市场调查网络课程_2.docVIP

市场调查网络课程8 市场调查与分析第八章回归分析预测法第一节回归分析预测概述一、回归分析法的基本原理回归分析是关于变量之间的统计相关（即回归关系）的理论和计算方法。第一节回归分析预测概述二、一元线性回归分析法一元线性回归方程的数学表达式为：一元线性回归分析法的预测步骤（一）分析事物之间的相关关系，选定自变量首先要根据经济理论和实践经验，在收集大量有关数据的基础上，通过理论分析和统计分析，找出影响预测目标的各种影响因素及其影响方向和影响程度。一元线性回归分析法的预测步骤（二）选择合适的预测模型，建立回归方程一元线性回归方程计算公式：一元线性回归分析法的预测步骤（三）对回归模型进行检验1 、回归标准差检验：一元线性回归分析法的预测步骤（三）对回归模型进行检验2 、相关系数检验：一元线性回归分析法的预测步骤（三）对回归模型进行检验3 、F检验F 值计算公式为：一元线性回归分析法的预测步骤（四）利用回归方程作为预测模型进行预测经回归标准差检验和相关分析检验通过后，回归预测模型即可进行预测。预测时先确定自变量值x，然后代入所建立的回归预测模型，就可以计算出因变量的预测值。案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（1）农民人均收入统计资料案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（2）1 、首先，以人均年收入为横坐标，以销售额为纵坐标，作出散点图。案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（3）2、应用最小二乘法求回归方程参数，建立预测模型。案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（4）将表中数据代入参数公式，得案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（5）3 、对回归模型进行检验（1）回归标准差检验案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（6）将表中数据代入回归标准差公式得：案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（7）（2）相关系数检验将表8-2 中数据代入相关系数公式得：案例8-1 某地区10 年农民人均年收入的资料和该地区相应年份的销售额资料（8）4 、利用回归方程作为预测模型进行预测经预测认为该地区农民下一年度的人均年收入将达3000 元，则此地区下一年度的销售额预测值为：第二节多元线性回归分析法一、多元线性回归的概念多元线性回归分析法，是在判断分析基础上，对影响变量的各种因素进行分析，并从其中选择主要的、不可忽视的因素作为自变量，从而进行回归分析的预测方法。第二节多元线性回归分析法一、多元回归分析预测模型多元线性回归方程的基本形式为：案例8-2 大学生消费水平的预测分析（1）山西沃森市场研究有限公司2002 年初为山西移动公司太原营销中心开展的校园手机租赁业务进行的调查，其中包括在校大学生的消费数据。为了了解大学生的月均消费额与年龄的关系，我们进行了回归分析，以判断和预测在校学生消费额度的年龄特征。一般认为，大学生随着年龄的增加，独立自主的能力显著增强，个人消费意识逐渐强烈，加上远离父母独立生活的条件，使得大多数学生的个人开支有了明显的高额化倾向。案例8-2 大学生消费水平的预测分析（2）表8-4 在校大学生月均消费额样本案例8-2 大学生消费水平的预测分析（3）第一步数据编码录入，并对原始数据进行校验；第二步画出变量关系的散点图，看一看是否存在显著的正相关关案例8-2 大学生消费水平的预测分析（4）第四步分析计算结果我们来看回归分析计算的结果。（1）回归统计量案例8-2 大学生消费水平的预测分析（5）（2）回归系数案例8-2 大学生消费水平的预测分析（6）（3）拟合图案例8-2 大学生消费水平的预测分析（7）第五部预测如果一个学生年龄是22 岁，根据回归方程，我们可以预测他的月消费额大约是Y=39.499-338.708X22=530.27( 元) 由此，我们可以有针对性地了解学生在某些消费领域的消费能力及特征。* * 山西财经大学2005 年度精品课程山西财经大学统计学院判断回归方程是否通过，一般采用，若其值小于15% ，则认为检验通过年序号1 2 3 4 5 6 7 8 9 10 人均年收入（元）800 1040 1120 1280 1440 1640 1880 2080 2320 2560 销售额（百万元）272 304 312 328 344 364 380 404 432 452 试用回归分析预测法预测该地区市场销售额。从散点图中可以看出，人均年收入和销售额之间具有较高的相关关系，而且是较高程度的直线正相关，可以采