市场调研：第9章回归预测.pdf

第九章 回归预测  什么是回归预测  回归预测的常用方法 一元线性回归 一元非线性回归 二元线性回归 二元非线性回归 多元线性回归 多元非线性回归 9.1 回归预测概述（1）  回归预测以因果关系为前提，应用统计方法寻找一个适 当的回归模型，对未来市场的变化进行预测。  回归分析具有比较严密的理论基础和成熟的计算分析方 法；回归预测是回归分析在预测中的具体运用。  在回归预测中，预测对象称为因变量，相关的分析对象 称为自变量。  回归分析根据自变量的多少分为一元回归分析、二元回 归分析与多元回归分析，但有时候二元回归分析被并入 到多元回归分析之中；回归分析根据回归关系可分为线 性回归分析与非线性回归分析。 9.1 回归预测概述（2 ）  回归分析的基本步骤如下： 第一步：判断变量之间是否存在有相关关系 第二步：确定因变量与自变量 第三步：建立回归预测模型 第四步：对回归预测模型进行评价 第五步：利用回归模型进行预测，分析评价预测值 9.2 一元线性回归预测  一元线性回归预测是在一个因变量与一个自变量之间进 行的线性相关关系的回归预测。  一元线性回归的基本步骤如下： 第一步：绘制散点图，观察自变量与因变量之间的相互关系； 第二步：估计参数，建立一元线性回归预测模型； 第三步：对预测模型进行检验； 第四步：计算与确定置信区间。 9.2.1 建立一元线性回归预测模型  一元线性回归预测的基本模型如下：  y a bx 其中 n xy  x y xy x y     b 2 2 2 n x ( x) x x x     a y bx 9.2.2 预测模型检验  相关系数检验 相关系数是描述两个变量之间线性关系能密切程度的数量指标。相 关系数r的取值范围是[-1，1]。若r=1则说明完全正相关，若r=-1则 说明完全负相关；r=0说明不相关；r的值在（0，1）之间则正相 关，在（-1，0 ）之间则为负相关。  t检验 t检验是利用t统计量来检验回归参数a和b是否具有统计意义。 9.2.2 预测模型检验（相关系数检验）  相关系数的计算公式是： ( x  x )( y  y ) r ( x  x ) 2 ( y  y ) 2 或者写成 1 xy  x y    n r 2 1 2 2 1 2 x  ( x ) y  ( y ) n n  另一个来自于方差分析的相关系数的计算公式是：  2 (y  y ) r 1  (y  y ) 2 9.2.2 预测模型检验（t检验）  t检验使用的统计量计算公式是： b t S b