它是在分析因变量与自变量之间的相互关系.PPT

第12章 回归分析预测法 12.1 回归分析预测法概述 12.2 一元线性回归分析预测法 12.3 多元线性回归分析预测法 12.4 非线性回归分析预测法 12.1 回归分析预测法概述 12.1.1 回归分析预测法概念 12.1.1 回归分析预测法概念 回归分析预测法是预测学的基本方法，它是在分析因变量与自变量之间的相互关系，建立变量间的数量关系近似表达的函数方程，并进行参数估计和显著性检验以后，运用回归方程式预测因变量数值变化的方法 12.1 回归分析预测法概述 12.1.2 回归分析预测法的具体步骤 12.1.2 回归分析预测法的具体步骤 1)确定预测目标和影响因素 2）进行相关分析 3）建立回归预测模型 4）回归预测模型的检验 5）进行实际预测 【小思考12-1】 如何预计未来五年小家电需求为目的的市场预测？ 答：应该从它的因变量-就是未来五年小家电的需求量和对于影响和制约预测目标的因素——自变量来分析。 【观念应用12-1】 运用回归法进行定量预测，必须有以下三个条件： 1预测对象与影响因素之间必须存在因果关系，而且数据点在20个以上为好； 2过去和现在的数据规律，能够反映未来； 3数据的分布确有线性趋势，可采用线性解；如不是线性趋势，则可用非线性解。 12.2 一元线性回归分析预测法 12．2．1 一元线性回归预测法概念 12．2．1 一元线性回归预测法概念 一元线性回归预测法，是指影响经济变化的众多因素中有一个起决定作用的因素，且自变量与因变量的分布呈线性趋势的回归，用这种回归分析来进行预测的方法 12.2 一元线性回归分析预测法 12.2.2 一元线性回归分析预测法的使用 12.3 多元线性回归分析预测法 12.3.1 多元线性回归分析预测的概念 【小知识12-3】 一元线性回归模型是将影响因变量的原因归结一个主要因素上。当影响应变量变化的因素有多个时一元线性回归模型就无法准确地判断多个变量之间的关系 12.3.1 多元线性回归分析预测的概念 影响因变量的因素有两个或两个以上，且自变量与因变量的分布呈线性趋势的回归，用这种回归分析来进行预测的方法就是多元线性回归预测。 12.3 多元线性回归分析预测法 12.3.2 多元线性回归分析预测的使用方法 12.4非线性回归分析预测法（选修） 12.4非线性回归分析预测法 12.4.1 指数曲线模型 【小知识 12-4】 用手工方法进行定量分析有很多的局限性，当变量较多，数据量较大的时候，无法进行分析，电子计算机的应用与发展为我们进行回归分析提供了优越条件。筛选变量拟合模型，求解参数，测定相关系数，检验显著水平，计算估计标准误差，分析预测因变量的置信区均可以在计算机上进行操作。 12.4.1 指数曲线模型 12.4非线性回归分析预测法 12.4.2 幂函数模型 12.4.2 幂函数模型 12.4非线性回归分析预测法 12.4.3 双曲线模型 12.4.3 双曲线模型 12.4非线性回归分析预测法 12.4.4 对数模型 12.4.4 对数模型 【小思考12-4】 回归分析预测法中，为什么要进行检验，以测定变量间的相关关系？ 答:相关关系的大小直接反映了变量的密切程度，从而说明二者进行回归分析更可信。 12.4非线性回归分析预测法 12.4.5 多项式模型 12.4.5 多项式模型 【小实训】 如何预计未来五年高校入学需求为目的的市场预测？ 【实训建议】 应该运用一元回归分析法确定其因变量-就是未来五年高校需求量和对于影响和制约预测目标的因素——每年高校的录取的人数和高中毕业人数（自变量）来分析。 本章小结： 本章介绍了回归分析预测法的基本步骤、确定目标及影响因素，进行相关分析，建立回归模型，检验回归模型，最后进行实际预测。 这一章中通过案例详细介绍了一元线性回归分析预测法和多元线性回归分析预测法。在预测过程中，关键是回归模型的检验及估计标准误差的计算。 。 主要概念和观念 主要概念：回归分析预测法 一元线性回归分析预测法 多元线性回归分析预测法 主要观念：回归分析预测法的运用 一元回归分析预测法的运用 多元回归分析预测法的运用 综合案例 【综合案例1】 多种预测方法在市场销售中的应用 奥伯梅尔公司是美国流行滑雪服市场上的主要供应商。它的产品是