市场调查与预测 第15章 回归分析预测.docVIP

市场调查与预测 第15章 回归分析预测 求解方程组即可得参数a、#004699b。 设预测误差 ～ ， ，则一元线性回归的标准差计算公式为： 烟台南山学院商学院 一元线性回归分析例题 [例15.1] 某公司产品连续几年的促销开支(单位：万元)为15，20，25，30，35，40，45；相对应的销售量数据(单位：万元)为330，345，365，405，445，490，455。试建立销售量与产品促销费用之间的线性回归方程，并计算标准差。 解： 设产品价格为x ，销售量为y 。在直角坐标平面绘样本点(xi， yi)的散点 图，可看出这些点近似在一条直线上。设回归直线方程为：y = a + bx。 首先，计算求解回归参数所需的数据，如表15-2第4-5列 。 求得： #004699b = 5.3214 =245.36 建立回归方程： 根据回归方程计算销售量预测值如表15-2第6列。 将销售量预测值与实际值比较求得差值，如表15-2第7列。 计算销售量方差 = 465.48， 则标准差σ=21.57 烟台南山学院商学院 相关性检验 所求得回归直线往往与样本点有偏差，那么回归直线是否与样本点拟合得好? 或者， 两个变量x与y是否具有线性关系? 回答该问题是一个假设检验问题，称之为相关性检验。 已知样本点(xi， yi) ， 回归直线为 ， 令： 则， ～ 离差平方和表达为： 记 称为总离差平方和， Q称为残差平方和， U称为回归平方和。在给定样本下 是定值， 所以， Q越小/ U越大，回归效果越好。 在假设检验时常用下列公式计算Q和U的值： 烟台南山学院商学院 相关性检验：t 检验 利用 ～ ， 可以证明统计量 ～t（n-2） 其中， 是参数#004699b的估计值，Q是误差平方和。Q越小，也就是 |T| 越大，则回归效果越好。 提出待检验假设H0：#004699b=0， 也就是假设y与x没有关系。 查t分布表可得临界值，并与统计量T进行比较： t分布的临界值 如|T| gt; ，则接受y与x有线性关系，即可接受线性回归模型。如|T| lt; ， 则认为y与x线性关系不强， 即拒绝接受线性回归模型。 烟台南山学院商学院 相关性检验：F检验 根据前面的方差分析，Q越小、U越大， 回归效果就越好。因此应该考虑把回归平方和U与误差平方和Q进行比较。 提出待检验假设H0：#004699b = 0， 也就是假设y与x没有关系。 利用 ～ ，可以证明统计量： ～ 查F分布表可得临界值，并与统计量F进行比较： F分布的临界值 结论：如F lt; ，则接受H0，拒绝线性回归模型； 如F gt; ， 则拒绝H0，接受线性回归模型。 烟台南山学院商学院 相关性检验：相关系数检验 提出待检验假设H0：#004699b=0， 即，假设y与x没有关系。 根据前面的方差分析，U越大， 回归效果就越好。故应考虑用回归平方和U在总离差平方和 中所占比例来刻画回归效果。 令： 则 = 称为可决系数。当 r2 = 1时， y与x完全线性相关；当 r2 =0时，表明y与 x无线性相关。r 称为为样本的相关系数。相关系数 | r| 反映了y与x线性相关的程度。 由F统计量可以证明： 即，F的值较大等价于 | r | 较大，由F的临界值 可计算 出| r | 的临界值 ，形成相关系数