市场研究中的数据分析方法.pdf

市场研究的数据分析方法 第一节 线性回归分析 一、线性回归方程的基本模型 • 线性回归方程从样本资料出发，一般利用最小二乘法， 根据回归直线与样本数据点在垂直方向上的偏离程度 最低的原则，进行回归方程的参数的求解。 • 线性回归分析是考察变量之间的数量关系变化规律， 它通过一定的数学表达式回归方程，来描述这种关 系，以确定一个或几个变量的变化对另一个变量的影 响程度，为预测提供数学依据。 1、一元线性回归模型 模型是： y   x  i 0 1 i i y 式中：为被解释变量 （因变量）；为解释 x  变量 （自变量），是随机误差项，i为观测值    下标，n为样本容量， 与 是待估参数，称 0 1 0  为回归常数，为回归系数。 1 2、多元回归模型 多元线性回归模型中自变量的个数在2个以上 模型的一般形式为： y   x  x ... x  i= 1,2 …n i 0 1 1i 2 2i k ki i 其中，y 为被解释变量（因变量）， x ,x ,...,x  1 2 k 为解释变量（自变量）， 是随机误  , , ,..., 差项，i为观测值下标，n为样本容量，0 1 2 k   , ,..., 为k+1个待估参数， 为回归常数， 1 2 k 0 称为回归系数。 在应用线性回归模型时，必须满足以下假设： • （1）解释变量 x ,x ,...,x 是确定性变量，而且解 1 2 k 释变量之间不相关。 • （2 ）随机误差项具有0均值和同方差。 • （3 ）随机误差项在不同样本点之间是独立的，不 存在序列相关。 • （4 ）随机误差限于解释变量之间不相关。 • （5 ）随机误差项服从0均值和同方差的正态分布。 二、线性回归方程的统计检验 1、回归方程拟合优度检验 2 、回归方程的显著性检验 3、回归系数显着性检验 三、回归分析假设条件的检验 1、残差分析 2 、多重共线性 3、误差项的序列相关 四、线性回归分析的基本步骤 1、确定回归中的自变量和因变量。 2 、从收集到样本资料出发确定自变量和因变量 之间的数学关系，即建立回归方程。 3、对回归方程进行各种统计检验。 4 、利用回归方程进行预测。 五、实例分析 • 例：Checkers Pizza公司是休斯敦附近Westbury镇上仅有