案例回归分析自我相关的问题Ex17.doc

案例: 迴歸分析自我相關的問題 新奇公司行銷理想要知道的該公司的週銷售額是否受到主要競爭廠商的影響，它蒐集了50週的銷售額，進行統計分析。SPSS的報表如下。 1. 相關分析 公司與競爭廠商的週銷售額之相關係數=0.252，檢定的 p-值=0.077 0.05，顯示兩者的關連並不顯著。 相關 公司 競爭者 公司 Pearson 相關 1 .252 顯著性 (雙尾) .077 個數 50 50 競爭者 Pearson 相關 .252 1 顯著性 (雙尾) .077 個數 50 50 2. 迴歸分析一 公司週銷售額為應變數，競爭廠商的週銷售額為自變數，做線性迴歸分析發現，估計的迴歸方程式為: 公司週銷售額=1741.635+0.891*競爭廠商的週銷售額 估計的迴歸係數β=0.891，檢定的 p-值=0.077 0.05，β值不顯著，顯示公司週銷售額受競爭廠商週銷售額的影響不大。R 平方值=0.064亦顯示兩者關連性不高。 報表上Durbin-Watson 檢定值=0.658顯然比2小很多，表示資料恐有自我相關而呈現不互為獨立的情形。將上述迴歸分析的學生化殘差對時間作散佈圖如下，散佈圖顯示學生化殘差與時間的線性關係相當明顯，表示資料有自我相關狀況。因此把時間序列當成另一新增自變數，重做迴歸分析於下。 模式摘要(b) 模式 R R 平方 調過後的 R 平方 估計的標準誤 Durbin-Watson 檢定 1 .252(a) .064 .044 653.550 .658 a 預測變數：(常數), 競爭者 b 依變數：公司 變異數分析(b) 模式 平方和 自由度 平均平方和 F 檢定 顯著性 1 迴歸 1393756.922 1 1393756.922 3.263 .077(a) 殘差858 48 427127.685 總和780 49 a 預測變數：(常數), 競爭者 b 依變數：公司 係數(a) 模式 未標準化係數 標準化係數 t 顯著性 B 之估計值 標準誤 Beta 分配 1 (常數) 1741.653 581.444 2.995 .004 競爭者 .891 .493 .252 1.806 .077 a 依變數：公司 3. 迴歸分析二 加入時間序列為新增自變數，重做迴歸分析所得估計的迴歸方程式為: 公司週銷售額=331.511+1.294*競爭廠商的週銷售額+36.926*時間 估計的迴歸係數β1=1.294，檢定的t-值=4.532， p-值=0.000 0.05，顯示公司週銷售額受競爭廠商週銷售額的影響非常顯著。公司週銷售額受時間序列的影響，因迴歸係數β2=36.926，檢定的t-值=9.962， p-值=0.000 0.05，顯示公司週銷售額受時間序列的影響亦非常顯著。 R 平方值=0.699亦顯示競爭廠商的週銷售額與時間序列兩者影響公司週銷售額的關連性相當高。 報表上Durbin-Watson 檢定值=2.006幾乎等於2，表示資料沒有自我相關的疑慮。 係數(a) 模式 未標準化係數 標準化係數 t 顯著性 共線性統計量 B 之估計值 標準誤 Beta 分配 允差 VIF 1 (常數) 331.511 361.947 .916 .364 競爭者 1.294 .286 .366 4.532 .000 .980 1.020 時間 36.926 3.707 .805 9.962 .000 .980 1.020 a 依變數：公司 模式摘要(b) 模式 R R 平方 調過後的 R 平方 估計的標準誤 Durbin-Watson 檢定 1 .836(a) .699 .686 374.430 2.006 a 預測變數：(常數), 時間, 競爭者 b 依變數：公司 變異數分析(b) 模式 平方和 自由度 平均平方和 F 檢定 顯著性 1 迴歸114 2 7653300.557 54.589 .000(a) 殘差 6589284.666 47 140197.546 總和780 49 a 預測變數：(常數), 時間, 競爭者 b 依變數：公司 4. 結論 以上案例顯示，迴歸分析時，應注意資料是否互為獨立。資料如果自我相關(可利用Durbin-Watson 檢定檢查) 顯著，卻被忽略，可能配適的迴歸模型不正確，而產生誤導的結論。資料如果呈現自我相關，加入時間序列當成另一新增自變數，重做迴歸分析，是較簡易的處理方式。