企业财务预警(3-上).ppt

第三章 财务预警的模型与方法(上) 第三章 财务预警的模型与方法(上) 第一节 一元线性回归 第二节 多元线性回归 第一节 一元线性回归 一. 一元线性回归模型 二. 参数的最小二乘估计 三. 回归方程的显著性检验 四. 预测及应用 什么是回归分析？（内容） 从一组样本数据出发，确定变量之间的数学关系式； 对这些关系式的可信程度，进行各种统计检验，并从影响某一特定变量的诸多变量中，找出哪些变量的影响显著，哪些不显著； 利用所求的关系式，根据一个或几个变量的取值，来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。 回归分析与相关分析的区别 相关分析中，变量 x 变量 y 处于平等的地位；回归分析中，变量 y 称为因变量，处在被解释的地位，x 称为自变量，用于预测因变量的变化； 相关分析中所涉及的变量 x 和 y 都是随机变量；回归分析中，因变量 y 是随机变量，自变量 x 可以是随机变量，也可以是非随机的确定变量； 相关分析主要是描述两个变量之间线性关系的密切程度；回归分析不仅可以揭示变量 x 对变量 y 的影响大小，还可以由回归方程进行预测和控制 。 回归模型的类型 回 归 模 型 1 . 回答“变量之间是什么样的关系？” 2 . 方程中运用 1 个数字的因变量(响应变量) 被预测的变量 1 个或多个数字的或分类的自变量 (解释变量) 用于预测的变量 3. 主要用于预测和估计。 一元线性回归模型（概念要点） 当只涉及一个自变量时称为一元回归，若因变量 y 与自变量 x 之间为线性关系时，称为一元线性回归； 对于具有线性关系的两个变量，可以用一元线性方程来表示它们之间的关系； 描述因变量 y 如何依赖于自变量 x 和误差项? 的方程，称为回归模型。 一元线性回归模型（概念要点） ? 对于只涉及一个自变量的简单线性回归模型可表示为 y = b0 + b1 x + e 模型中，y 是 x 的线性函数(部分)加上误差项； 线性部分反映了由于 x 的变化而引起的 y 的变化； 误差项 ? 是随机变量 反映了除 x 和 y 之间的线性关系之外的随机因素对 y 的影响； 是不能由 x 和 y 之间的线性关系所解释的变异性。 ?0 和 ?1 称为模型的参数。 一元线性回归模型（基本假定） 误差项ε是一个期望值为0的随机变量，即E(ε)=0。对于一个给定的 x 值，y 的期望值为 E ( y ) =? 0+ ? 1 x ； 对于所有的 x 值，ε的方差σ2 都相同； 误差项ε是一个服从正态分布的随机变量，且相互独立。即ε~N( 0 ,σ2 ) ； 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关； 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关。 回归方程（概念要点） 描述 y 的平均值或期望值，如何依赖于 x 的方程，称为回归方程； 简单线性回归方程的形式如下 E( y ) = ?0+ ?1 x 估计(经验)的回归方程 最小二乘法（概念要点） 最小二乘法（图示） 最小二乘法（ 和 的计算公式） 估计方程的求法（实例） 【例】根据例1中的数据，拟合人均消费金额对人均国民收入的回归方程。 根据 和 的求解公式得 估计(经验)方程 人均消费金额对人均国民收入的回归方程为 估计方程的求法（Excel的输出结果） 离差平方和的分解 因变量 y 的取值是不同的，y 取值的这种波动称为变差。变差来源于两个方面 由于自变量 x 的取值不同造成的；