六西格玛数分析技术.ppt

* * * * * 3 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 若我们上面的预测方程不显著，但确实知道其中几个变量存在着一定的线性关系，我们也可以运用逐步回归的方法对变量进行分析处理 。 点击选择回归方法 点击弹出变量选择框如下: 逐步回归实现： 返回目录 方程中X1的回归系数及其t检验值、p值 可决系数 及 调整后的可决系数 回归方程常数项 点击OK 返回目录 9.7 多元非线性回归 多元非线性回归是一元非线性回归的多元扩展，其理论基础建立在多元回归与非线性回归的基础上。 在实际工作中，多元非线性回归的应用非常广泛，大多数生产函数和需求函数都需要用到多元非线性拟合。常用的有C—D生产函数、产品的需求弹性分析。 下面我们用需求弹性分析实例介绍此类模型的估计方法及结果处理解释。 x y 返回目录 案例分析： 例9－2：厂商想研究其产品销售量与居民月平均收入、商品价格之间的变化关系，现调查某城市有关此商品需求的数据如下： 年 次 1 2 3 4 5 6 7 8 9 10 销售量y(百件) 居民人均收入x2(百元) 单价x3(10元) 10 5 2 10 7 3 15 8 2 13 9 5 14 9 4 20 10 3 18 10 4 24 12 3 19 13 5 23 15 4 试根据数据建立销售量 y与居民人均收入 x2及商品单价 x3之间的关系。 返回目录 数据变换分析： 1.根据我们对经济规律的分析可知：产品销售量与居民人均收入、商品单价呈现幂函数形式的关系，即： 2.利用双对数变换法，同时加入随机误差项，可得以下线性回归函数： 3.这样我们就得到一般的多元线性回归模型，可以利用软件对其进行参数估计、检验，然后通过两个方程之间的关系，写出原方程的形式。 返回目录 数据的初步变换： 点击Calc——Calculator弹出如下对话框， 在Expression中输入变量变换公式， Store result in variable中输入新变量名称 点击OK 返回目录 原数据与新产生数据列: 原始数据: 原始数据与三次变量变换后的数据: 返回目录 对变换后的数据进行建模: 选择变换后的数据 进入回归对话框： 点击OK 返回目录 计算结果： 变换过的数据 产生的回归方程 根据两个方程间的变换关系，对产生的回归方程进行反对数变换，得变量间的回归方程如下： 返回目录 结果解释及预测分析： 由上式可知：居民收入的需求弹性约为1.16，而价格的需求弹性约为-0.4。也就是说，在其他情况不变的条件下，居民人均收入每增加1%会使此商品的需求增加1.16%，价格每提高1%会使此商品的需求减少0.4%。 若此时我们要预测居民人均收入为2200元，商品单价为50元时该商品的需求量y，只需将x2=22，x3=5代入方程即得： 返回目录 小组讨论与练习 1.思考多元回归分析方法能在你的企业起什么作用? 2.结合本行业的案例运用多元回归分析方法进行经济数据分析与预测。 3.思考自己企业的产品与那些因素有关，分别呈现一种怎样的相关关系? 返回目录 * * * * * * * * * * * * * * * * * * * * * 8.8 非线性回归简介 在许多场合，非线性回归函数比线性回归函数更能够正确地反映客观现象之间的相互关系。 非线性回归分析必须着重解决以下两个问题： 第一，如何确定非线性函数的具体形式。与线性回归分析的场合不同，非线性回归函数有多种多样的具体形式，需要根据所要研究的问题的性质并结合实际的样本观测值做出恰当的选择。 第二，如何估计函数中的参数。非线性回归分析最常用的方法仍然是最小二乘估计法，但需要根据函数的不同类型，作适当的处理。 返