《管理定量分析：方法与技术（第三版）》课件 第6、7章 变量间关系研究：相关与回归分析、 时间序列分析.pptx

第6章变量间关系研究：相关与回归分析;引例;6.1相关分析;（二）相关关系;相关关系的种类;;变量间关系的密切程度一般用相关系数r衡量;6.2回归分析;;主讲人：刘兰剑;直线因斜率不同而不同;斜率;截距;;因此;;;;;回归方程的应用;拟合优度的测度;㈠估计标准误差;利用如下公式可以进行任意一点预测值的区间估计;㈡判定系数;㈢斜率的标准误差;巡逻车与车速关系问题的斜率t检验;巡逻车与车速关系问题回归系数的区间估计～;6.3线性回归的假定;假定1：对所有的X值，Y的预测值的误差服从均值为0的标准正态分布。;假定2无论X为何值，误差项的方差都为常数。;异方差的处理;假定3：误差相互独立。;;假定4：自变量和因变量都必须是定距变量。;一个例子;;计算回归方程并检验显著性;定类因变量回归的一个例子;;假定5：变量间关系是线性的。;对数关系;二次曲线关系;三次曲线关系;关键术语;

本章到此结束！

;管理定量分析长安大学：刘兰剑;引例;对一些与管理有关的变量的未来状态进行估计被称为预测(forcasting)。

依据数据进行预测的主要技术是时间序列分析(timeseriesanalysis)。

本章将介绍几种时间序列分析技术：

首先，介绍时间序列分析的一般原则；其次，介绍简单的时间序列线性回归模型；其后，介绍一种更为常见的对数回归模型；再次，介绍这些模型的预测能力；最后，讨论二元时间序列模型。;7.1时间序列简介;7.2时间序列分析方法;7.2.1没有波动的预测;步骤1：绘制数据的散点图。就业应被视为因变量，年份应被视为自变量，见图7-3。;;步骤5：利用线性回归估计时间与分析变量之间的关系。

为此，把第一年（2008）记为1，第二年记为2，依此类推。重新计数之后，得到如下数据集：;;步骤6利用回归方程，对今后5年的就业进行预测。

由于2021年相当于X的值等于14，因此2022年，即预测的第一年，其X值等于15。把15代入回归方程，得到：

;我们对望山市2022年就业的最好的估计是61640人。根据估计的标准误差，到均值的距离的修正项，以及自由度为12、置信度为90％的t值，我们可以得到这个估计值的90％置信区间：;对望山市2023年、2024年、2025年和2026年的就??预测如下：;7.2.2一种指数趋势的预测;年份;表7-4望山市2021-2026年计划支出;根据表7-3绘制的散点图见图7-4。;通过散点图可以发现，图中没有明显的短期波动，因此李先生假定不存在短期波动。利用线性回归，李先生估计了线性方程。为此，他把2008年转换为1，其后的年份依次类推（2021年为14）。他估计了如下的回归线：

;年份;如果把回归斜率转换为反对数(在本例中，0.0389的反对数为1.094)，再将反对数减去1，结果就是Y每年增长的百分比。

1.094-1.0=0.094或9.4％

望山市收入年增长率为9.4％。;年份;年份;年份;7.2.3一种有短期波动的预测;;;;7.2.4二元预测;案例;分析;表7-9未央区污水排放及房屋建设数据;预测;区间估计;年份;哪一年将超过500？;7.3联合时间序列;;;;关键术语;

本章到此结束！