第8章回归分析预测.pptxVIP

经济统计与分析软件应用基础第8章 回归分析预测学习要点理解回归分析和相关性的概念掌握一元线性回归的分析方法掌握将非线性问题变换成线性问题，然后求解非线性回归的方法第8章 回归分析预测目 录8.1 基本概念8.2 一元线性回归8.3 多元线性回归（略）8.4 非线性回归8.1 基本概念 社会经济现象之间的相关关系往往难以用确定性的函数关系来描述，它们大多是随机性的，要通过统计观察才能找出其中规律。比如：广告的投入和销售额两者之间的关系。 管理决策通常是建立在两个或多个决策变量之间的依赖关系基础上的。对于这类情况，可以使用因果关系法来进行预测。8.1 基本概念因果关系法的特点：由若干变量的观测值来确定这些变量之间的依赖关系，从而由相关变量的未来值和寻找到的变量间的依赖关系来对某个变量进行预测。回归分析（Regression Analysis）是因果关系法的一个主要类别，是一种统计学上分析数据的方法，主要是希望探讨数据之间是否有一种特定关系。8.1 基本概念【例1】某快餐店的主要客户群是在校大学生。为研究各店铺销售额与附近地区大学生人数之间的关系，随机抽取了10个分店的样本（见表）。根据这些数据建立回归模型，根据回归模型预测一个区内大学生人数为1.8万的店铺的季度销售额。 方法目的因变量自变量8.1 基本概念自变量 在相互联系的现象之间存在着一定的因果关系，这时把其中起着影响作用的现象具体化，通过一定的变量反应出来，这样的变量称作自变量。因变量 由于受到自变量变动的影响而发生变动的变量称作因变量。8.1 基本概念回归分析按照涉及自变量的多少，可分为一元回归分析和多元回归分析。如果在回归分析中，只包含一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。8.1 基本概念回归分析的方法： （1）确定变量 （2）建立预测模型 （3）求参数 （4）进行相关分析 （5）计算预测误差 （6）确定预测值8.1 基本概念Excel中可用以下方法进行回归分析问题求解：图表分析： 通过建立散点图，然后添加趋势线。使用回归函数： （麻烦） 提供9个函数用于建立回归模型和预测。利用规划求解工具使用回归分析工具（线性）规划求解工具是最有效和最方便的求解工具8.2 一元线性回归—模型P232最简单的一种情况：问题只涉及两个统计变量，即只有一个自变量和一个因变量的问题，且两个变量之间存在着线性相关关系。对于这样问题的回归分析称为一元线性回归。一元线性回归方程：其中： a为常数项（截距、位移项），可大于、小于或等于零。 b为回归系数（斜率），可大于或小于零，但不能等于零。8.2 一元线性回归—模型条件如果满足以下条件，则可以建立一元线性回归模型： ?只研究两个变量x、y之间的关系； ?根据有关经济理论，x、y 之间存在相关或因果关系； ?x、y 之间关系的散点图近似为一条直线； ?建模的目的为得到x对y的边际值，进行结构分析或预测。8.2 一元线性回归—模型检验建立了回归模型，或者说找到了一条回归线以后，还需要判断：这条回归线是否能够解释因变量Y的变化？检验：1.回归系数的显著性检验——t统计量2.回归方程的显著性检验——F统计量3.判定系数R28.2 一元线性回归—模型检验（1）回归系数的显著性检验——t统计量用来确定因变量和每个自变量之间是否存在显著的关系。（2）回归方程的显著性检验——F统计量用来确定自变量的全体与因变量之间的关系是否显著。8.2 一元线性回归—模型检验（3）判定系数R2 可以通过判定系数R2来判断回归方程的拟合优度。通常认为： ?当判定系数大于0.9时，所得到的回归直线拟合得较好。 ?当判定系数小于0.5时，所得到的回归直线很难说明变量之间的依赖关系。8.2 一元线性回归—模型检验判定系数R2在Excel中有一个专门用于计算一元线性回归判定系数的RSQ函数。语法： RSQ( known_y , known_x )说明：known_y 因变量各观测值所在的单元格区域known_x 自变量各观测值所在的单元格区域8.2 一元线性回归—步骤与方法第一步：获取自变量和因变量的观测值。第二步： 绘制观测值X、Y散点图（自变量为X轴、因变量为Y轴）。第三步：初步判断自变量与因变量间的函数关系，写出带未知参数的回归方程。第四步：用均方差最小原则，确定回归方程中的参数的数值，从而得到回归方程。8.2 一元线性回归——步骤与方法第五步：判断回归方程的拟合优度。第六步：用所得到的回归方程和给定的自变量值计算因变量的预测值，或者反过来，对于因变量的目标值，利用回归方程求自变量的值。8.2 一元线性回归【例8-1】某快餐店的主要客户群是在校大学生。为研究各店铺销售额与附近地区大学生人数之间的关系，随机抽取了10个分