想知道Excel怎么做数据分析图吗？其实第一步很关键哦，得先挑选出成对的数据列，接着把它们用“X、Y散点图”做成散点图呢。

　　做好散点图后，在数据点上右键单击，这时候会弹出菜单，选择“添加趋势线”里的“线性”选项，然后在选项标签里要求给出公式和相关系数，这样就能得到拟合的直线啦。

　　从图中能看到，拟合出来的直线是y=15620x+6606.1，R2的值达到了0.9994呢。

　　因为R2大于0.99，所以这个实验模型线性特征特别明显，也就是说拟合直线能以超过99.99%的程度解释实测数据，具有很好的一般性，完全可以当作标准工作曲线去测量其他未知浓度的溶液哦。

　　为了能用更多指标描述这个模型，我们可以用数据分析里的“回归”工具来详细分析这组数据。

　　这时候选项卡里的内容明显详细多啦，不过要注意选择X、Y对应的数据列哦。“常数为零”指的是这个模型是严格的正比例模型，这个例子确实是这样，因为浓度为零时峰面积肯定为零嘛。之前得出的回归方程虽然拟合程度很高，但在x=0时还有数值，这显然是个可笑的结论，所以我们选择“常数为零”。“回归”工具会提供三张图，分别是残差图、线性拟合图和正态概率图，咱们重点看残差图和线性拟合图。

　　在线性拟合图中，不仅有按要求生成的数据点，还有经过拟合处理的预测数据点，拟合直线的参数会在数据表格里详细显示。这个实例就是想提供更多信息抛砖引玉，不过因为涉及太多专业术语，各位读者在实际使用时得根据情况参考各项参数，这里就不详细解释更多细节啦。残差图是关于实测值与预测值差距的图表，如果残差图里的散点在中轴上下两侧零乱分布，那就说明拟合直线是合理的，不然就需要重新处理咯。

　　更多信息在生成的表格里，详细的参数项目完全能满足回归分析的各项要求。下面这张图提供的是拟合直线在回归分析中的方差、标准差等各项信息。