市场调查与预测（第2版）课件：回归分析预测方法.pptxVIP

市场调查与预测;回归分析预测方法;11.1回归分析预测法概述;;所谓相关关系则是指现象之间确定存在的不确定的数量依存关系，即自变量取一个数值时，因变量必在存在与它对应的数值，但这个对应值是不确定的；自变量发生某种变化时，因变量也必然发生变化，但变化的程度是不确定的。

对于函数关系的依存关系，用一个函数表达式来描述。对于相关关系的数量依存关系，用相关关系分析和回归方程的方法加以研究，即用统计分析的方法来研究现象之间的数量相关关系，找出其发展变化规律的关系式。;11.1.2回归分析预测法的含义;11.1.3回归分析预测法的步骤;4、检验回归预测模型，计算预测误差

回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验，且预测误差较小，才能将作为预测模型进行预测。

5、计算并确定预测值

利用回归预测模型计算预测值，并对预测值进行综合分析，确定最后的预测值。

应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。;11.2一元线性回归预测方法

一元线性回归分析预测法，是根据自变量x和因变量Y的相关关系，建立x与Y的线性回归方程进行预测的方法。由于市场现象一般是受多种因素的影响，而并不是仅仅受一个因素的影响。所以应用一元线性回归分析预测法，必须对影响市场现象的多种因素做全面分析。只有当诸多的影响因素中，确实存在一个对因变量影响作用明显高于其他因素的变量，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测。;?;?;?;从上述定义可以看出，相关系数的取值范围为-1≤R≤l。相关系数为正值表示两变量之间为正相关；相关系数为负值表示两变量之间为负相关。相关系数的绝对值的大小表示相关程度的高低。

①当R＝0时，说明自变量x的变动对因变量y毫无影响，这种情况称为零相关或不相关，也就是自变量和因变量之间是相互独立的。

②当∣R∣＝1时，说明因变量y的变化完全是由自变量x的变化所引起，这种情况称为完全相关。这时自变量x与因变量y的关系已转化为函数关系。

③当0＜∣R∣＜1时，说明自变量x的变动对总变差有部分影响，这种情况称为普通相关。其中，R的绝对值越大，表示相关程度越高。一般情况下，当∣R∣≥0．7，可认为自变量x与因变量y之间高度相关；当∣R∣＜0.3，可认为自变量x与因变量y之间低度相关；当0.3≤∣R∣＜0.7时，可认为自变量x与因变量y之间中度相关。;?;11.2.4预测区间估计;?;11.2.5一元线性回归预测方法的应用

例11-1某地区2004～2015年国内生产总值（GDP）和固定资产投资额如表11-1所示。

;试建立回归模型并进行显著性检验。若2016年该省固定资产投资计划完成额为249亿元，当显著性水平α＝0.05时，请估计2016年国内生产总值的预测区间。

1、绘制散点图

设国内生产总值为y，固定资产投资完成额为x，绘制散点图，如图11-1所示。

;?;?;;;?;?;?;?;?;?;?;?;?;;11.3.4多元线性回归预测方法的应用

例11-2某地区2004～2015年的消费基金（y）、国民收入使用额（x2）和平均人口资料（x3）如表11-3所示。

;?;?;?;;?;?;?;表11-4DW检验计算表;?;