回归分析预测法指南.pdfVIP

回归分析预测法 从本章起将讨论定量预测技术 第三章的基本思路来源于数学分析 中数理统计的回归分析方法，将因素之 间的规律（利用已知统计资料）设为按 一定数学模型变化的运动轨迹，并假定： 未来的变化仍然是在已知的条件下 进行，运动轨迹将不会发生畸变。 第一节 回归分析的基本概念 一.基本概念 1.回归分析的来由： 20世纪初，英统计学家F.Golden 研究父子身高的 遗传统计，高个子父母下一代比父亲更高的概率小于 比他矮的概率，而矮个子父亲下一代比父亲高的概率 大于比他矮的概率；且这两种高度父辈的后代，高度 有向两种父辈平均身高靠拢的趋势，这种现象称为 “回归”——是一种自然界现象规律的提取。 2. 回归分析 研究变量之间的互相关系，把其中一些因素作为 控制的变量，而把另一些随机变量作为因变量，利用 适当的数学模型尽可能趋向于趋势变化的均值描述它 们的关系的分析，称为回归分析。 即假定y 与x 相关，应有 y = f ( x ) 若 x1,x2, ‥‥‥xn个变量影响y，应有 y = f (x1,x2, ‥‥‥xn) 显然，有一些问题必须解决 ①因素分析 现代社会中，任何一件事物与多个因素相关，如 何选取主要因素，忽略次要因素，使建立的数学模型 不因变量太多而复杂，又能较好的抓住主要矛盾。 解决方法是求相关系数R ②运动轨迹的模型 主要利用已知统计数据在图上打点进行观察分析， 寻求一条最佳线路。采用最小二乘法，即在满足该条 2 线路的模拟值与真值总平方误差∑ei 为最小的条件下， 来求出模拟数学模型各参数。（为Gauss--Markov最佳 线性与无偏估计量 ） ③相关性检验 目的是鉴别所求出的模型是否可靠， 方法：利用相关性检验准则进行检验 ④精确度：即讨论在一定置信度条件下的 置信区间 ⑤预测 ：前面的问题已解决，数学模型已 经建立且可靠, 精度问题也已解决，利用延续 性原则代入需预测的数据，并求出结果。 二.方法分类 线性 线性 一元 多元 非线性 非线性 第二节 一元线性回归预测 一.回归方程的建立 假定需预测的目标为 y，与之对应的因素x ，随 机抽样，子样数为n ，通过图上打点作粗略估计已知 的一组对应数据，初步定为线性关系，同时再考虑到 随机因素，应有: yi = a + b xi + ei 不考虑随机因素，应有: ∧ yi = a + b xi i = 1,2,n (2) 代（2 ）入（1），求得随机项 ∧ ei = yi – yi = yi – ( a + bxi ) （3 ） ei 称为残 差 y ˆ 这表示，真值与模拟直线y = a + bx之间存 在实际误差ei，累积平方误差为Q = ∑ei 2,称 残差平方和，又称剩余平方和。 反之，我们已知的是实际数据（xi，yi ）， 从可能的无穷条模拟直线中选取某一条直线， 使之模拟得最好，标准为Q = ∑e2i最小。 由（3 ） Q （a,b ）= ∑ei2 = ∑(yi