修正的时间序列回归法.pptVIP

修正的时间序列回归法 [概要]将自变量与因变量之间的相关关系用回归方程的形式来表示，并根据自变量的数值变化预测因变量数值变化的方法。 回归方程：y=a+bx. 其中，y为预测值 x为自变量 a为纵轴截距 b为直线斜率 [用途]趋势预测 修正的时间序列回归法 公式： Y=a + bX 其中，x是预测期数 核心问题：如何计算得出a 与b ，见右方的公式。 修正的时间序列回归法 修正的时间序列回归法 修正的时间序列回归法 * * 10 5 0 65.2 合计（n=5） 4 28 2 14 19*5 1 13.5 1 13.5 19*4 0 0 0 13.2 19*3 1 -12.5 -1 12.5 19*2 4 -24 -2 12 19*1 xx xy 时间x 销售量y 年份 销售量时间回归之散点图 0.603938261 0.396061739 0.603938261 0.396061739 0.000605303 150.032659863 0.5 X Variable 1 13.1869909 12.8930091 13.1869909 12.8930091 9.79956E-08 282.3242816 0.046188022 13.04 Intercept 上限 95.0% 下限 95.0% Upper 95% Lower 95% P-value t Stat 标准误差 Coefficients 　 　 　 　 2.532 4 总计 5 观测值 0.010666667 0.032 3 残差 0.103279556 标准误差 0.000605303 234.375 2.5 2.5 1 回归分析 0.983149026 Adjusted R Square Significance F F MS SS df 　 0.987361769 R Square 方差分析 0.993660792 Multiple R 回归统计 SUMMARY OUTPUT 回归分析 0.603938261 0.396061739 0.603938261 0.396061739 0.000605303 150.032659863 0.5 X Variable 1 -776.3109935 -1190.609006 -776.3109935 -1190.609006 0.000629447 -15.1089725 65-983.46 Intercept 上限 95.0% 下限 95.0% Upper 95% Lower 95% P-value t Stat 标准误差 Coefficients 　 　 　 　 2.532 4 总计 5 观测值 0.010666667 0.032 3 残差 0.103279556 标准误差 0.000605303 234.375 2.5 2.5 1 回归分析 0.983149026 Adjusted R Square Significance F F MS SS df 　 0.987361769 R Square 方差分析 0.993660792 Multiple R 回归统计 SUMMARY OUTPUT 回归分析 28 12.3 0 80.2 合计（n=6） 9 45 3 15 19*6 4 28 2 14 19*5 1 13.5 1 13.5 19*4 1 -13.2 -1 13.2 19*3 4 -25 -2 12.5 19*2 9 -36 -3 12 19*1 xx xy x 销售量y 年份 当n为偶数的情况 Sheet3 Sheet2 Sheet4 Sheet5 Sheet1 Chart2 年份 x xy xx 合计（n=5） 销售量y 时间x 时间x 时间 x a= b y 销售量y 12.00 1991.00 12.50 1992.00 13.20 1993.00 13.50 1994.00 14.00 1995.00 x x 销售量y 12.00 -2.00 12.50 -1.00 13.20 .00 13.50 1.00 14.00 2.00 x 时间 x 销售量y -2.00 12.00 -1.00 12.50 .00 13.20 1.00 13.50 2.00 14.00 销售量y 销售量y 时间 销售量 销售量时间散点图 时间x 销售量y 1991.00 12.00 1992.00 12.50 1993.00 13.20 1994.00 13.50 1995.00 14.00 销售量y 销售量时间散点图 销售量y 销售量y 销售量y 时间 销售量 销售量时间散点图 年份 销售量y 时间x 1991.00 12