逐步回归分析.docVIP

基于逐步回归法的产品销售量分析模型 摘要：本文根据2010年统计年鉴数据，研究影响某种产品销售量的因素，所选自变量因素包括本产品价格、当地人均收入、竞争品牌价格。利用spss17.0软件，通过逐步回归分析方法，建立线性回归模型，找出影响销售量的主要因素及其影响规律。结果表明，影响产品销售量的因素主要是本产品价格和竞争品牌价格。 关键词：数据分析，逐步回归，模型建立，销售量，价格 一、引言 根据2010年统计年鉴结果，计算某地某种产品销售量的影响因素。初步预计与以下因素有关：本产品价格、当地人均收入、竞争品牌价格。 逐步同归法的基本思想是：从所有解释变量中先选择影响最为显著的变量建立模型，然后再将模型之外的变量逐个引入模型；每引入一个变量，就对模型中的所有变量进行一次显著性检验，当原引入的变量由于后面变量的引入而变得不再显著时，将其剔除；逐个引入——捌除——引入，反复这个过程。直到既无显著变量引入回归方程、也无不显著变量从回归方程中剔除为止。在进行逐步回归分析中，通过模型评估、方差分析、计算截距和回归系数值、列出所排除的自变量，计算预测值和预测值方差的范围、平均，以及残差和残差方差的范围、平均值等来建立模型，并对所建立的模型进行评估。 同时可通过标准化残差的直方图及其正态曲线，标准化残差图，因变量残差与自变量散点图，预测值与实际值比较图来评估所建模型的可靠性。 希望通过逐步回归分析方法，建立线性回归模型，找出影响销售量的主要因素及其影响规律。 二、数据分析 数据来源于《中国统计年鉴2010》，经整理得到以下数据： 表1 销售量 价格 当地人均收入 竞争品牌价格 1773 8.66 25500 10.55 1863 8.66 25800 10.45 1798 8.66 25700 10.35 1775 8.66 25970 10.3 1796 8.66 25970 10.3 1786 7.5 25750 10.26 1916 7.5 25750 10.25 1997 7.5 25950 10.15 2000 7.5 25950 10 2012 7.5 26120 10 1864 8.5 26120 10.25 1884 8.5 26150 10.25 1762 8.5 26200 9.75 1396 9.99 26350 9.75 1480 9.99 26450 9.65 1458 9.99 26350 9.6 1469 9.99 26850 10 1525 10.25 27350 10.25 1987 10.25 27350 10.2 1554 10.25 27950 10 1662 10.75 28159 10.1 1717 10.75 26064 10.1 1756 10.75 28444 10.1 1731 10.75 26600 10.25 表2 变量 符号 销售量 y 价格 x1 当地人均收入 x2 竞争品牌价格 x3 三、分析方法 本次数据分析运用spss17.0软件对数据进行逐步回归分析，在每一次引入变量时，概率F最小的值的变量引入回归方程。如果已引入回归方程的变量的F大于设定值，将被剔除出回归方程。当无变量被引入或剔除时，终止回归过程。取回归系数为95%的置信区间，建立线性模型。 四、分析结果 分析结果如下： 表3 Model Summaryc Model R R Square Adjusted R Square Std. Error of the Estimate 1 .650a .422 .396 143.75790 2 .741b .550 .507 129.95380 a. Predictors: (Constant), 价格 b. Predictors: (Constant), 价格, 竞争品牌价格 c. Dependent Variable: 销售量、 表3中，是对生成的模型进行评估。R表示拟合优度，它是用来衡量估计的模型对观测值的拟合程度。 R值越接近1说明模型越好。 表4 ANOVAc Model Sum of Squares df Mean Square F Sig. 1 Regression Residual Total 332602.297 1 332602.297 16.094 .001a 454659.328 22 20666.333 787261.625 23 2 Regression Residual Total 432613.857 2 216306.928 12.808 .000b 354647.768 21 16887.989 787261.625 23 a. Predictors: (Constant), 价格