最小二乘法在商品销售预测中的应用.docx

最小二乘法在商品销售预测中的应用赵宝贵α岳苓水(石家庄经济学院基础部、科研处)摘要作为商品预测中的一种方法,本文介绍了最小二乘法的基本原理,并在一般和特殊两种情况下利用最小二乘法建立了回归线性预测模型。最后给出了利用最小二乘法进行商品预测的实例。关键词最小二乘法线性回归商品销售预测经济预测是进行经济决策的一个重要部分,预测的结果为制定经营决策和经营计划提供了依据。运用统计手段进行预测的方法有许多种,本文简要介绍最小二乘法在商品销售预测中的具体应用。一最小二乘法最小二乘法是由实验或调查的数据,建立线性型公式的一种常用方法。11一般线性回归中的最小二乘法在经济关系中,往往某一指标与多个因素有关,如果这种关系具备一定的线性相关性,就可用多元回归分析来处理,假设由观测得到一组数据:(x11,x12,,x1m)(x21,y1,,x2m)(xn1,,xnm)x22,y2,,,xn2,,yn(x11,(x12,xn1)xn2)令向量分别为:X1=X2=x21,x22,Xm=Y=如果向量组X1,(x1m,x2m,,yn)xnm)(y1,X2,y2,,,Xm与Y存在线性关系,得到n元线性预测公式(1)^Y=a0+a1X1+a2X2++amXmy1y2fiyn11x11x21x12x12x1mx2ma0a1fiam(2)其矩阵形式为=1xn1xn2xnmα收稿日期:1996-05-2957其中a0,a1,,am为待定常数,亦称回归系数。如何来确定a0,,am的值呢?对每组观测值(xi1,,xim)+amxim代入到(2)xi2,式就得到一个值:^(i=1,n)Yi=a0+a1xi1+a2xi2+2,,^Yi与yi间必然存在差异。^(a0+a1xi1++amxim)(i=1,n)令ei=yi-Yi=yi-2,,ei称为实测值与估计值的偏差。,am使每个偏差ei(i=1,n)因为离差(yi我们选择这样的a0,2,,都尽量小,^^有正有负,所以离差的代数和∑(yi-Yi)并不能反映总离差的大小,而∑|yi--Yi)^Yi|容易减弱大的离差作用,同时数学上处理起来也比较繁杂,所以通常采用使离差平方和∑e2最小。in即S=∑+amxim)]2最小(a0+a1xi1+(3)[yi-i=1这种使离差的平方和最小来确定系数的方法叫最小二乘法。显然,离差平方和S随a0,a1,,多元函数,由多元函数求极值方法有:nam的变化而取不同值,可把S视为a0,,am的aS=∑(a0+a1xi1+a2xi2++amxim)](-1)=02i=1yi-aa0naS=∑(a0+a1xi1+a2xi2++amxim)](-xi1)=02i=1yi-aa1naS=∑(a0+a1xi1+a2xi2+2i=1yi-+amxim)](-xim)=0aam整理得:nnnna0n+a1∑xi1+a2∑xi2++am∑xim=∑yii=1i=1i=1i=1nnnnna0∑xi1+a1∑x2+a2∑xi1xi2++am∑xi1xim=∑xi1yii1(4)i=1i=1i=1i=1i=1nnnnna0∑xim+a1∑ximxi1+a2∑ximxi2++am∑x2=∑ximyiimi=1i=1i=1i=1i=1,an求解,使得到公式(1)的待定常数值,将上述m+1个方程式联立起来就a0,a1,从而确定了多元线性预测公式。21一元线性回归中的最小二乘法a2,公式(1)中只有两个变量x,(x1,公式(1)就是y时,即观测的对象只与两个变量有关,其值为y1)(x2,y2)(xn,yn)^(5)Y=a0+a1X58?1994-2013ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.a0、a1的估计公式为:nn∑yi-a1∑xii=1i=1a0=nnnn(6)n∑xiyi-∑xi∑yii=1i=1i=1a1=nnn∑x2-(∑xi)2ii=1i=1二相关系数与标准偏差11相关系数R我们以两个变量的情况为例,过计算给出一个经验公式。那么,行相关性检验。其公式如下:因为只要任意给定两个变量x、y的一组数据,都可以经这个公式在多大程度上反映了x、y的关系呢?必须要进Lxy(7)R=LxxYyy1∑x∑y=∑Lxy=∑xy-Lxx=∑x2-Lyy=∑y2-θx)yλ)(xi-(yi-n1(∑x)2=∑(∑y)2=∑θx)2yλ)2(xi-n1(yi-nθx=1∑xiyλ=1∑yin由上可推算:S=(1-nR2)Lyy由S≥0Lyy≥0有1-R2≥0,所以0≤|R|≤1,|R|越接近1,S就越接近0,关系越好。当|R|=1时,S=0,即ei=0,称x与y完全线性相关。当|R|=0时,Lxy=0说明y与x无关,即x与y不存在线性关系。x、y的线