市场调查与预测第十七章回归分析预测.pptVIP

第十七章 回归分析预测 1、概述 2、一元线性回归 一、概述 1、变量间的关系 确定性关系——函数关系： Y与X之间存在确定的函数关系。 距离=速度*时间； 电流=电压/电阻； 银行存款年利率2%，存入本金X，到期本息Y=x(102%). 非确定性关系，但两者又有密切联系——相关关系、统计相关。 当自变量取确定值时，因变量值是不确定的。在社会经济生活中，存在大量的相关现象：孩子身高和父母身高的关系；施肥量和粮食产量；市场需求规模和市场价格的关系；航空运量和GDP的关系等等 无关系。 2、回归分析 回归分析是一种定量分析变量间相关关系的数理统计方法。 它可以提供表示变量之间相关关系的数学表达式（经验公式、回归方程）y=f(x) 处于被解释地位的变量y是“因变量”，处于解释地位的变量x是“自变量”。 可以判断所建立回归方程（经验公式）的有效性，判别它是否能够代表变量XY间的相关关系。 可以利用经验公式，根据自变量的取值对因变量进行预测；或者根据自变量的取值对因变量进行控制。如价格和销售量的关系。 可以知道预测或控制可达到的精确程度。 3、回归分析预测法 利用回归分析的理论和方法建立起回归方程进行预测的方法。 4、回归分析预测法的分类 按变量的多少可以分为： 一元回归分析：只涉及一个自变量、一个因变量 多元回归分析：涉及两个或两个以上自变量，一个因变量 按回归方程的类型可分为： 线性回归分析：因变量是自变量的一次函数 非线性回归分析 按回归方程的类型和变量多少综合分类： 一元线性回归分析——基础 一元非线性回归分析——要转化为一元线性回归分析 多元线性回归分析——和一元线性回归分析类似 多元非线性回归分析——要转化为多元线性回归分析???? 5、回归分析预测法的步骤 1）确定预测变量 2）确定影响预测变量的因素 3）收集整理预测变量及其影响因素的历史统计资料 4）分析因变量和自变量的关系，确定回归模型 经验确定 散点图分析确定 理论试算（计算拟和误差（预测误差）），选出拟和程度最好的模型 5）求解模型参数，建立回归方程 6）检验回归方程的有效性 7）利用检验通过的回归方程进行预测，并确定预测值的置信区间 r值与两变量之间的关系 r=1完全正相关 1r0正相关，越接近1，相关性越强。越接近0，相关性越弱 r=0不线性相关 0r-1负相关，越接近-1，相关性越强；越接近0，相关性越弱 r=-1完全负相关 3、参数的确定： 4、回归模型的显著性检验： 相关系数检验法： 1）、从样本计算相关系数r0 2）、根据回归模型的自由度n-2和给定的显著性水平a，从相关系数临界值表中查出临界值ra(n-2). 3）、若r0大于等于临界值，表明两个变量之间显著相关，回归模型有效。可依此预测。 方差分析法： 基本特点是把因变量的总变动平方和分为两部分， 一部分反映因变量的实际值与用回归方程计算出的理论值之差Q. 一部分反映理论值与实际值的平均值之差U. Y的总变差=Y的残余变差+Y的说明变差，SST=SSE+SSR 或：总离差平方和=剩余平方和(Q）+回归平方和（U） F检验：构造统计量F=（U/m-1）/［Q/（n-m）］ 其中：m为变量个数（总数）；n为样本数。 统计量F服从第一自由度为m-1、第二自由度为n-m的 F（m-1，n-m）分布。 F=r2/(1-r2)*(n-m)/(m-1) 判断规则： 对于给定的置信度α，从F分布表中查出Fα（m-1，n-m），把其与用样本计算出来的统计量F0比较： 若F0 〉Fα（m-1，n-m）成立，则认为回归方程在α水平上显著。反之则认为不显著，回归方程无意义，变量间不存在线性关系。 区间估计： 标准误差：S=sqrt((∑e^2)/(n-m)) 5、预测结果的可靠性检验 检验：采用统计方法进行检验， P311 p313 五、一元非线性回归分析预测法 思路： 与一元线性回归分析基本相同。即通过变量替换将非线性方程转化为线性方程；使用最小二乘法建立线性回归方程；在通过逆变换将线性方程转化为非线性方程。 六、多元回归分析 多元非线性回归分析——转换为多元线性回归分析。 多元线性回归分析——与一元线性回归分析基本相同，只是在自变量的选定上、求解回归方程及统计检验等方面比一元回归要复杂一些。 设多元线性回归模型为：y=b0+b1*x1+b2*x2+……+bm*xm 三、一元线性自回归预测法 引言，普遍一元线性普通回归预测对数据要求较高，要求： 已知：① ② 为自变量的先期预测值。 而实际应用中 ，尤其是 获得很困难。 如何才能既适用回归预测的方法，又对数据在的要求不太高， 以至于在更多的场合能应用，人们提出一元线性自回归预测方法，即设 ，则预测模型：