市场调查与预测第十五章回归分析预测.ppt

烟台南山学院商学院 LOGO 烟台南山学院商学院 * * 第15章 回归分析预测 * * 【教学目标】 了解相关关系与回归分析的概念 掌握一元线性回归分析的参数估计方法 掌握一元线性回归分析的相关性检验方法 了解多元线性回归的参数估计方法 了解多元线性回归的相关性检验方法 理解非线性回归分析的基本思想和方法分类 * 烟台南山学院商学院 * 15.1 回归分析概述 客观事物之间数量上的关系主要有两种类型：确定的函数关系；统计性关系/相关关系。 变量之间的非确定关系可以通过大量试验找出它们之间的统计规律，近似地用回归函数描述它们。 所谓回归分析，就是研究两个或两个以上变量之间的相关关系的一种统计方法。 所预测的目标变量为因变量，影响因素变量称为自变量。 * * 回归分析的分类 根据自变量的个数多少分类： 一元回归分析 多元回归分析 根据因变量与自变量之间的关系分类： 线性回归分析 非线性回归分析 * * 15.2 一元线性回归分析 一元回归分析法，是在考虑预测对象发展变化本质基础上，分析因变量随一个自变量变化而变化的关联形态，借助回归分析建立回归方程式，描述它们之间的平均变化数量关系，据此进行预测或控制。 * * 回归分析的基本原理 假设观察样本(xi，yi) (x为自变量, y为因变量，i＝1，2，…，n) 。 样本点 与直线纵向距离的平方和 最小，则 为最佳直线。 根据最小二乘法原理，使Q最小的a、b须满足方程组： 求解方程组即可得参数a、b。 设预测误差 ～ ， ，则一元线性回归的标准差计算公式为： * * 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： b = 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 * * 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： * * 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b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：b=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| ，则接受y与x有线性关系，即可接受线性回归模型。如|T| ， 则认为y与x线性关系不强， 即拒绝接受线性回归模型。 * * 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：b = 0， 也就是假设y与x