市场调查与预测 樊智勇 第九章.pptVIP

尚辅网 尚辅网 尚辅网 利用一元线性回归分析进行预测的步骤 尚辅网 尚辅网 尚辅网 计算回归系数，求得样本回归方程 将表9-1中有关数据代入（9-5）式计算得： 由此得回归预测模型为： 尚辅网 检验线性关系的显著性 当显著性水平α=0.05，自由度=n-m=12-2时，查相关系数临界值表，得R0.05(10)=0.567,因R=0.98290.567=R0.05(10),故在显著性α=0.05的水平上，检验通过，说明两变量之间的相关关系显著。 尚辅网 计算估计标准误差 尚辅网 当显著性水平α=0.05，自由度=n-m=10时，查t分布表得：t0.05(10)=2.228。 当x0=249亿元时，代入回归模型得 的点估计值为： 预测区间为： 即：当2005年全省固定资产投资完成额为249亿元时，在α=0.05的显著性水平上，国内生产总值的预测区间为：648.4708～829.1744亿元。 尚辅网 利用EXCEL的数据分析功能 尚辅网 尚辅网 尚辅网 尚辅网 第三节 多元线性回归预测及应用 Company Logo 尚辅网 第三节 多元线性回归预测及应用 一、 多元线性回归模型 三、 点值预测与区间预测 二、 多元线性回归模型的检验 尚辅网 一、多元线性回归模型 设所研究的对象受多个因素x1，x2，x3…xm的影响，假定各个影响因素与y的关系是线性的，这时就需要建立多元线性回归模型： 若取xi的观察值恒等于1，即对任意i有xi 1=1，则： 其矩阵形式为： 整理得回归系数向量B的估计值为： 尚辅网 二、多元线性回归模型的检验 尚辅网 R检验 R检验是通过复相关系数检验一组变量x1，x2，x3…xm与因变量y之间的线性相关程度的方法，又称为复相关系数检验法。 与R2 之间的关系式： 可以看出： 当m＞1时， ＜ R2 。说明 中包含了自变量个数的影响，随着自变量x个数的增加， 总是小于R2。 尽管R2总是非负的，但 却可能为负。若遇到 为负数的情况， 取值为零。 尚辅网 F检验 F检验是通过F统计量检验假设H0: β1=β2=…=βm=0是否成立。 F统计量 若F＞Fα(m-1,n-m)，则否定假设H0，认为一组自变量x1，x2，x3…xm与因变量y之间的回归效果显著，反之，则不显著。 尚辅网 t检验 t检验则是通过t统计量对所求回归模型的每一个系数逐一进行检验假设H0: βj=0(j=1,2,…,m)是否成立的方法。 t统计量： 尚辅网 D-W检验 序列相关是指数列的前后期相关。 这里讲的前后相关，可以是指与前一期相关，也可以与前若干期都相关。 最常见的是时差为一期的序列相关，又称一阶相关。 回归模型假设随机误差项之间不存在相关或自相关，即εi、εj互不相关，COV(εi,εj)=0,i≠j。若回归模型不满足这一假设，则称回归模型存在自相关。 DW统计量为： 尚辅网 三、点值预测与区间预测 尚辅网 本章小结 回归分析是研究自变量与因变量之间关系的一种方法。其目的在于根据已知自变量来估计预测因变量的总平均值。 相关分析与回归分析是两个既有区别又有联系的概念。相关分析是研究两个或两个以上随机变量之间互相关系的密切程度，不表示它们的相关形式。回归分析是研究某因变量与一个或多个自变量之间的数量变动关系。二者的区别：相关分析研究的都是随机变量，并且不分自变量与因变量；回归分析研究的变量要确定自变量和因变量，并且自变量是确定的普通变量，因变量是随机变量。两者的联系：它们是研究现象之间互相依存关系的两个不可分割的方面。在实际工作中，一般先进行相关分析，由相关指数的大小决定是否需要进行回归分析。而在相关分析的基础上必须拟合回归模型，以便进行推算、预测。 根据自变量的多少，回归模型可分为一元回归模型和多元回归模型，根据回归模型是否线性可分为线性回归模型和非线性回归模型。根据回归模型是否用滞后的因变量作自变量可分为无自回归现象的回归模型和自回归模型。 尚辅网 复习思考题 什么是回归分析法？为什么说用因果分析法预测市场的趋势是必要的？ 一元线性回归与多元线性回归分析法在什么情况下使用？ 相关系数r的取值表明变量之间有什么关系？ 什么是F检验、t检验？为什么要进行F检验、t检验？如何进行F检验、t检验？ 如何计算标准误差？如何应用它进行区间估计？ 尚辅网 实验与实训 回归分析预测 某家用电器社会购买力与家庭人均货币收入资料表 年度 1985 1986 1987 1988 1989 1990 1991 1992 1993 购买力 8.5 11.1 13.6 15.8 17.6 20.5 27.8 33.5 39.2 人均货币收入 11.6 14.1 17.1 19.6 22.1 25.6 3