市场调查与预测第10章 因果分析预测法

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

6
1.F 检验 如前所述(图 10.2),总体变差 TSS等于由 回归直线解释了的部分 RSS与未被解释的变差 ESS之和,即 TSS =RSS +ESS,则 MS越大, ESS越小,回归直线与样本点拟合得越好。 2.可决系数 R² 和相关系数 R 的检验由于 TSS = RSS + ESS ,所以 1 =( RSS/TSS)+( ESS/TSS)。显然 ,RSS/TSS越大(即 ESS/TSS越小)越好,它越 大就说明回归直线与样本拟合得越好。 7
13
10.2.1 自变量的筛选 建立一个具有良好预测效果的多元回归方程, 必须慎重地筛选自变量。某个市场变量往往受到许 多因素(自变量)的不同程度影响,如果不加鉴别 ,把所有自变量选入回归模型,不但会加大工作量 ,而且会出现自变量之间高度线性相关的情况,以 致降低预测结果的准确性。 ①所选自变量必须对因变量有显著的影响;② 所选自变量应该具有完整的统计数据资料,而且自 变量本身的变动有一定的规律性,能够取得准确度 较高的预测值,难以定量的因素在多元回归方程中 一般不宜选入;
1
10.1 一元回归分析预测法 一元回归分析预测法又称简单回归预测法。它 是利用已有统计数据资料,建立起一个只含自变量 的回归方程,并以这个自变量的一个已知值代入方 程去预测该方程的因变量变动趋势的方法。 10.1.1 分析影响预测目标的相关因素,选定自 变量 预测目标确定以后,首先要依据相关的经济 理论和实践经验,在收集大量有关数据资料的基础 上,通过理论分析和统计分析,找出影响预测目标 发展方向和变化程度的各种因素。
饮料销售量(y)=a +b×气温(x)+e 借助历史数据,可以用回归分析估计回归系数,得 :a =58.5,b=4.87。 假设商贩还意识到这样一个问题,当比赛一边倒时 ,观众就会比往常喝得多一些,因为这时观众就有 时间注意到口渴,而不是把注意力集中在比赛场上 16 。
17
10.2.3 检验预测结果的可靠性 在建立多元回归方程以后,也需要进行统计检 验。一是检验因变量与多个自变量之间是否存在总 的线性相关,即进行回归方程的显著性检验。如可 决系 数 RZ 和 F 检验;二是分别判别每个自变量对因变 量影响的程度,也就是要对回归系数进行显著性检 验,如 t检验。
18
1.标准误差 正如简单回归的情况一样,标准误差是对 y值 与模型估计值之间的离差的一种度量。它是计算置 信区间估计值和其他拟合优度的度量的基础,其公 式同简单回归是一样的,即
19
20
2.可决系数 多元可决系数(R² )是由回归模型所解释的 y 值与其平均值的变差对总变差的百分比定义的,其 公式同第一节中所讨论的简单可决系数一样:
2
10.1.2 建立回归模型,进行参数计算 自变量确定以后,可以根据自变量与因变量的 历史数据,将自变量的数值与相应的因变量的数值 组成数对,将这一系列的数对放在坐标平面上形成 散点图,直观地判别其图像属于哪一种回归模型。
图 10.1 饮料销售量的图表分析
3
图 10.2
总变差的分解
4
5
10.1.3 检验预测结果的可靠性并做出评价 如前所述,回归直线是使平均平方离差最小化 的直线。标准误差是平均平方误差,或回归直线与 因变量值间的平均平方误差。 标准误差:
14
③所选的自变量与因变量之间具有较强的相关 性,具有经济意义和内在因果联系,而不是形式上 的相关; ④所选的自变量之间的相关程度不应高于自变 量与因变量之间的相关程度。应当尽可能避免自变 量之间高度线性相关以致发生多重共线性问题。
15
10.2.2 参数的求法 在本章第一节中,介绍了某饮料商贩利用气温 来预测体育场饮料的销售量, 其模型为
21
3.回归方程的显著性检验(F 检验) 可以用统计量 F 检验线性回归方程在整体上 是否显著成立。
22
4.回归系数的显著性检验 回归系数的显著性检验一般采用 t检验,逐个 检验回归系数的显著性。其实质是检验每个解释变 量 x对 y的影响是否显著,若某个 x对 y的影响显著 ,就应该将该解释变量 x从模型中剔除,重新建立 更为简单的回归模型或更换解释变量,以便提高预 测精度。
第10章 因果分析预测法
在市场预测的定量方法中,因果分析预测法 是与时间序列预测法不同的另一类预测方法。时 间序列法侧重从时间轴来考虑预测对象的变化和 发展,时间序列发展数学模型一般都是时间的函 数。而因果分析预测法是一类从分析事物变化的 因果联系入手,通过统计分析和建立数学模型揭 示预测目标与其他有关的经济变量之间的数量变 化关系,据此进行预测的方法,即把其相关因素 的变化看做“因”,把预测对象的变化看做“果 ”,建立因果之间的数学模型,并根据相关因素 的变化,推断预测对象的变动趋势。
2)自相关问题也会歪曲回归的效果。一元线 性回归模型 y= a + bx+ e的回归分析有一个假定, 即误差 e是一个正态随机变量,则 e中不含与线性 相关的因素。
10
图 10.3
自相关与非自相关图形
11
12
10.2 多元回归分析预测法 在 10.1节中,以一元线性回归为例,介绍了 用简单回归进行预测的基本原理与步骤,实际上一 元回归只不过是回归分析中的特例,是对客观经济 现象的高度抽象与简化。然而在复杂的经济现象中 ,某一个经济变量(Y)的主要影响因素(X)常 不止一个,而是多个。例如,消费总额和货币供应 量与国民生产总值等有关;某种商品的销售量不仅 与居民的收入水平有关,且与该商品的价格、替代 品的价格或互补品的价格以及储蓄金额等有关。这 类例子举不胜举,这就提出了多元线性回归问题。
很显然,回归分析的最终目的是为预测做准备 。但在运用回归分析进行预测之前,需要注意以下 事项: 1)搜集数据的问题。进行回归预测需要有因 变量和自变量的历史资料。 本章中的例子用了各变量的 10个观测值。这 是个很小的数目,如果看一下 t统计表就会发现: 当观测值个数增加时,预测的置0),主要是检验参数 b在 某一显著性水平 α 上是否显著为零。其实质是检验 x是否对 y有显著影响。 4. 置信区间 假定要选择一个置信范围,使每一个特定的 y 值落在该 y的置信区间的概率为 90% ,那么计算 近似置信区间的常用公式为
8
10.1.4 简单回归预测应注意的问题
相关文档
最新文档