。
使用LINEST函数进行线性回归分析的步骤如下：1. 准备数据：首先需要准备要进行回归分析的数据。
数据应该是一个包含自变量和因变量的矩阵。
2. 打开Excel并选择一个空白单元格。
3. 输入LINEST函数：在选定的空白单元格中，输入=LINEST(known_y's, known_x's)。
其中，known_y's是因变量的数据范围（即要预测的变量），known_x's是自变量的数据范围。
4. 按下Enter键后，Excel将计算回归分析的结果并返回一个多行多列的矩阵。
该矩阵包含有关拟合线和其他统计指标的信息。
在LINEST函数的返回矩阵中，第一行包含拟合线的斜率和截距。
第一个元素是截距，后面的元素是斜率。
这些值可用于绘制拟合直线。
第二行和第三行分别包含斜率和截距的标准误差。
标准误差是用于评估拟合线的准确性的指标。
较小的标准误差意味着拟合线更可靠。
第四行包含与每个自变量相关的可选统计信息。
常见的统计信息包括：残差平方和、总平方和、剩余平方和和决定系数。
可以使用这些统计数据来评估回归模型的质量。
决定系数越接近1，说明回归模型越好。
LINEST函数还可以返回附加信息，例如拟合线的截距是否为零。
截距为零通常表示拟合线通过原点。
除了基本的LINEST函数之外，Excel还提供了其他类似的函数，如LOGEST和FORECAST。
这些函数可以用于不同类型的回归分析，如指数回归和预测。
Excel的LINEST函数是进行线性回归分析的理想工具。
用EXCEL做线性回归的方法
用EXCEL做线性回归的方法在Excel中进行线性回归分析是一种常见的统计方法，可以用来建立和评估两个变量之间的线性关系。
以下是在Excel中进行线性回归的步骤：2. 打开Excel并导入数据：在Excel中创建一个新的工作簿并将数据导入其中。
确保每个变量处于独立的列中，并将列标题放在第一行。
3.绘制散点图：选择包含两个变量的数据范围，然后通过选择“插入”选项卡上的“散点图”图标绘制散点图。
确保选择一个表示线性趋势的散点图类型（例如，线性散点图）。
4.添加趋势线：右键单击散点图上的任何一个数据点，然后选择“添加趋势线”选项。
在弹出的对话框中，选择“线性”作为趋势线类型。
还可以选择“显示方程式”和“显示R方值”，以显示方程式和决定系数。
5. 进行线性回归分析：在Excel中进行线性回归分析有两种常见的方法。
一种是使用“利用工具”功能进行线性回归，另一种是使用“数据分析”工具。
-利用工具：选择工作表中的一个空单元格，然后选择“数据”选项卡上的“数据分析”功能。
在弹出的对话框中，选择“回归”然后点击“确定”。
在输入区域中选择两个变量的列，并勾选“置信区间”和“残差”，然后点击“确定”进行分析。
- 数据分析工具：如果Excel中没有“数据分析”选项，则需要先启用。
选择“文件”选项卡上的“选项”，然后选择“添加-加载项”。
在弹出的对话框中，选择“Excel加载项”，并勾选“数据分析工具”，然后点击“确定”。
在“数据”选项卡上就会出现“数据分析”选项，然后执行和利用工具方法相同的步骤。
6. 解读结果：分析完成后，Excel将在单元格区域中输出回归方程式和其他相关统计信息。
主要关注回归方程式中的系数，这些系数表示参与线性回归的变量之间的关系。
还可以评估决定系数（R²）的值以确定回归模型的拟合程度。
7.绘制拟合曲线：使用回归方程式中的系数，可以在散点图中绘制拟合曲线。
选择散点图上的一个空白区域，然后选择“插入”选项卡上的“散点图”功能。
EXCEL线性回归分析实例
EXCEL线性回归分析实例线性回归分析是一种常用的统计方法，可以用来研究自变量与因变量之间的线性关系。
它的基本思想是通过拟合一条直线来描述自变量与因变量之间的关系，从而预测因变量的值。
在Excel中，我们可以使用内置的工具来进行线性回归分析。
下面以一个实际案例来演示如何在Excel中进行线性回归分析。
案例背景：假设有一个销售部门，需要评估广告支出与销售额之间的关系。
为了帮助部门决策，我们收集了过去6个月的数据，记录广告支出和销售额的值。
步骤1：准备数据首先，在Excel中打开一个新的工作表，并创建两列，一列用于记录广告支出，另一列用于记录销售额。
以下是示例数据：广告支出(自变量)，销售额(因变量)1000，30002000，60003000，9000步骤2：绘制散点图选择广告支出和销售额这两列数据，然后点击Excel的“插入”选项卡，在“图表”区域中选择“散点图”。
选择一个合适的散点图样式，并生成散点图。
步骤3：计算回归方程在Excel中，我们可以使用“数据分析”工具进行线性回归分析。
首先，点击Excel的“数据”选项卡，在“分析”区域中选择“数据分析”。
在弹出的窗口中，选择“回归”并点击“确定”。
在“回归”对话框中，填写以下信息：-输入Y范围：选择销售额列的值；-输入X范围：选择广告支出列的值；-勾选“新工作表上”复选框，以便在新的工作表中输出结果。
点击“确定”后，Excel将会在新的工作表中生成回归分析的结果。
步骤4：解读结果在新的工作表中，我们可以看到回归分析的结果。
其中，我们关注的是方程的系数和拟合优度。
回归方程的一般形式为：Y = a + bX，其中，a是截距，b是斜率。
根据Excel输出的结果，我们可以得到回归方程为：Y = -2000 + 3.5X。
拟合优度是衡量拟合程度的指标之一，它的取值范围在0到1之间。
拟合优度越接近1，说明回归方程越能够解释因变量的变化。
在Excel输出的结果中，我们可以找到R平方（R^2）值，它表示拟合优度。
Excel求解线性回归详解(LINEST 函数)
LINEST 函数本文介绍Microsoft Office Excel 中LINEST 函数（函数：函数是预先编写的公式，可以对一个或多个值执行运算，并返回一个或多个值。
函数可以简化和缩短工作表中的公式，尤其在用公式执行很长或复杂的计算时。
）的公式语法和用法。
有关绘制图表和执行回归分析的详细信息，请点击“请参阅”部分中的链接。
说明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。
如何在Excel中使用Regression进行回归分析分析
如何在Excel中使用Regression进行回归分析分析在Excel中使用Regression进行回归分析回归分析是一种重要的统计方法，可用于研究自变量与因变量之间的关系。
在数据分析中，Excel提供了方便易用的Regression工具，使用户可以轻松地进行回归分析。
本文将介绍如何在Excel中使用Regression进行回归分析。
一、准备数据进行回归分析前，首先需要准备好待分析的数据。
在Excel中，我们可以将数据整理为两列，一列作为自变量，一列作为因变量。
例如，我们想研究学习时间对考试成绩的影响，那么一列可以是学习时间，另一列可以是考试成绩。
确保数据按照正确的格式排列，没有遗漏或错误。
二、打开Regression工具在Excel中，点击“数据”选项卡，然后在“分析”组中选择“Regression”工具。
如果你没有找到这个选项，可能需要先安装“数据分析”插件。
选择该工具后会弹出一个对话框。
三、填写Regression对话框在Regression对话框中，我们需要填写一些参数来进行回归分析。
首先，将自变量和因变量的数据范围输入到“Input X Range”和“Input Y Range”中。
确保正确选择了数据范围，并使用逗号分隔不同的数据列。
其次，选择回归模型类型。
在大部分情况下，我们使用线性回归模型，所以选择“Linear”即可。
如果有特殊需求，可以选择其他模型。
接下来，勾选“Labels”选项，以便在结果中包含变量名称。
最后，选择输出结果的位置。
建议选择一个空白单元格区域，结果将会显示在该区域中。
四、运行回归分析在填写完Regression对话框后，点击“确定”按钮即可运行回归分析。
Excel会在指定的输出位置显示回归结果。
回归结果包括斜率、截距、相关系数、R平方和P值等。
这些结果可以帮助我们判断自变量对因变量的影响程度，以及是否具有统计显著性。
五、分析回归结果通过回归结果，我们可以进行进一步的分析。
利用Excel进行线性回归分析
利用Ｅxcel进行线性回归分析————————————————————————————————作者: ————————————————————————————————日期：ﻩ文档内容1.利用Excel进行一元线性回归分析２. 利用Ｅｘcｅｌ进行多元线性回归分析1．利用Excel进行一元线性回归分析第一步,录入数据以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。
录入结果见下图(图1)。
图1第二步,作散点图如图２所示，选中数据(包括自变量和因变量）,点击“图表向导”图标；或者在“插入”菜单中打开“图表(H)”。
图表向导的图标为。
选中数据后，数据变为蓝色(图２）。
图2点击“图表向导”以后，弹出如下对话框(图３）:图3在左边一栏中选中“XＹ散点图”，点击“完成”按钮,立即出现散点图的原始形式（图4)：灌溉面积y(千亩)01020304050600102030灌溉面积y(千亩)图４第三步，回归观察散点图,判断点列分布是否具有线性趋势。
只有当数据具有线性分布特征时,才能采用线性回归分析方法。
从图中可以看出，本例数据具有线性分布趋势，可以进行线性回归。
回归的步骤如下:1. 首先，打开“工具”下拉菜单，可见数据分析选项（见图5）：图５用鼠标双击“数据分析”选项,弹出“数据分析”对话框（图6)：图62.然后，选择“回归”，确定，弹出如下选项表(图7)：图7进行如下选择：X 、Y 值的输入区域(B1：Ｂ11，C1:C11）,标志,置信度(95%),新工作表组，残差,线性拟合图(图８-１）。
或者:X 、Y 值的输入区域（B2:B11，C2:Ｃ11)，置信度(95%)，新工作表组,残差,线性拟合图（图8-2）。
注意：选中数据“标志”和不选“标志”,X 、Y 值的输入区域是不一样的：前者包括数据标志：最大积雪深度x （米) 灌溉面积y （千亩）后者不包括。
这一点务请注意(图8）。
图８－1包括数据“标志”图8-２不包括数据“标志”3.再后，确定,取得回归结果(图9）。
用EXCEL进行生产函数的多元线性回归分析
用EXCEL进行生产函数的多元线性回归分析一、相关函数EXCEL电子制表系统中函数的语法分为函数名和参数两部分，参数用圆括号括起来，之间以逗号隔开。
参数可以为单元格区域、数组、函数、常数（逻辑型、数值型等）。
进行回归分析时，主要采用线性回归函数LINEST，辅以使用索引取值INDEX与四舍五入ROUND函数。
1、线性回归函数LINEST。
使用最小二乘法对已知数据进行最佳直线拟合，并返回描述此直线的数组。
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。
该函数的功能为：运算结果返回一线性回归方程的参数，即当已知一组混合成本为Y 因变量序列值、N组Xi有关自变量因素的数量序列值时，函数返回回归方程的系数bi（i=1，2…n单位变动成本）和常数a（固定成本或费用）。
多元回归方程模型则为：y=b1x1＋b2X2……＋bnXn＋a语法LINEST(known_y's,known_x's,const,stats)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。
如果只用到一个变量，只要 known_y's 和 known_x's 维数相同，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。