擬合模型標準最小平方法 - JMP 和 Excel Linest 函數之間的差異我正在處理一些數據並嘗試擬合多元線性回歸模型，但我注意到使用 Excel 的“Linest”函數與 JMP17.2 的擬合模型 - 標準最小二乘函數之間存在參數差異。模型的參數（截距和每個 X 變數 coefficeint）彼此接近，但不相同。傳入的資料是相同的。
Excel 的linest 函數與JMP 17.2 中應用最小平方法的方式有何不同？哪個「更好」？或者說它們有何不同？是否有可能使 JMP 的行為與 Excel 完全相同，反之亦然？
基礎資料分析與建模回覆：擬合模型標準最小平方法 - JMP 和 Excel Linest 函數之間的差異嗨@ScrivensL ，
您可能需要共享一些數據（當然，將其匿名），或者更多地解釋問題是什麼，因為當我比較 JMP 中的 SLS 擬合模型和 Excel 中的 LINEST 函數時，我得到了完全相同的答案兩個都。
例如，我使用的是 MS 的數據，您可以從 LINEST 的定義頁面找到它。當您在 JMP 中執行 SLS 擬合模型時，您會得到以下摘要報告：
如果您在 Excel 中執行相同的多元迴歸，您將得到以下輸出，其輸入資料與 JMP 相同：
螢幕截圖的底部顯示了開啟函數中的統計選項時 LINEST 函數中的資料的佈局方式。如果仔細觀察，您會發現擬合估計值以及統計資料都與 JMP 相同。唯一顯示不同的是捨入，但這是因為 JMP 的預設為比 Excel 更少的有效位數。
所以對我來說，我不確定你在哪裡看到了差異。我必須使用您的相同數據來查看是否可以重現您所看到的差異。有了這些數據，我從兩個軟體中得到了相同的數據。
希望有幫助！
DS
