《市场调查与预测》(01395)电子教案(第8章)(课件)-(精选·课件).pptVIP

第8章 回归分析预测  相关分析的意义 一元线性回归预测法 多元线性回归预测法 非线性回归预测法 学习目标 ·了解相关关系的概念、类型及 非线性回归预测法 ·掌握多元线性回归预测法的 基本理论及应用 熟练掌握一元线性回归预测法的基本理论及应用 8．1相关分析的意义 相关关系的概念 相关关系的类型 相关分析的方法 8．1．1 相关关系的概念 通过对大量的社会经济现象的研究发现，现象之间存在着两类关系，一种是函数关系，一种是相关关系。函数关系是指现象之间存在着严格的依存关系，对于某一个变量的每一个数值，都有另一个变量的确定的值与之相对应，并且两者的关系可以用一定的数学表达式表达，即y=f（x）。这里x为自变量，y为因变量。而相关关系是指现象之间存在着一定的依存关系，但不是严格的依存关系。在相关关系中，某一个变量的每一个数值，都可能有另一个变量的若干个值与之相对应，所以，相关关系是一种不完全的依存关系。 相关分析与回归分析既有一定的区别，又有一定的联系。相关分析是确定现象之间的相关方向和相关的密切程度，回归分析是对具有相关关系的两个或两个以上的变量确定一个相应的数学表达式，并从一个已知变量来推测另一个变量。两者的联系表现在相关分析需要回归分析来表明现象数量关系的具体形式，而回归分析必须以相关分析为基础，只有通过相关分析表明现象之间具有密切相关，回归分 析的数学表达式才有代表性，回归分 析才有实际意义。可见，相关分析在 回归分析预测中具有重要意义。 8．1．2 相关关系的类型 相关关系从不同的角度，有多种划分方法。 (1)按照相关关系的方向，可以把相关关系分为正相关和负相关。 (2)按照相关关系的程度，可以把相关关系分为完全相关、高度相关、中度相关、低度相关。 (3)按照相关关系的表现形式，可以把相关关系分为线性相关和非线性相关。 (4)按照相关关系涉及的因素多少，可以 把相关关系分为单相关和复相关。 r代表相关系数，其取值范围是：│r│≤1。 当│r│=1时，表明x与y完全相关，即存在着函数关系。 当0＜│r│＜1时，表明x与Y之间存在着一定的相关关系。│r│数值愈大，愈接近于1，表明x与Y之间相关程度愈高；反之，│r│数值愈小，愈接近于0，表明x与Y之间相关程度愈低。一般认为，当0.6＜│r│＜1时，x与Y之间高度相关；当0.3＜│r│＜0.6时，x与Y之间中度相关；当│r│＜0.3时，x与Y之间低度相关。 当│r│=0时，表明x与y无相关。 另外，r值为正数时，表明x与y为正相关，r值为负数时，表明x与y为负相关。 ８．2 一元线性回归预测法 一元线性回归预测法概念 预测的步骤 应用举例 8．2．1一元线性回归预测法概念 一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。一元线性回归预测法是回归预测中最基本、最简单的预测方法，也是掌握其它回归预测方法的基础。 8．2．2预测的步骤 1．回归预测的一般步骤 第一步：确定预测目标。 第二步：寻找影响因素。 第三步：收集整理历史和现实资料。 第四步：进行相关分析。 第五步：建立回归模型。 第六步：求解模型参数 第七步：对回归预测模型进行检验。 第八步：利用回归模型进行预测 （4）利用回归模型进行预测。利用检验通过的模型进行预测，通常的方法有两种，一种是点预测，另一种是区间预测。 所谓的点预测，就是将自变量的值代入回归预测模型，求出因变量的预测值。 所谓的区间预测，就是在点预测的基础上，确定一个预测值的最可能变化范围，我们通常也称其为置信区间预测。 置信区间的计算公式为：（Yc －tSy ，Yc＋tSy） 式中：Yc为因变量的估计值，Sy表示回归标准差，t为概率度，它的大小取决于可靠程度F（t）的大小。 8.2.3应用举例 8.3 多元线性回归预测法 多元线性回归预测法的概念 二元线性回归预测法 应用举例 8.3.1多元线性回归预测法的概念 多元线性回归预测法是分析一个因变量与多个自变量之间线性关系的预测方法。 多元线性回归预测法是利用回归预测的基本原理，通过模型将预测对象与影响因素之间的变化规律表示出来，进行预测。这里我们只讨论最简单、最有代表性的二元线性回归预测法，多元线性回归预测法与二元线性回归预测法的原理完全相同。 8.3.2二元线性回归预测法 1.二元线性回归预测法的概念 二元线性回归预测法是分析一个因变量与二个自变量之间线性关系的预测方法。 2.预测步骤 （1）建立预测模型为：Yc=a+b1X1+b2X2 其中，a、b1、b2为模型参数，X1、X2为自变量，Yc为预测值。 （