体育科研常见统计误用(四)进行预测分析时的问题.pdfVIP

体育科研 加创年第器.策4期 Sport Science Research 今 体育科研常见统计误用 (四) — 进行预测分析时的问题 刘 炜 中图分类号:G80-32 文献标识码:A 文章编号:1006-1207(2004)03-0057-02 1仅用相对饭狡反映翻口效果 与因变量间的关系，二是建立回归方程用于预测 (即估计 1.1现象 因变量的值)。当我们要用回归方程来进行预测时，不仅 例如，用时间序列分析的方法，预测某届奥运会若干 要对回归模型进行统计检验，还要考察预测精度。 项目的第一名成绩，然后用相对误差反映预测效果，认为 回归方程的预测精度一般可用剩余标准差S，来反映·SY 相对误差在5%以内是误差较小的。 也称为残差的标准误、估计的标准误等。S是剩余均方的算 术平方根，在SAS/STAT的输出结果中用 “RootMSE”表示， 1.2分析 在SPSS的输出结果中用 “Std.ErroroftheEstimate”表 预测效果的衡量，不仅要考察预测的相对误差，还要 示。假如知道了一个对象的各自变量的值，但其因变量真正 联系预测指标通常的变化幅度。变化幅度大的指标，这一 百分比可以大些，变化幅度小的指标，这一百分比则应小 的值Y。未知，则可根据回归方程计算出Y。的估计值Yo，当 些。所以，归根到底，一个预测的效果，还是要放到实 样本较大时，Y。的百分之100X(1一“)置信区间近似地为 际问题中去衡量。 (乡o-to.，一卜，:，，;.*，。，一卜.:，)，其中t。一k一，是自由度为n-k-1 的t分布的分位数 (双尾面积为a).n为样本含量，k为自变 “相对误差在5%以内是较好的”这一标准，在商业领域 量个数。当取a=0.05，自由度达到20以上时，该分位数在 的销售量预测中是适用的。但是，在体育比赛的最好成绩预 测中，由于指标的变化幅度本身通常较小，所以常常并不适 2.08至1.96之间，所以我们也常用(yo+2s,,y。一2s,,)作为 用。例如，我们预测下一届奥运会男子loom跑第一名的成绩， Y。的95%置信区间的一个直观估计·Sr越大，这一置信区间 的长度就越长，预侧精度越差。一个回归方程对于预测是否 不用作任何统计分析，给出，los这样一个预测值，则实际 有意义，通常可看这一长度的区间对预测是否有意义.所以 成绩在9.53s至10.52s之间的话，相对误差都不超过5%。显 然，下一届奥运会男子loom跑第一名的真正成绩是不会超出 对用于预测的回归方程，应提供Sr，以便让读者直观地判断 预测精度。 这一范围的，也即 “los”这样一个预侧值的相对误差是不会 在有些场合，回归方程的方差分析F一检验具有显著性， 超过5%的。但这是不是一个好的预测呢，显然不是。但若我 们要预测明年全国人民的体育直接消费总额，若相对误差为 复相关系数也不小，但S，太大，这时我们