电子课件第一章物流需求预测ppt search reapncm.pptVIP

采用最小二乘法得到a, b的计算公式为 （1-23） （1-24） 式中，xi和yi（i ? 1, 2,…, n）均是已有的历史数据。 其中：a称为截距，b称为回归直线的斜率，也称为回归系数；是变量y的估计值。 求直线回归方程 ，实际上是用回归直线拟合散点图中的各观测点。常用的方法是最小二乘法，也就是使该直线与各点的垂直距离最小，即求使观察值y与回归直线 之差的平方和 达到最小时的a和b的问题。 2．显著性检验 判定一个线性回归方程的拟合程度的优劣称为模型的显著性检验，即判断所建立的一元线性回归模型是否符合实际，所选的变量之间是否具有显著的线性相关关系。这就需要对建立的回归模型进行显著性检验，通常用的检验法是相关系数检验法。相关系数是一元回归模型中用来衡量两个变量之间相关程度的一个指标，其计算公式为 （1-25） 相关系数r是一个重要的判定指标。从式（1-25）中可以看出，相关系数等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变量变异性的百分比。如果r ? 0.775，说明变量y的变异性中有77.5%是由自变量x引起的；如果r ? 1，表示所有的观测值全部落在回归直线上；如果r ? 0，则表示自变量与因变量无线性关系。 下面通过例子说明一元线性回归分析预测法的使用。 例1.8 根据经验，运输企业的业务收入同广告费支出之间具有相关关系。某运输企业1997年至2006年的业务收入和广告费支出的资料如表1.9所示。 表1.9 某企业业务收入与广告费支出表 年份 广告费支出（xi）/万元 业务收入（yi）/百万元 xi yi xi2 yi2 1997年 4 7 28 16 49 1998年 7 12 84 49 144 1999年 9 17 153 81 289 2000年 12 20 240 144 400 2001年 14 23 322 196 529 2002年 17 26 442 289 676 2003年 20 29 580 400 841 2004年 22 32 704 484 1 024 2005年 25 35 875 625 1 225 2006年 27 40 1 080 729 1 600 合计 157 241 4 508 3 013 6 777 预测该企业2007年的广告费支出为35万元，要求在95%的概率下预测该年的企业业务收入。 解 （1）相关分析。 在坐标系上将企业的广告费支出和业务收入的数据标出，形成散点图，可以发现图形呈直线趋势，从而判定二者呈一元回归性。 （2）建立相关方程 ，关键是求a、b的值。根据表1.9中的有关资料，利用式（1-23）和式（1-24）求得 所以，所求的相关方程为 。 （3）检验。 ① 计算相关系数： 取显著性水平? ? 0.05，df ? n ? 2 ? 8。查相关系数临界值表得r0.05(8) ? 0.632。 因为r ＞ r?，说明广告费支出与业务收入存在很强的正相关关系。 ② 相关系数r2检验和F检验。相关系数r2检验和F检验均可用于检验回归方程线性关系的显著性，二者在检验原理上大体相同，均借助了方差分析，即 （1-26） 式中： ——总变差； ——剩余变差； ——回归变差。 计算结果如表1.10所示。 表1.10 检 验 结 果 时间 xi yi 1 4 7 8.644 2.703 238.888 292.41 136.89 2 7 12 12.607 0.368 132.089 146.41 75.69 3 9 17 15.249 3.066 78 .340 50.41 44.89 4 12 20 19.212 0.621 23. 893 16.81 13.