经济预测与决策（第二版）B05回归分析预测法.pptxVIP

第5章 回归分析预测法;5.1 回归分析法概述;回归分析预测法主要包含以下五个步骤： （１）确定影响预测目标变化的主要因素 （２）选择合理的预测模型，确定模型参数 （３）统计假设检验。与时间序列预测法不同，并非任何回归预测模型都能直接用于预测，只有通过统计假设检验后证明有效的回归预测模型才能应用于实际预测。 （4）应用模型进行实际预测 （5）检验预测结果的可靠性 ;5.2 一元线性回归预测法;5.2.1 一元线性回归预测法原理;误差平方和;【实例5-1】已知A产品2014年1～10月销售??与利润数据，详见表5-1;表5-2 计算表;偏差平方和，反映了n个y值的分散程度，也称总变差;可决系数R2 ——评价两个变量之间线性相关关系强弱的一个指标;对【实例5-1】;4．模型检验 检验模型是否与实际数据有很好的拟合度，能否进行预测，数据是否与其它因素有关。 常用方法有经济意义检验、t 检验和F检验。 （１）经济意义检验 模型中的参数符号有其特定的经济含义，通过实际经济现象就可以看出模型是否与实际相符。如【实例5-1】中，利润增加与销售量同向变动，即 b 应大于0 ；又由 a ＝－ 63.8，销售量为0时，亏损63.8元，即所谓非生产性销售，这与实际也是相符的，从而通过了经济意义检验。;（２）t 检验 用 t 统计量对回归系数b进行检验，其目的是检验变量 x 与变量 y 之间是否确实有关系，即x是否影响y 。;t检验的基本过程为：;（3）F检验 所谓F检验就是通过构造F统计量判断模型是否成立。F近似等于可解释变差与未解释变差之比，该比值越大越好。;在一元线性回归分析来说，R检验、t检验和F检验是等价的;5．预测 通过了检验后，即可进行预测。对【实例5-1】而言，假设从2009年销售额为60，则2009年的估计利润为;5.3 多元线性回归预测法;5.3.1 多元线性回归预测法原理;;;【实例5-2】已知B产品的需求量与个人收入及价格的关系，详见表5-7;?;?;3．模型检验 在多元线性回归分析中，为了检验模型的假设是否正确、引入的影响因素是否有效，需要对模型进行检验。常用的检验方法是R检验、t检验和F检验。 （１）经济意义检验 模型中的参数符号有其特定的经济含义，通过实际经济现象就可以看出模型是否与实际相符。对【实例5-2】而言，产品的需求量与收入同向变动，与价格反向变动，即b10,b20；因这与实际也是相符的，从而通过了经济意义检验。;（2）R检验;?;首先,计算F值。 对例5—2而言,F=41.4752。 其次,根据给定的检验水平α,查F分布表,求临界值Fα(1,n-2)。若FFα(1,n-2),则否定H0,认为x和y之间存在显著的线性统计关系;反之,x和y之间不存在线性统计关系。 对例5—2而言,F0.05(2,7)=4.7374F=41.4752 　　FINV(0.05,2,7)=4.7374 因此F检验通过。;（3）t 检验 以上R检验和t检验都是将所有自变量作为一个整体来检验它们与y的相关程度和解释能力，并没有说明每个自变量对y的影响。t检验可以判别每个自变量对y的影响。;?;?;4．多重共性分析 若两个解释变量之间存在者较强的相关，则认为回归分析中存在多重共线性。 一个多元回归模型 存在多重共线性关系，主要表现为矩阵X中存在相关的列。 多重共线性可能引起以下后果： （1）参数估计的精度较低； （2）回归参数的估计值对样本容量非常敏感，不稳定； （3）不能正确判断各解释变量对y的影响是否显著。 通过计算自变量之间的相关系数矩阵和经验直觉，来判断分析自变量之间是否存在多重共线性。;4．多重共性分析 消除多重共线性的常用方法： 方法1：消减变量 从一组高度相关、具有多重共线性的自变量中删除某个变量。例如将一组自变量中与因变量相关系数最小的一个自变量删除，重建回归预测方法。 方法2：改变变量的定义形式 定义新的自变量代替具有高度多重共线性的变量，或者通过加权平均等方法，将一组多重共线性的自变量合并为一个自变量。;?;5.4 非线性回归预测法;5.4.1 常见的非线性回归模型;（3）修正指数曲线;5.4.2 非线性回归模型求解的基本思路 对非线性模型，求解的基本思路是： （1）利用变量替代将非线性模型转化为线性模型； （2）利用线性回归方法求解； （3）反向转换得到非线性模型的系数； （4）进行预测。;以下举例说明如何将修正指数曲线转换为线性模型。 修正指数曲线为: 　　y=K+αeβxeε 将K移到左边后,等式两边取对数,得 　　ln(y-K)=lnα+βx+ε 令y=ln(y-K),α=lnα,得到转换后的线性模型: 　　y=α+βx+ε 对转换后的模型可应用线性回归技术求解。最后利用逆向转换可求得系数α