Materi
Regresi linear sederhana mencari garis lurus ŷ = a + b × x yang paling dekat dengan titik-titik data, dalam arti jumlah kuadrat residunya paling kecil (metode kuadrat terkecil). Kemiringan b menyatakan perubahan rata-rata ŷ untuk setiap kenaikan satu satuan x; titik potong a adalah nilai ŷ ketika x = 0, yang hanya bermakna bila x = 0 masuk akal dan berada di dekat data. Residu adalah nilai teramati dikurangi nilai prediksi, y − ŷ: positif bila titiknya di atas garis.
SLOPE(y, x) dan INTERCEPT(y, x) menghitung b dan a; perhatikan bahwa larik y ditulis lebih dulu. FORECAST.LINEAR(x, y, x-data) langsung memberi prediksi. RSQ(y, x) menghitung r², bagian keragaman y yang dijelaskan garis. Contoh: biaya listrik toko (ribu rupiah) terhadap jam buka harian memberi b = 18 dan a = 40, sehingga toko yang buka 10 jam diprediksi membayar 40 + 18 × 10 = 220 ribu. Bila tagihan sebenarnya 232 ribu, residunya 12 ribu. r² = 0,81 berarti 81% keragaman biaya listrik dijelaskan oleh jam buka.
Prediksi hanya dapat dipercaya di dalam rentang x yang ada di data. Di luar rentang itu — ekstrapolasi — tidak ada bukti bahwa hubungannya tetap lurus.
=SLOPE(B2:B9,A2:A9) kemiringan b, larik y lebih dulu
=INTERCEPT(B2:B9,A2:A9) titik potong a
=FORECAST.LINEAR(6,B2:B9,A2:A9) prediksi untuk x = 6
=RSQ(B2:B9,A2:A9) r²