第10章 因果分析.pptVIP

 10.1 市场变量的因果关系 多种因素决定市场的发展变化 市场变量即为市场研究目标和影响因素 市场变量的因果关系 市场现象与相关影响因素之间构成的依存关系 因果关系分析方法 定性分析 定量分析 定性分析 从质的方面说明市场变量因果关系的规律性 适用于两种因果关系形态 简单的市场变量因果关系 影响预测的因素分析 主要和次要因素分析 各因素与预测目标的关系本质分析 复杂的市场变量因果关系 各影响因素与预测目标的经济关系 各影响因素之间的经济关系 预测目标及各影响因素动态变化关系 定量分析 从量的方面说明市场变量的联系方式与影响程度 分析形式表现为数学模型 确定性因果关系数学模型 非确定性因果关系数学模型 分析方法 回归分析预测法 经济计量模型预测法 马尔科夫预测法 投入产出预测法 10.2 回归分析预测法 概念 回归分析法是利用数理统计的原理，在大量数据基础上，确定和分析两个或两个以上经济事物之间的相关关系，建立回归方程进行预测的方法 特点 能够说明经济变量之间的关系 预测精度高 可提供预测对象变化原因的信息 是一种常用的定量预测方法 预测步骤 因素分析 建立回归分析模型 模型的检验和评价 进行预测并给出预测精度估计 预测时需要注意的问题 预测对象和影响因素必须存在因果关系 数据量不得太少，一般大于20组 预测对象历史数据的规律性适用于未来 线性趋势数据可用线性回归法预测 非线性趋势数据可转化成线性回归后求解 10.3 一元回归分析法 一元线性回归的数学模型 相关分析 相关系数为r 或 相关系数r的特征： r取值范围为： -1≤r≤1 r 0，正线性相关 r 0，负线性相关 r = 0，X与Y无线性相关关系 = 1，X与Y完全线性相关 0 1,X与Y存在一定的线性相关关系 0.7， X与Y高度线性相关 0.3≤ ≤0.6， X与Y中度线性相关 ≤0.3， X与Y低度线性相关 相关检验步骤 选择显著性水平α（α=5%或10%） 根据α和n-k（k为变量数）查临界值rc 比较r与rc rc ，两变量显著线性相关，可信度为1-α，适用于预测 ≤ rc时，回归方程不宜应用 方差分析和检验 概念：方差分析是变量x围绕平均值的分散或离中趋势的度量 作用 可提供回归方程检验所需的大部分数据 可检验出回归分析计算过程有无错误 说明XY的相关关系 说明回归方程的可信程度 方差分析原理图解 方差分析表 F检验 F检验也叫显著性检验，是对已建立的预测模型对因变量是否具有显著影响的检验 式中 m--自变量和因变量的个数 n--实际数据个数 F检验步骤 选择检验的显著性水平，α=0.05 根据α和自由度m、n-m-1查F分布表得临界值Fc 比较F与Fc F Fc,，模型显著，自变量可解释因变量 F Fc 模型不显著，自变量不能解释因变量 预测值的计算与控制 计算置信区间 式中 ：预测值 ：估计值标准差 ：置信度，可查表求出  当样本的数据量较小时（n30），要加一个校正系数 置信区间则为 例9-1 某企业广告支出的预测 例题求解 列表计算 计算参数a，b，构建一元回归模型 进行各项检验 计算 相关分析 计算相关系数r 查表求r0 A=5%，k=2，n-2=8，r0=0.6319 r=0.948，大于r0 相关检验通过 方差分析 计算 方差分析表 F检验 计算F检验值 查F检验表，得F0=5.32 a=5%，m=1，n-m-1=10-1-1=8 F大于F0 ，检验通过 计算预测值 计算预测值 当下期广告投入为58万元时，销售额预计为 57.09万元—82.23万元 * * 第十章 一元回归分析 10.1 市场变量的因果关系 10.2 回归分析预测法 10.3 一元回归分析法 为了计算方便，一般定义 离差来源 差离平方和 回归因素 ① 残余因素 ② 总计 自由度 方差分析表 总方差 残余方差 回归方差 均方和 自由度 平方和 离差来源 31825 21164 25862 444 547 ∑ 784 961 2500 2809 3721 4900 3600 4356 3969 4225 625 784 1156 1444 2209 3844 2025 3 136 2916 3025 700