基于回归分析的销售模型.docVIP

1 ?基于回归分析的公司销售额模型 摘要本文讨论了利用全行业销售额预测公司销售额的线性回归问题。 对于问题一，根据1977-1981年公司销售额和行业销售额的分季度数据，利 用Mat lab软件画出散点图，并由此得知他们显然存在正相关，因此可采取线性 回归模型进行拟合； 对于问题二，首先，由公司销售额和行业销售额之间的正自相关性建立相应 的线性回归模型，利用Mat lab统计工具箱计算回归方程中的决定系数、F统计 量及各级参数和参数置信区间；其次，根据决定系数判断模型计算结果的可信度, 并将参数代入回归方程得到相应回归模型；最后，采用D-W检验法检验模型小 随机误差的自相关性。得出结论：该回归模型的随机误差存在正自相关性。 对于问题三，进一步建立消除随机误差自相关性后的回归模型，类比问题二, 利用Mat lab统计工具箱计算冋归方程屮的决定系数及各级参数，检验其随机误 差的自相关性，代入参数即得到消除自相关性后的回归模型。 考虑到全行业销售额与公司销售额之间的相互关联性，可进一步对模型进行 推广，预测下一年和季度的公司销售额。 关键词回归分析法；自相关性；D-W检验 一、问题重述 某公司欲用全行业销售额作自变量预测该公司销售额，下表为1977-1981年 公司销售额和行业销售额的分季度数据（单位：百万元）。回答如下问题： 问题一：根据数据画出公司销售额与全行业销售额的散点图，并观察用线性 冋归模型拟合是否合适； 问题二：建立公司廟售额对全行业销售额的回归模型，并用D-W检验诊断 随机误差项的自相关性； 问题三：建立消除了随机误差项自相关性后的回归模型。 表1公司销售额和全行业销售额季度数据表 年 季 t 公司 销售 额y 行业 销售 额兀 年 季 t 公司 销售 额y 行业 销售 额兀 1977 1 1 20. 96 127.3 3 11 24. 54 148.3 2 2 21.40 130.0 4 12 24. 30 146.4 3 3 21.96 132.7 1980 1 13 25. 00 150.2 4 4 21.52 129.4 2 14 25. 64 153. 1 1978 1 5 22. 39 135.0 3 15 26. 36 157.3 2 6 22. 70 137. 1 4 16 26. 98 160. 7 3 7 23. 48 141.2 1981 1 17 27. 52 164.2 4 8 23. 66 142.8 2 18 27. 78 165.6 1979 1 9 24. 10 145.5 3 19 28. 24 168.7 2 10 24.01 145.3 4 20 28. 78 171. 7 二、问题分析 全行业的销售额情况通常情况下能够用来预测公司的销售额。本文将根据 1977-1981年某公司及其全行业销售额数据解决如下问题： 对于问题一公司销售额与全行业销售额的散点图，根据所给数据，利用 mat lab软件画出图像，并判断其自相关性； 对于问题二公司及全行业销售额的回归模型，首先，本文将利用matlab统 计工具箱分别求解出回归方程屮的各级参数及参数置信区间，代入得到线性回归 模型；其次，画出其残差散点图，分析随机误差的口相关性；最后，采用D-W 检验法通过求解DW统计量并査阅其检验临界值诊断其随机误差项的自相关性 （［11）; 对于问题三消除随机误差自相关项的回归模型，利用matlab统计工具箱分 别求解冋归方程屮的各级参数及其置信区间,进一-步利用DW检验确定其自相关 性，代入数据得到相应的线性回归模型。 三、模型假设 1?假设所给数据均真实有效，具有统计价值； 2.假设公司销售额可由行业销售额推算，其他因素的影响较小; 四、符号说明 符号 符号含义 勺 残差 0。 回归系数1 卩\ 回归系数2 随机误差 a 置信水平 F 统计量值 P 相关系数 公司销售额 dL 检验临界值1 检验临界值2 全行业销售额 R2 凹归方程决定系数 P 与统计量对应的概率值 k 回归变量包括常数项的数冃 五、模型建立于求解 5. 1问题一： 根据题PI所给数据利用mat lab软件画出公司销售额与全行业销售额的散点 图如下图： A丿 卜 29 28 27 26 25 24 23 22 21 on O O O O O O O O @° O O O ?O 1 1 1 1 1 1 1 1 125 130 135 140 145 150 155 160 165 170 175 x 图1 y对X的散点图 由图像观察可以看岀，随着行业销售额的增加，公司销售额也随Z增加，且 两者具有很强的线性关系，因此可建立一元线性回归模型。 5.2问题二： 根据散点图可以看出随着行业销售额的增加，公司销售额增大，而且两者有 很强