管理企业会计4176650.pptVIP

月 份 产销量 （件） 总成本 （元） 7 8 9 10 11 12 125 100 140 155 198 200 75 000 82 500 88 000 90 500 95 500 95 000 根据资料确定的高低点坐标如下： 高点（200，95 000） 低点（100，82 500） 高点为什么不是（198，95 500） 或（200，95 500）？ 低点为什么不是（125，75 000） 或（100，75 000）？ b= = 125（元/件） 95 000 - 82 500 200 - 100 a = 82 500 – 125×100 = 70 000（元） y = a + bx = 70 000 + 125 x 尽管程序不同，但分析计算结果与分步分析程序的结果完全一致！ 有关指标的计算过程如下： 欢迎批评指正！ 谢谢各位！ 管 理 会 计 长春工程学院管理会计课程组 第二章 成本性态分析 第一节 成本及其分类 第二节 成本按其性态分类 第三节 成本性态分析的程序和方法 第四节 公式推导与案例分析 本章复习思考题 第四节 公式推导与案例分析 一元直线回归法的原理 一元直线回归法公式的推导 关于相关系数的解释 案例资料 高低点法的应用 0 x 业务量（件） y 成本（元） y=a+bx 一元直线回归法的原理——微分极值原理 从散布图法可以看出，我们总能设法找到一条尽可能通过所有坐标点，也就是所有误差最小的惟一直线y=a+bx 。 设ei为当业务量为xi时，实际值（又称观测值）yi与计算值（a+bxi）的误差，即 ei = yi – (a+bxi) 一元直线回归法公式推导 怎样判断一条直线方程就是我们所要找的所有误差最小的那条直线y=a+bx 呢？可以考虑的办法有三： 第一，判断所有误差的代数和是否最小。即： Σei =0 但由于误差有正有负，可能相互抵消，会存在无数满足上述条件的直线，因而无法据此作出最终判断。 一元直线回归法公式推导 0 x 业务量（件） y 成本（元） 所有误差的代数和是否最小示意图 满足Σei =0的条件 满足Σei =0的条件 第二，判断所有误差绝对值的合计是否最小。即：Σ│ei │ =0 但上式展开后，涉及到绝对数运算，非常麻烦： Σ│ei │ = ± e1±e2 ± e3 ±…± en-1 ± en 因而也无法据此作出判断。 一元直线回归法公式推导 第三，判断所有误差平方和是否最小。即：Σei2 =0 这种方法既排除了正负误差的符号问题，又避免了绝对值运算的麻烦。 因此，可以根据误差的平方和是否达到最小，来判断直线方程y=a+bx的总误差是否达到最小。 此法又称最小二乘法或最小平方法。 一元直线回归法公式推导 根据上述道理，回归直线法就是求能使Σei2 =0成立的回归系数a和b的值。 因为 ei = yi –(a+bxi) 所以 Σei2 = Σ[yi –(a+bxi)] 2 按照微分极值原理，令上式=0，并分别对a和b求偏导数，就可以求出能满足Σei2 达到极小值的a和b。 按照此法推导的a，b计算公式，称为公式法。 一元直线回归法公式推导 Σe2=Σ[y –(a+bx)] 2 = Σ[y 2–2 y (a+bx)+ (a+bx) 2 ] = Σ[y 2–2ay –2bxy+a2 +2abx+ b2x2 ] =Σy2–2aΣy–2bΣxy+na2+2abΣx+b2Σx2 令： Σy 2–2aΣy –2 bΣxy+na2 +2abΣx+ b2 Σx2=0 对上式求a的偏导数，得： –2Σy +2na +2bΣx=0 整理得 Σy =na +bΣ