《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

《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

  1. 1、本文档共93页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

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!

文档评论(0)

lai + 关注
实名认证
内容提供者

精品资料

版权声明书
用户编号:7040145050000060

1亿VIP精品文档

相关文档