Excel TREND 函数
最后修改于 2025 年 4 月 4 日
TREND 函数是 Excel 中一个强大的统计工具，它基于线性回归计算预测值。它将一条直线拟合到已知数据点，并沿着这条线返回数值。本教程将通过详细的示例提供使用 TREND 函数的全面指南。您将学习基本语法、实际应用和高级技术，以掌握此预测函数。
TREND 函数基础
TREND 函数执行线性回归分析，以基于现有数据预测未来值。它使用最小二乘法来查找穿过已知数据点的最佳拟合线。该语法支持简单和复杂的预测场景。
| 组成部分 | 描述 |
|---|---|
| 函数名称 | TREND |
| 语法 | =TREND(known_y's, [known_x's], [new_x's], [const]) |
| 参数 | known_y's (必需)，其他为可选 |
| 返回值 | 预测 y 值的数组 |
此表分解了 TREND 函数的基本组成部分。它显示了函数名称、语法格式、参数要求和返回值特性。
基本 TREND 示例
此示例演示了 TREND 函数的最简单用法，包含基本线性数据集。我们将根据已知的 x 和 y 值预测未来值。
| A (known_x) | B (known_y) | C (new_x) | D (predicted_y) |
|---|---|---|---|
| 1 | 3 | 6 | =TREND(B1:B5, A1:A5, C1) |
| 2 | 5 | 7 | =TREND(B1:B5, A1:A5, C2) |
| 3 | 7 | 8 | =TREND(B1:B5, A1:A5, C3) |
| 4 | 9 | ||
| 5 | 11 |
=TREND(B1:B5, A1:A5, C1)
此公式根据已知数据中的线性关系预测 x=6 的 y 值。对于 x 值 (A1:A5) 的每个增量，已知 y 值 (B1:B5) 增加 2。x=6 的预测 y 值将是 13。
具有多个预测的 TREND
当提供多个新的 x 值时，TREND 可以一次返回多个预测。此示例显示了如何同时预测多个未来值。
| A (known_x) | B (known_y) | C (new_x) | D (predicted_y) |
|---|---|---|---|
| 1 | 100 | 6 | {=TREND(B1:B5, A1:A5, C1:C3)} |
| 2 | 150 | 7 | |
| 3 | 200 | 8 | |
| 4 | 250 | ||
| 5 | 300 |
=TREND(B1:B5, A1:A5, C1:C3)
此数组公式（在旧版 Excel 中通过 Ctrl+Shift+Enter 输入）预测 x=6、7、8 的 y 值。已知数据显示 x 每增加一个，y 增加 50。预测值将分别为 350、400 和 450。
强制零截距的 TREND
TREND 函数的可选 [const] 参数允许您强制回归线通过零。此示例演示了将截距设置为零。
| A (known_x) | B (known_y) | C (new_x) | D (predicted_y) |
|---|---|---|---|
| 1 | 2 | 5 | =TREND(B1:B5, A1:A5, C1, FALSE) |
| 2 | 4 | 6 | =TREND(B1:B5, A1:A5, C2, FALSE) |
| 3 | 6 | ||
| 4 | 8 | ||
| 5 | 10 |
=TREND(B1:B5, A1:A5, C1, FALSE)
此公式强制回归线通过原点 (0,0)。对于 x=5，预测值将正好是 10 (2*5)，而不是像计算截距时那样稍作调整。当零输入必须产生零输出时，这很有用。
时间序列数据的 TREND
TREND 可很好地处理时间序列数据，其中 x 值代表时间段。此示例显示了基于月度数据的销售预测。
| A (月份) | B (销售额) | C (未来月份) | D (预测) |
|---|---|---|---|
| 1 | 12000 | 13 | =TREND(B1:B12, A1:A12, C1) |
| 2 | 12500 | 14 | =TREND(B1:B12, A1:A12, C2) |
| 3 | 13000 | 15 | =TREND(B1:B12, A1:A12, C3) |
| ... | ... | ||
| 12 | 17000 |
=TREND(B1:B12, A1:A12, C1)
此公式基于 1-12 月份的线性趋势预测第 13 个月的销售额。随着销售额的增长，预测将继续这一上升趋势。可以对第 14 个月和第 15 个月进行类似的预测。
多元回归的 TREND
当提供多个 x 变量时，TREND 可以执行多元回归。此高级示例基于两个自变量进行预测。
| A (x1) | B (x2) | C (y) | D (new_x1) | E (new_x2) | F (预测) |
|---|---|---|---|---|---|
| 10 | 5 | 100 | 15 | 8 | =TREND(C1:C5, A1:B5, D1:E1) |
| 12 | 6 | 120 | 18 | 9 | =TREND(C1:C5, A1:B5, D2:E2) |
| 14 | 7 | 140 | |||
| 16 | 8 | 160 | |||
| 18 | 9 | 180 |
=TREND(C1:C5, A1:B5, D1:E1)
此高级公式根据两个 x 变量（A 列和 B 列）预测 y。对于新值 x1=15 和 x2=8，它会计算预测的 y，同时考虑这两个变量与已知数据中 y 的关系。
TREND 函数对于 Excel 中的线性预测至关重要。从简单的预测到复杂的多元回归，TREND 提供了强大的分析功能。掌握其各种应用将极大地提高您数据分析技能。请记住，TREND 假设存在线性关系 - 在依赖其预测之前，请验证此假设。
作者
列出 所有 Excel 公式。