第11章 回归预测法.pptVIP

阚中华 淮阴工学院 二○一七年二月 市场调查与预测 一、回归预测法概述 1、回归预测原理 现象间关系：（1）函数关系-现象间表现为确定、严格的依存关系；（2）相关关系-现象间表现非确定、不严格依存关系。 相关关系类型 按其性质特点分：（1）正相关-相关两个量的变动方向一致；（2）负相关-相关的两个量变动方向相反。 按相关变量多少分：（1）单相关-测定两个变量间的相关；（2）复相关-测定三个及以上变量间的相关。 第十一 章 回归预测法(1) 按相关形式分：（1）线性相关-变量间按线性变动的相关；（2）非线性相关-变量间按非线性变动的相关。 按变量相关程度分：（1）完全相关—变量间按照确定的关系变动；（2）不完全相关--变量间按照不严格的关系变动；（3）完全不相关—变量间不存在关系。 第十一 章 回归预测法(2) 2、相关系数测定 相关分析：测定现象间是否存在联系及关系密切程度。 相关系数计算： 简化为： 第十一 章 回归预测法(3) r 的取值范围是 [-1,1] |r|=1：为完全相关 r =1：为完全正相关 r =-1：为完全负正相关 r = 0：不存在线性相关关系 -1 ? r 0：为负相关 0 r ? 1：为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 第十一 章 回归预测法(4) 我国人均国民收入与人均消费金额数据 单位:元 年份 人均 国民收入 人均 消费金额 年份 人均 国民收入 人均 消费金额 1994 1995 1996 1997 1998 1999 2000 393.8 419.14 460.86 544.11 668.29 737.73 859.97 249 267 289 329 406 451 513 2001 2002 2003 2004 2005 2006 1068.8 1169.2 1250.7 1429.5 1725.9 2099.5 643 690 713 803 947 1148 第十一 章 回归预测法(5) 人均国民收入与人均消费金额之间的相关系数为 0.9987 第十一 章 回归预测法(6) 3、回归分析：对具有相关关系的变量，在固定一个变量数值基础上，利用回归方程测算另一个变量取值的平均数。 4、回归分析步骤： （1）确定相关关系； （2）配合回归模型； （3）回归预测； （4）评价预测结果。 第十一 章 回归预测法(7) 5、回归分析类型： 一个自变量 两个及两个以上自变量 回归模型 多元回归 一元回归 线性 回归 非线性 回归 线性回归 非线性回归 第十一 章 回归预测法(8) 二、一元线性回归预测 一元线性回归预测：只涉及一个自变量的回归称为一元回归。因变量 y 与自变量 x 之间为线性关系称为一元线性回归。具有线性关系的两个变量，可以用线性方程表示其关系。描述因变量 y 依赖于自变量 x 和误差项? 的方程称为回归模型。 一元线性回归预测模型 y = b0 + b1 x + e --模型中，y 是 x 的线性函数(部分)加上误差项； --反映由于 x 的变化而引起的 y 的变化； --误差项 ? 是随机变量。 第十一 章 回归预测法(9) 一元线性回归预测模型配合 因变量的观察值与估计值之间的离差平方和达到最小来求得模型参数。即 用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小。 第十一 章 回归预测法(10) x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ 第十一 章 回归预测法(11) 第十一 章 回归预测法(12) x y y { } } ? 离差分解图 第十一 章 回归预测法(13) 三、一元线性回归误差测定 离差平方分解： 总平方和(SST)：因变量观察值与其均值的总离差。 回归平方和(SSR)：自变量 x 的变化对因变量 y 取值变化的影响，或者说，是由于 x 与 y 之间的线性关系引起的 y 的取值变化，也称为可解释的平方和。 残差平方和(SSE)：反映除 x 以外的其他因素对 y 取值的影响，也称为不可解释的平方和或剩余平方。 总变差平方和 （SST） { 回归平方和 （SSR） { 残差平方和 （SSE） { 第十一 章 回归预测法(14) 判定系数： 反映回归直线的拟合程度 取值范围在 [ 0 , 1 ] 之间 r2 ?1，说明回归方程拟合的越好；r2?0，说明回归方程拟合的越差 判定系数等于相关系数的平方，即r2＝(r)2