[理学]第8章 回归分析预测法5.pptVIP

第七章 回归预测 (2)计算s0 （3）预测 预测区间为： 则当广告费支出58万元时，销售额的预测区间为584.1 到809.1万元之间 说明:由于 接近于1，可忽略不计。 预测区间为： 当广告费支出58万元时，在5%显著水平下，销售额的 预测区间为602.3到790.9万元之间 1.离差平方和的分解 因为后一项为0，所以 令 x y ? ? ? ? ? ? ? ? ? 如下图所示： { ? x y } } 离差分解图 第四节　曲线回归及多元线性回归 一、曲线回归 在实践中，对已掌握的资料，应充分利用相关表、相 关图，对相关点的分布特征进行分析判断，并结合一 些已知的函数图形知识，选择适当的数学模型，再用 可行的方法求解参数（一般用最小二乘法）。许多情 况下，非线性回归问题可以通过变量的变换转化成线 性回归方程，计算简单方便。 若增长速度大致相同： 若二级增长量大致相同时： 若y比x的变化慢时用对数方程： 若y开始时缓慢递增，当增长到一定程度后，其增长速度 不断加快，出现迅速增长的趋势，但在高速增长一段时间 后，增长速度又逐渐慢下来，最后使曲线不断接近于一水 平逐渐近线L，为其配合皮尔曲线 ： 若观察值的倒数的一级增长量大致相等时，可为其配合 逻辑曲线 ： 二、多元线性回归分析 统计中研究一个因变量与多个自变量之间数量关系的理论和方法称为多元回归。 多元回归分 x 多元线性回归 多元非线性回归 多元回归方程：是用于表达一个因变量和多个自变量之 间相互关系的一种数学模型。 当研究因变量y与n个自变量的关系时，方程为： …为回归系数，表示当其它自变量都固定 时，设自变量变动一个单位，而使y平均变动的数值。 一般来说，在y的所有影响因素中，可以找出几个主要 因素影，一般为三个为宜，则方程为: 求解其对数a、 仍用最小二乘法。 返回 　 第七章结束 谢谢！ * * 第一节 回归分析预测法概述 一、回归一词的涵义 一般说来，回归是研究自变量与因变量之间的关系 形式的分析方法。其目的在于根据已知自变量来估 计和预测因变量的平均值。 相关分析：是研究两个或两个以上随机变量之间相 互依存关系的种类、紧密程度的分析方法。 回归分析：是研究某一因变量与一个或几个自变量 之间的数量变动关系的分析方法。 二.回归分析与相关分析 1.根据回归预测中自变量的多少 一元回归预测 多元回归预测 一元回归预测：是根据某一因变量与一个自变量之 间的相关关系建立的预测模型进行预测的。 多元回归模型：是根据某一因变量与两个或两个以 上自变量之间相关关系建立的模型进行回归预测的。 三、回归预测法的种类 2.根据回归预测模型是否线性 线性回归预测 非线性回归预测 线性回归预测：指根据因变量与自变量的关系是呈 直线型的模型进行预测。 非线性回归预测：指根据因变量与自变量的关系是 呈曲线型的模型进行预测的。 3.根据回归模型是 否带虚拟变量 普通回归模型预测 带虚拟变量回归模型预测 普通回归模型预测中的自变量都是数量标志。 虚拟变量回归模型预测中的自变量既有数量标志又 有品质标志。 4.根据回归模型是否用滞后 的因变量作自变量可分为 自回归预测 无自回归现象的回归预测 四、回归预测法的步骤 1、分析变量间的因果关系，确定自变量与因变量 2、确定并配合回归模型 3、回归模型检验 4、进行预测 第二节 一元线性回归预测法 一元线性回归预测法：是指对具有线性关系的两 个变量，配合线性回归模型，根据自变量的变动 来预测因变量平均变动程度的方法。 1.一元线性回归模型 其中，a是直线在Y轴上的截距，它是x=0时y的 估计值；b是直线的斜率，表明自变量增加（或 减少）一个单位，因变量平均增加（或减少） 的值。当b0时，x与Y为正相关，当b0时,x与 Y为负相关。 一、一元线性回归模型及其拟合条件 2.配合最佳回归直线的条件 （1）要有一定数量的自变量与因变量的对应资料 （2） 现象之间确实存在显著性的相关关系 （3）其相关关系是直线相关关系。 理论依据： 即 则 二、估计一元线性回归模型参数（最小二乘法OLS） 整理得 三、回归模型显著性检验 （一）相关系数检验法 第二步，查出临界值ra 根据回归模型的自由度（n-2）和给定的显著性水平 a值，从相关系数临界值表中查出临界值ra（n-2）； 第三步，判别。 若︱r︱≥ra（n-2)，表明两变量之间线性相关关系显 著，检验通过，这时回归模型可以用来预测； 若︱r︱＜ra （n-2），表明两变量之间线性相关关系 不显著，检验未通过，这时的回归模型