回归分析预测法概要.pptxVIP

会计学 1 回归分析预测法概要 2 第八章 回归分析预测法 回归分析起源于生物学的研究。英国的著名生物学家达尔文在19世纪末，发现了一个非常有趣的现象，父亲身材高大的，其子也比较高大，父亲矮小的，其子也比较矮小。即父亲的身高与儿子的身高之间有密切的关系。在大量的研究资料中，又发现身高有一种向平均身高回归的倾向，这种身高倾向平均数的现象称为回归（Regression）。 第1页/共54页 3 经济学家经研究发现，生物界的这种现象，在经济领域中也存在这种现象，例如，证券市场的任何一支股票，无论是牛市或熊市股票的价格都向着平均价格回归。也正因为如此，回归分析在许多领域中都得到了广泛的应用，并且取得了很好的效果。 第2页/共54页 4 第一节 回归分析预测法的概述 回归分析预测法是在分析因变量与自变量之间的相互关系，建立变量间的数量关系近似表达的函数方程，并进行参数估计和显著性检验以后，应用回归方程式预测因变量变化的方法。 第3页/共54页 5 回归分析预测法是市场预测的基本方法，目前，这种方法发展的很成熟了，回归预测方法种类繁多，按回归方程的变量分，有一元、多元回归方程；按回归性质分有线性、非线性回归等。本章专门讨论一元和二元线性回归问题。 第4页/共54页 6 回归分析预测法的步骤 1、确定预测目标和影响因素 市场预测的目标是因变量，研究者可根据预测的目的来确定。例如，以未来5年小家电需求为目的的市场预测，它的因变量就是未来5年小家电的需求量。 第5页/共54页 7 2、进行相关性分析 对变量之间的相关关系进行分析。这一过程主要包括两个方面： ①确定变量之间关系，即确定变量之间是否存在不具有数值对应关系的确定依存关系。换句话说，当自变量的确定值为x，与其对应值为y。这是回归分析法预测的前提。 ②确定变量之间的相关密切程度，这是相关分析的主要目的和主要内容。 第6页/共54页 8 3、建立回归预测模型 就是依据变量之间的相关关系，用恰当的数学表达式表示出来。 4、回归方程模型检验 建立回归方程的目的是预测，但方程用于预测之前需要检验回归方程的拟合程度和回归参数的显著性，只有通过了有关的检验后，回归方程才可用于预测。常用的检验方法有相关系数r检验、F检验、t检验等。 第7页/共54页 9 5、预测 一是点预测，二是区间预测。 点预测：就是所求的预测值为一个数值。 区间预测：所求的预测值有一个数值范围。通常要用正态分布的原理估计其标准误差，求得预测值的置信区间[ŷ0-δ, ŷ0+δ]。 第8页/共54页 10 第二节 一元线性回归方程分析法 一、一元线性回归模型 （Element Linear Regression Model） 我们知道经济变量之间通常存在着各种各样的相互关系。例如，收入和消费；价格与需求量之间，都有一定的关系。就收入与消费的关系而言，一般来说，收入高，消费支出就高；就价格与需求而言，价格越高，需求量就越少。 第9页/共54页 11 年 份 人均收入（元）x 人均消费（元）y 年 份 人均收入（元）x 人均消费(元）y 1980 1981 1982 1983 480 510 545 590 420 450 490 530 1984 1985 1986 640 780 760 580 620 680 下面是1980年以来人平均收入和人平均消费支出的七组数据，见表 第10页/共54页 12 从表中可知，x和y呈现线性规律，设回归线性方程为： ŷi=a+bx (1) 由(1)可得到x和y之间的定量关系表示为： (2) 其中：(2)中： a 和b—回归系数 ；a—截距;b—斜率。 第11页/共54页 13 二 、回归参数估计 由一组观察值画出散点图，如图所示，这样的直线可画出很多条，而回归直线只有一条，因为只有回归直线最接近实际观察值。要拟合一条最理想的回归直线，就要确定a和b。确定a和b的方法有多种，其中应用最多的是最小二乘法。 第12页/共54页 14 第13页/共54页 15 （3） （4） （5） 设任意一个回归值ŷi实际观察yi 之间存在的误差为ei ，令 则有: 最小二乘法 第14页/共54页 16 （6） （7） 第15页/共54页 17 （8） 即由 ,求得的a, b称为最小二乘法. 由（6）、（7）解得a,b分别为： 第16页/共54页 18 三、回归方程的显著性检验 a和b求出之后，在理论上来说线性回归模型就应确定了，但在实际应用中，并非如此。由于在实践中，经常是资料不全，由（8）确定的a和b就会有所不同。因此，为了避免这种情况出现的过大误差，在允许误差