一元回归分析.pdf

三三、、因因果果预预测测法法

1.一元回归分析

（1）假设预测对象（y）与主要影响因素（x）之间存在线关系，则：

y＝a＋bx＋e

（x，y）为（x，y）样本中的一组数据，因而也有：ii

y＝a＋bx＋eiii

其中：e为用a＋bx去估计y的值而产生的误差。iii

在实际预测中，e是无法预测的，忽略e后可得到预测对象y的估计值。ii

y＝a＋bx

n为样本数量；

xy分别为自变量x，因变量y的观察值（实际值）。

i，i

对于任何一个观察值x，都有拟合值（预测值）：i

y’＝a＋bxii

（2）相关检验（方差分析、相关检验、t检验）

对于一元线回归，这些检验效果是相同，因此，选择一项检验即可。

①方差分析

2

R的大小表明了y的变化可以用x来解释的百分比。

②相关系数检验

相关系数是描述两个变量之间的线相关关系的密切程度的数量指标，用R表示。

R的绝对值越接近1，表明其线关系越好；

在计算出R值后，可以查相关系数检验表。在自由度（n－2）和显著水平α（一般取α＝0.05）下，若R大于临界值，则变

量x和y之间的线关系成立；否则，两个变量不存在线关系。

③t检验

通常只检验参数b。

t服从t分布，通过查t分布表查得显著水平为α，自由度为n－2的数值t（α/2,n－2）。

b

若t的绝对值＞t，表明x和y之间的线假设合理；若t的绝对值≤t，则假设不合理。

bb

（3）点预测与区间预测

上述方法介绍的是如何进行点预测，当求出回归方程后，如果给定自变量x的未来值x后，即可求出：

0

y’＝a＋bx

00

现实中，预测的实际值总会与预测的预测值产生或大或小的偏移，那么以一定的概率1－α预测的y在y’附近变动的范围，

0

称为区间预测。

在小样本统计下（样本组数n＜30），

置信水平为100（1－α）%的预测区间为：

y’±t（α/2,n－2）S

00

t（α/2,n－2）可以查t检验表得出，一般取α＝0.05。

小案例一：

咨询人员最终采用回归分析法进行预测，预测结果是2015年B业务的产品市场需求为3000万台。

检验系数t（α/2,n－2）＝2.04，S＝140

0

（其中α＝0.025，n＝30）。

问题：3.根据市场需求预测结果，分析2015年B业务产品需求量的区间及其可能的概率。

『参考答案』

该产品需求量的预测区间

＝y’±t（α/2,n－2）S

00

＝3000±2.04×140

＝3000±285.6

即：2015年B业务产品需求量的预测区间在（2714.4，3285.6）内，其可能的概率为100（1-α）％

＝100（1-0.025）％

＝97.5％

【案例分析】

预测某地区2025年镀锌钢板需求量。2020年某地区镀锌钢板消费量为22.12万吨，其主要应用于家电业、轻工业和汽车工

业等行业，2011～2020年当地镀锌钢板消费量及同期第二产业产值如表5-4所示。按照该地区十四五”规划，十四五”期间地方

第二产业增长速度预计为7%。请用一元线回归方法预测2025年当地镀锌钢板的需求量。

表5-42011一2020年某地镀锌钢板消费量与第二产业产值

年份镀锌钢板消费量（万吨）第二产业产值（千亿元）

20117.501.681