多元回归与相关分析的软件运用.docxVIP

多元回归与相关分析的软件运用 1 小均方误差法拟合样本回归方程的计算 回归分析是对客观事物数量依赖性的分析。这是一种重要的统计分析方法，在研究社会和经济现象变量之间的影响因素和相关性方面得到了广泛应用。由于客观事物的联系错综复杂,经济现象的变化往往受到两个或多个因素的影响。为了全面揭示这种复杂的依存关系,准确地测定现象之间的数量变动,提高预测和控制的准确度,就要建立多元回归模型进入深入、系统的分析。 多元回归模型的一般形式为: Y?=a+b1X1+b2X2+?+bKXKY^=a+b1X1+b2X2+?+bΚXΚ 其中Y是因变量,X1,X2,…,XK是K个自变量,a,b1,b2.…,bK是回归方程的参数。 我们对n组测定的样本资料(yi,,xi2,…,Xik) (i=1,2,…,n.)采用最小均方误差法拟合样本回归方程,即要满足 M=Σ(yi?y?i)2=Σ(yi?a?b1xi1?b2xi2???bkxik)2=minΜ=Σ(yi-y^i)2=Σ(yi-a-b1xi1-b2xi2-?-bkxik)2=min 则需对上式的各未知参数求偏导数,并令其为零,可得到下面的标准方程组: Σyi=na+b1Σxi1+b2Σxi2+?+bkΣxikΣxi1yi=aΣxi1+b1Σx2i1+b2Σxi1xi2+?+bkΣxi1xikΣxi2yi=aΣxi2+b1Σxi1xi2x+b2Σx2i2+?+bkΣxi2xik????Σxikyi=aΣxik+b1Σxi1xik+b2Σxi2xik+?+bkΣx2ikΣyi=na+b1Σxi1+b2Σxi2+?+bkΣxikΣxi1yi=aΣxi1+b1Σxi12+b2Σxi1xi2+?+bkΣxi1xikΣxi2yi=aΣxi2+b1Σxi1xi2x+b2Σxi22+?+bkΣxi2xik????Σxikyi=aΣxik+b1Σxi1xik+b2Σxi2xik+?+bkΣxik2 利用样本资料解上述k+1元线性方程组,可得待定参数a、b1、b2、…、bk的估计值。 拟合上述样本回归方程的计算过程非常复杂,复杂的计算给多元回归分析方法的推广应用带来了困难。一些计算机软件包也可以解决回归分析的求解,但是数据的输入和软件操作运用要经过专门训练。Excel软件为回归分析的求解给出了非常方便的操作过程,而目前Excel软件几乎在每台计算机上都已经安装。 Excel是一个面向经营管理者的数据分析工具,它的主要优点就是具有对数据进行分析、计算、汇总的强大功能。除了众多的函数功能之外,Excel的高级数据分析工具则给出了更为深入、更为有用、针对性更强的各类经营分析功能。高级数据分析工具集中了Excel最精华、对经营分析最有用的部分,其分析工具集中在Excel主菜单中的“工具”子菜单内,“回归分析”便为其中之一。 Excel是以电子表格的方式来管理数据的,所有的输入、存取、提取、处理、统计、模型计算和图形分析都是围绕电子表格来进行。下文将对回归分析在电子表格上的计算操作,以案例的形式进行分析研究。 2 结果的统计与分析结果 [案例 1]某建住宅小区附近的家具商城,认为住宅销售户数和新婚对数这两个因素对家具销售额有明显的作用。为了确定该商城每季度家具的进货与销售,他们对全市各个小区家具店收集了下列的市场调查资料,如下Excel工作表(图2)所示。其中Y为季度家具销售额,x1为住宅房销售套数,x2是结婚对数。 这里要注意,对多元线性回归方程的求解,X区域需要依次连片点取输入。原始数据和计算结果一并如图2: 由图2“Coefficients”列可知:所拟合的样本回归方程: Y?=a+b1x1+b2x2=1.2888694+1.4975088x1+1.9987558x2Y^=a+b1x1+b2x2=1.2888694+1.4975088x1+1.9987558x2。其中:b1=1.4975表示当结婚人数保持不变时,入住户每多一户,家具销售额平均可增加1.4975万元;b2=1.9988表示:当入住数保持原值时,那么每增加一对新婚人数,家具销售额平均增加1.9988万元。 这样的分析计算数学模型尽管相当复杂,但通过电子工作表的操作和现成的“分析工具”计算,要获得结果是很容易的。分析结果对我们制定销售计划有很好的指导作用。如了解到近期20对夫妻新婚,150套现房出售,则本季度你可以安排Y=1.2889+1.4975*150+1.9988*20=265.8899万元的销售额,这便是利用回归方程进行的“内插”推断。 根据上表的数据,(二元线性回归方程的参数b1、b2分别位于上表的B18,B19单元格),我们可得出电脑销售量的二元线性回归方程为: Y?=a+b1x1+b2x2=1614.89+0.14749x1+1.23106x2Y^=