第11章节回归预测（市场调查跟预测课件课本）资料.pptVIP

一、回归预测概述 回归预测法是指从各种经济现象之间的相关关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测法。 回归预测以因果关系为前提，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。 因此，如果研究的因果关系只涉及一个因变量和一个自变量，这种回归分析法称为一元线性回归。 二、回归预测的步骤 第一步：判断变量之间是否存在相关关系 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 三、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：建立一元线性回归模型； 第三步：对预测模型进行检验； 第四步：进行预测。 2. 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。 t检验：利用t统计量来检验回归参数a和b是否具有统计意义。 STAT 　第11章 回归预测 一、回归预测概述 二、回归预测的一般步骤 三、一元线性回归预测 四、实例分析 ⒈ 出租汽车费用与行驶里程： 总费用=行驶里程 ? 每公里单价 ⒉ 家庭收入与恩格尔系数： 考虑家庭收入、消费支出结构。 函数关系：指现象间所具有的严格的确定性的依存关系。 相关关系：指客观现象间确实存在，但数量上不是严格对应的依存关系。 比较下面两种现象间的依存关系 相关分析与回归分析 研究现象间相关关系的两种方法 相关分析：是用一个指标（相关系数）来表明现象间相互依存关系的密切程度。 回归分析：是根据相关关系的具体形态，选择一个合适的数学模式，来近似地表达自变量和因变量之间的数量变化关系，进而确定一个或几个变量的变化对另一个特定变量的影响程度。 相关分析与回归分析的关系 联 系 区 别 ①相关分析是回归分析的基础和前提； ②回归分析是相关分析的深入和继续。 因此，只有把两者结合起来，才能达到统计分析的目的。 ① 相关分析只研究变量间是否存在关系及关系的密切程度；回归分析研究的是变量间存在的是什么关系。 ② 相关分析不必区分自变量与因变量，所研究变量属于对等关系；回归分析必须区分自变量和因变量，所研究变量属于非对等关系。 定性分析 是依据研究者的理论知识和实践经验，对客观现象之间是否存在相关关系，以及何种关系作出判断 定量分析 在定性分析的基础上，通过编制相关表、绘制相关图、计算相关系数与判定系数等方法，来判断现象之间相关的方向、形态及密切程度 相关关系的测定 正 相 关 负 相 关 曲线相关 不 相 关 x y x y x y x y 又称散点图，用直角坐标系的x轴代表自变量，y轴代表因变量，将两个变量间相对应的变量值用坐标点的形式描绘出来，用以表明相关点分布状况的图形。 相关图 例 某市1996年 — 2003年的工资性现金支出与城镇储蓄存款余额的资料，说明简单相关表和相关图的编制方法。 从表可看出，随着工资性现金支出的增加，城镇储蓄存款余额有明显的增长趋势。所以，资料表明(如图)有明显的直线相关趋势。 510 1170 2003 8 450 1050 2002 7 350 970 2001 6 280 900 2000 5 200 730 1999 4 150 620 1998 3 140 540 1997 2 120 500 1996 1 城镇储蓄存款余额(万元)y 工资性现金支出(万元)x 年份 序号 在直线相关的条件下，用以反映两变量间线性相关密切程度的统计指标，用r表示 相关系数 相关系数r的取值范围：-1≤r≤1 r0 为正相关，r 0 为负相关； |r|=0 表示不存在线性关系； |r|＝1 表示完全线性相关； 0|r|1表示存在不同程度线性相关： |r| 0.4 为低度线性相关； 0.4≤ |r| ＜0.7为显著性线性相关； 0.7≤|r| ＜1.0为高度显著性线性相关。 是相关系数的平方，用 表示；用来衡量回归方程对y的解释程度。 判定系数取值范围： 越接近于1，表明x与y之间的相关性越强； 越接近于0，表明两个变量之间几乎没有直线相关关系. 判定系数 判定系数与相关系数的关系 种类 1.按照表现形式不同分为 2.按照变化方向不同分为 直线相关 曲线相关 负相关 正相关 相关分析的种类 　回归分析的种类 一元回归 （简单回归）