第11章 回归预测分析法.pptVIP

第十一章??回归预测分析法 谢 谢！ * * 第一节 一元线性普通回归预测法 一、一元线性回归预测步骤 （一）全面分析影响预测对象的相关因素，确定自变量 1、首先对所有影响因素进行分析 2、比较相关因素，找出最主要的影响因素 （1）散点图法 第一节 一元线性普通回归预测法 （2）相关系数分析法:对每个影响因素逐一进行计算、比较分析。 ——自变量与平均值的离差平方和 ——应变量与平均值的离差平均和 上式可简化为 比较各 ，选择 最大的为自变量。 第一节 一元线性普通回归预测法 X与Y强相关——作为自变量，可在其中进行选择 X与Y相关 X与Y弱相关 X与Y不相关 （3）经验数据分析法 3、作为自变量应满足两个条件： ①数据资料完备 ②具有先期预测资料 第一节 一元线性普通回归预测法 （二）选择回归预测模型，确定模型参数。 1、回归预测模型确定 ①曲线比较分析法：与标准曲线比较 ②误差比较分析法 式中，x为非均匀分布，故 因此不能用简化公式 。 2、参数的确定：一元线与非线性模型，均可采用变量代换，转化为线性模型， 故参数确定可采用最小二乘法，参数计算公式如下： 第一节 一元线性普通回归预测法 （四）检验预测模型和预测结果的可靠性程度 方法一：定量统计检验：采用统计方法进行检验， 参见书上第十一章。 方法二：定性检验：经验判断法 。 （三）实际预测 把自变量的先期预测值 代入预测模型中， 得到对应的 值即为预测结果。 第一节 一元线性普通回归预测法 二、应用举例 例：某五金公司历年的销售总额与供应地区的工业产值资料如表所示，并预计2004年该地区工业产值达60.7亿元，试用一元线性回归预测2004年该公司的销售总额。 解：①首先列计算表（见表10—1） 第一节 一元线性普通回归预测法 13556.3 5623.37 321.8 130.9 ∑ 2937.64 1333.32 54.2 24.6 2003 2460.16 1091.2 49.6 22 2002 2070.25 887.25 45.5 19.7 2001 1764 735 42 17.5 2000 1444 570 38 15 1999 1190.25 448.5 34.5 13 1998 961 328.6 31 10.6 1997 729 229.5 27 8.5 1996 产值 （亿元） 销售额 （百万元） 年份 表10—1 一元线性普通回归模型参数计算表 第一节 一元线性普通回归预测法 ②计算参数： 预测模型为： （百万元） ③预测：2004年 = 60.7亿元 第二节 一元线性自回归预测法 引言，普遍一元线性普通回归预测对数据要求较高，要求： 已知：① ② 为自变量的先期预测值。 而实际应用中 ，尤其是 获得很困难。 如何才能既适用回归预测的方法，又对数据在的要求不太高， 以至于在更多的场合能应用，人们提出一元线性自回归预测方法，即设 ，则预测模型： 其它与普遍一元线性回归完全相同 第二节 一元线性自回归预测法 例：数据同表8—1 2004.75 1756.95 106.3 122.4 ∑ 541.2 484 22 24.6 2003 433.4 388.09 19.7 22 2002 344.75 306.25 17.5 19.7 2001 262.5 225 15 17.5 2000 195 169 13 15 1999 137.8 112.36 10.6 13 1998 90.1 72.25 8.5 10.6 1997 8.5 1996 销售额 （百万元） 年份 表10—2 一元线性自回归预测模型参数计算表 第二节 一元线性自回归预测法 预测模型： （百万元） ②计算参数： ③预测：2004年 = 24.60万元 第三节 一元线性加权回归预测分析法 1、一元线性普通回归 矩阵形式方程组： 2、直接用矩阵形式求参数 写成矩阵 求a,b 设 近似在直线方程上 ………… ………… 第三节 一元线性加权回归预测分析法 第三节 一元线性加权回归预测分析法 两边同乘以 说明两种方法求解公式等价。 第三节 一元线性加权回归预测分析法 3、在矩阵求解公式中，可以看出对每个历史数据同等对待， 对于加权回归，给以不同时期的历史数据以不同权数 且： 分别对不同期历史数据以不同权数 第三节 一元线性加权回归预测分析法