拟合模型标准最小二乘法 - JMP 和 Excel Linest 函数之间的差异我正在处理一些数据并尝试拟合多元线性回归模型，但我注意到使用 Excel 的“Linest”函数和 JMP17.2 的拟合模型 - 标准最小二乘函数之间存在参数差异。模型的参数（截距和每个 X 变量系数）彼此接近，但不完全相同。输入数据相同。
Excel 的 linest 函数与 JMP 17.2 中应用最小二乘法的方式有何不同？哪个“更好”？或者它们有何不同？是否有可能使 JMP 的行为与 excel 完全相同，反之亦然？
基础数据分析与建模回复：拟合模型标准最小二乘法 - JMP 和 Excel Linest 函数之间的差异你好@ScrivensL ，
您可能需要共享一些数据（当然要匿名化），或者进一步解释问题所在，因为当我比较 JMP 中的 SLS 拟合模型和 Excel 中的 LINEST 函数时，我从两者中得到了完全相同的答案。
例如，我使用的是 MS 的数据，您可以从 LINEST 的定义页面中找到它。在 JMP 中运行 SLS 拟合模型时，您会得到以下摘要报告：
如果您在 Excel 中执行相同的多元回归，您将获得与 JMP 相同输入数据的输出：
屏幕截图的底部显示了在打开函数中的统计选项时 LINEST 函数的数据如何布局。如果仔细观察，您会发现拟合估计值以及统计数据都与 JMP 相同。唯一不同的是四舍五入，但这是因为 JMP 的默认有效位数比 Excel 少。
所以对我来说，我不确定你在哪里看到了差异。我必须使用相同的数据来查看是否可以重现你看到的差异。有了这些数据，我从两个软件中得到了相同的结果。
希望这有帮助！，
DS
