专题四：数据预测总结.ppt

本章小结 求回归系数、判定系数 规划求解 内建函数 回归分析报告 添加趋势线 Excel内建函数 INTERCEPT()，SLOPE() LINEST() RSQ() SUMXMY2() 第五章 结束 * * 一、回归分析方法概述 2.自变量与因变量的相关关系 一、回归分析方法概述 3. 一元线性回归的拟合线方程 一、回归分析方法概述 4. 确定拟合方程系数值的最小二乘法 (原理：利用因变量估计值与观测值之间均方误差极小，来确定方程系数) 极小 在实际操作上，可运用Excel回归分析工具计算系数a和b 一、回归分析方法概述 5. 回归模型的检验 判定系数（R2）——用来判断回归方程的拟合优度 通常可以认为当R2大于0.9时，所得到的回归直线拟合得较好，而当R2小于0.5时，所得到的回归直线很难解释因变量的变化（很难说明变量之间的依赖关系）。 t 统计量（T-test）——用来判断单变量的解释能力 如果对于某个自变量，其t统计量的P值小于显著水平（或称置信度、置信水平），则可认为该自变量与因变量是相关的。 F 统计量（F-test）——用来判断回归方程的解释能力 如果F统计量的P值小于显著水平（或称置信度、置信水平），则可认为方程的回归效果显著。 一、回归分析方法概述 6. 回归预测的步骤 第一步，获取自变量和因变量的观测值 第二步，绘制XY散点图(单自变量？多自变量？) 第三步，写出带未知参数的回归方程 第四步，用最小MSE原则确定回归方程中参数值 第五步，判断回归方程的拟合优度R2 第六步，进行预测 实例：一元线性回归分析 【例5-1】一个餐饮连锁店，其主要客户群是在校大学生。为了研究各店铺销售额与店铺附近地区大学生人数之间的关系，随机抽取了十个分店的样本，得到的数据如下。试根据这些数据建立回归模型。然后再进一步根据回归方程预测一个区内大学生人数为1.6万的店铺的季度销售额。 XY散点图 二、一元线性回归分析 求回归系数a和b的方法： 规划求解 INTERCEPT()和SLOPE()函数 LINEST()函数 回归分析报告 散点图添加趋势线 求判定系数R2的方法： RSQ()函数 回归分析报告 趋势线 二、一元线性回归分析 【例5-2】试根据XXX公司在1996年7月4日至1998年5月8日期间各种商品的销售额数据建立线性回归模型，然后再进一步根据回归方程预测该公司1998年5月和6月的月销售额。 实例：一元线性回归分析 三、多元线性回归分析 多元线性回归模型的一般形式 多元线性回归预测步骤 第一步，获得候选自变量和因变量的观测值。 第二步，从候选自变量中选择合适的自变量。有几种常用的方法： 最优子集法 向前增选法、向后删减法 逐步回归法等 第三步，确定回归系数，判断回归方程的拟合优度R2 。 第四步，根据回归方程进行预测。 实例：多元线性回归分析 【例5-3】零售店将其连续15个月的库存资金情况、广告投入费用以及销售额等方面的数据作了一个汇总，这些数据显示在工作表单元格A1:D16。该店的管理人员试图根据这些数据找到销售额与其它二个变量之间的关系，以便进行销售额预测并为未来的预算工作提供参考。试根据这些数据建立回归模型。如果未来某月库存资金额为150万元，广告投入预算为45万元，试根据建立的回归模型预测该月的销售额。 实例数据：多元线性回归分析 年 库存资金X1（万元） 广告投入X2（万元） 销售额Y（万元） 1 275 24.5 1924 2 182 32.5 1402 3 376 38 2666 4 204 28.4 1572 5 85 23.5 802 6 267 37.8 2026 7 96 30.1 970 8 331 24.5 2305 9 196 21.4 1393 10 54 25.6 658 11 432 40.2 3021 12 373 44.3 2684 13 235 26.6 1738 14 156 20.9 1246 15 372 26.1 2534 三、回归分析报告:多元线性回归分析 以库存资金和广告为自变量的回归分析报告 实例2：多元线性回归分析 【例5-5】一零售店将其连续18个月的库存占用资金情况、广告投入的费用、员工薪酬以及销售额等方面的数据作了一个汇总，这些数据显示在工作表单元格A1:E20。试图根据这些数据找到销售额与其它三个变量之间的关系，试根据这些数据建立回归模型，以便进行销售额预测并为未来的预算工作提供参考。 如果未来某月库存资金额为150万元，广告投入预算为45万元，员工薪酬为27万元，试根据建立的回归模型预测该月的销售额。 实例数据：多元线性回归分析 年 库存资金X1（万元） 广