一元二次多项式回归,多元二次多项式的回归方法
在用regress求一元二次回归时，r^2较小是否可以说明x,y是非线性的！
不太清楚你说的r^2具体代表什么。如果它是整体数据与拟合函数间的最小平方差，个人觉得，如果非线性的r^2并没有比线性的r^2小很多，那么r^2的大小并不一定能反映x,y是否是非线性的。当然，这也意味着，如果非线性的r^2较于线性的r^2有很明显的改善，那么x,y是非线性的结论就比较有说服力。
至于如果非线性的r^2并没有比线性的r^2小很多，你要着重从某个局部分析，尤其是针对x,y在某些区间呈现较为明显的非线性变化来分析。
比如你可以尝试拟合某个局部，看看非线性的r^2是不是明显小于线性的r^2。
另外，你也可以看一元二次多项式（比如y=ax^2+bx+c）中ax^2与bx的相对大小关系。如果在x的某个区间内，ax^2的值相对于bx是不可忽略的（更严谨点说就是它们的数级是一样或相近的），那么在这个区间内，x,y呈现较为明显的非线性关系。
用excel做一个一元二次的回归方程怎么弄
首先要准备好两组数据做为x和y，这组数据在可以简单感觉一下是否具有线性关系
将准备好的数据放入excel表格里面
EXCEL需要我们自己启用数据分析，点击文件，选择选项，点击左侧的加载项，加载分析工具
加载工具完成以后，点击数据中的“工具分析”，选择“回归”，点击确定
点击Y值输入区域后面的单元格选择工具，选择Y值单元格，比如小编这里的A2:A20，X值同理操作，这里选择B2:B20
勾选下方的线性拟合图，我们可以看一下拟合的效果
excel会在新的工作表里面输出回归分析的相关结果，比如相关系数R^2，标准误差，在X-variable和Intercept两项的值可以写出一元回归方程
在右侧就是我们的线性拟合图，观察拟合效果还不错
我们可以对图做一些修改，方便放到word文档里面，选中该图
在图表工具里面的图表布局中选择“布局3”，图标样式选择第一个黑白色
在新的图标样式里面多了很多网格线，实际我们并不是太需要，选中右击删除
是整个图标简洁一些
现在又这么一个问题，麻烦谁给我用matlab编写个拟合曲线的程序，让我的到拟合之后的公式
1、一元多项式回归：
(1)确定多项式系数的命令：[p,S]=polyfit(x,y,m)
说明：x=(x1,x2,…,xn),y=(y1,y2,…,yn)；p=(a1,a2,…,am+1)是多项式y=a1xm+a2xm-1+…+amx+am+1的系数；S是一个矩阵,用来估计预测误差.
(2)一元多项式回归命令：polytool(x,y,m)
2、预测和预测误差估计.
(1)Y=polyval(p,x)求polyfit所得的回归多项式在x处的预测值Y；
(2)[Y,DELTA]=polyconf(p,x,S,alpha)求polyfit所得的回归多项式在x处的预测值Y及预测值的显著性为1-alpha的置信区间Y±DELTA；alpha缺省时为0.5.
例1. 观测物体降落的距离s与时间t的关系,得到数据如下表,求s. (关于t的回归方程 )
t (s) 1/30 2/30 3/30 4/30 5/30 6/30 7/30
s (cm) 11.86 15.67 20.60 26.69 33.71 41.93 51.13
t (s) 8/30 9/30 10/30 11/30 12/30 13/30 14/30
s (cm) 61.49 72.90 85.44 99.08 113.77 129.54 146.48
解法一：直接作二次多项式回归.
t=1/30:1/30:14/30;
s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48];
[p,S]=polyfit(t,s,2)
得回归模型为：
解法二：化为多元线性回归.
t=1/30:1/30:14/30;
s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48];
T=[ones(14,1) t' (t.^2)'];
[b,bint,r,rint,stats]=regress(s',T);
b,stats
得回归模型为：
预测及作图：
Y=polyconf(p,t,S)
plot(t,s,'k+',t,Y,'r')
多元回归，你参考下吧
怎么分析二次多项式逐步回归分析
如果总体就只有这几个值，那么还有做一元二次抛物线回归的必要麽？就算做了，也不能说明和解释任何问题。 这个就像一元二次方程求解一样，设一个方程一元二次方程，然后将数据带入，求系数。如果有解，就说明这几个值就满足这个方程规律。