Excel202020 应用案例.docVIP

Excel2000 应用案例 - Excel2000 应用案例之三十二 首都经济贸易大学 赵丹亚 邵丽 8.2 回归分析预测法 在实际经济问题中，某一经济行为常受多因素的影响和制约。例如，商品的销售量与商品的价格、商品的质量以及消费者的收入水平等因素有关；又如果树的产量受施肥量、降雨量、气温等因素的影响。因此，要研究该经济行为就应从事物变化的因果关系出发，寻找它与其他因素之间的的内在联系，这就是因果关系分析法。在因果关系分析法中最常用的方法之一就是回归分析法。 回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法。 根据回归分析中所考虑因素的多少，可将回归分析分为一元回归分析和多元回归分析。例如，对于耐用消费品销售量与居民收入的相关关系的分析问题就属于一元回归分析；而对于粮食产量与施肥量、降雨量、气温的相关关系的分析问题就属于多元回归分析。一元回归分析实质上多元回归分析的一种特例。 根据回归模型是否是线性的，又可将回归分析分为线性回归分析和非线性回归分析。例如，若耐用消费品销售量与居民收入具有线性关系，则属于线性回归分析问题；若某商店的商品流通费用率与销售额具有曲线关系，则属于非线性回归分析问题。 本节先讨论多元线性回归法，然后再讨论非线性回归问题。 8.2.1 线性回归预测法 1. 多元线性回归模型 设所研究的对象 受多个因素 的影响，假定各个影响因素与 的关系是线性的，则可建立多元线性回归模型：  式中 代表影响因素，通常是可以控制或预先给定的，故称为解释变量或自变量； 代表各种随机因素对 的影响的总和，称为随机误差项，根据中心极限定理，可以认为它服从正态分布，即 ； 就是所研究的对象，即预测目标，称为被解释变量或因变量。 根据n组观测值  则有  写成矩阵形式  其中  利用最小二乘法可得回归系数向量 的估计值 为  故回归分析模型为 Excel2000 应用案例 - Excel2000 应用案例之三十三 首都经济贸易大学 赵丹亚 邵丽 2. 多元线性回归模型的检验 求出的回归模型是否合理，是否符合变量之间的客观规律性，引入所影响因素是否有效，变量之间是否存在线性相关关系，模型能否付诸应用，这要通过检验决定。一般讲，回归模型必须通过三方面的检验：经济意义检验、统计检验和计量经济学检验。只有当所有检验都通过时，所做的回归模型才成立。才能利用连贯性、相关性和类推性原则，根据过去和现在的规律预测未来。当然，还应从经济角度上分析模型的预测值是否合理？是否符合经济规律？是否可行等等？ ①经济意义检验 首先需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否合理，是否与根据人们的经验和经济理论所拟定的期望值相符合。如果不符，则要查找原因和采取必要的修正措施，重新建立模型。 ②统计检验 统计检验是运用数理统计的方法，对方程进行检验、对模型参数估计值的可靠性进行检验。这主要包括拟合优度检验、方程显著性检验、变量显著性检验，即常用的 检验、F检验和 检验。 拟合优度检验（ 检验）：检验所有解释变量与被解释变量之间的相关程度 拟合优度检验就是检验回归方程对样本观测值的拟合程度。常用的方法是 检验，又称为复相关系数检验法，它是通过对总变差（总离差） 的分解得到。  其中  总变差平方和 是各个观察值与样本均值之差的平方和，反映了全部数据之间的差异；残差平方和 是总变差平方和中未被回归方程解释的部分，由解释变量 中未包含的一切因素对被解释变量 的影响而造成的；回归平方和 是总变差平方和中由回归方程解释的部分。 显然，对于一个好的回归模型，它应该较好地拟合样本观测值， 中 越小越好。于是可以用：  对回归方程的拟合优度进行检验。如果所有样本观测值都位于回归方程上，即：  此时回归方程完全拟合了样本观测值， 等于1。当然，完全拟合的情况是不可能的， 不可能等于1，但毫无疑问， 越接近1，回归方程的拟合优度越高。 通常， 称为复可决系数，取值范围为0≤ ≤1，其平方根 称为复相关系数（当解释变量的个数为1时， 称为相关系数）。这里， 说明了在被解释变量 的总变差中，由一组解释变量 的变动所引起的百分比； 则描述了一组解释变量 与被解释变量 之间的线性相关程度。例如 =0.93，可以说 值的变化有93%因 的变化