回歸分析在市場預測中的應用.ppt

1、回歸分析在市場預測中的應用,回歸分析概述 案例分析北京住房需求量分析 案例分析重慶社會商品零售額預測 案例分析中國能源消費與GDP 案例分析江津市各產(chǎn)業(yè)增加值預測,1.變量間的關系：函數(shù)關系，相關關系（統(tǒng)計關系） 2.相關分析與回歸分析的比較 相關分析研究兩個變量聯(lián)系的方向和緊密程度，兩個變量是平等的，都是隨機變量。 回歸分析研究因變量與自變量之間的數(shù)量形式，要區(qū)別因果關系，因變量是隨機變量，自變量為非隨機變量。 3.回歸分析的分類 線性回歸與非線性回歸 一元回歸與多元回歸 4.回歸分析的思路和過程 建立模型(定性為主)、參數(shù)估計、參數(shù)檢驗、預測和控制,回歸分析概述,一元線性回歸,回歸方程參數(shù)

2、估計： 普通最小二乘法OLS：殘差平方和最小。 擬合優(yōu)度判斷： 因變量的實際觀測值與其樣本均值的離差，即總離差，可分解為兩部分，一是因變量的回歸理論值與其樣本均值的離差，它是能由回歸直線解釋的部分，稱為回歸變差；二是不能由回歸直線解釋的殘差。 SST（總離差平方和）=SSR（回歸平方和）+SSE（殘差平方和） 顯然，SSR在SST中占的比重越大，表明擬合程度越好。,一元線性回歸,案例分析2-1 城市化水平與經(jīng)濟發(fā)展水平關系研究 地區(qū)城市化水平與經(jīng)濟發(fā)展水平呈正相關，分析其數(shù)量關系。 1.散點圖和相關分析（直觀判斷二者是否聯(lián)系密切） 2.建立回歸模型和估計方程 3.用回歸分析工具進行詳細的回歸分

3、析 4.方程檢驗：經(jīng)濟準則檢驗、統(tǒng)計準則檢驗、計量準則檢驗 F檢驗和判定系數(shù)R2分析 重點：能夠解讀Excel或SPSS的回歸輸出結(jié)果,一元線性回歸,一元線性回歸,5.預測與控制 案例分析2-2 城市化水平與經(jīng)濟發(fā)展水平關系研究預測控制 預測：預計2001年人均GDP為25354元，預測城市化水平并分析可靠程度 預測公式： 預測區(qū)間： 控制：希望北京市城市化水平在7072之間，則經(jīng)濟發(fā)展水平應達到什么程度？ 反向運算，由y去測算x,一元線性回歸,可線性化的曲線回歸方程 指數(shù)、對數(shù)、冪函數(shù)、雙曲線、S型曲線 （1）換元法 （2）對數(shù)變換 對數(shù)線性模型 特別地，CD生產(chǎn)函數(shù),一元回歸認為因變量的變

4、化主要由該自變量引起，在很多時候是不合理的，而多元回歸顯得要客觀合理得多。 注意事項： 1.檢驗 F檢驗，方程整體顯著性檢驗 t檢驗，自變量的顯著性檢驗 2.多重共線性：多個自變量之間存在近似的線性關系。 將影響模型的估計結(jié)果，使得系數(shù)極不可靠，同時檢驗失效。 表現(xiàn)：如果理論上很重要的變量進不了模型，或者多個自變量的系數(shù)都不顯著，或者重要變量的系數(shù)極不合理，都有可能是模型中存在多重共線性。 解決方法：逐步回歸剔除掉部分變量 主成分回歸自變量比較多，難以剔除掉部分變量,多元線性回歸,案例分析1住房需求量分析 研究人員認為影響人均居住面積的因素有家庭收入、儲蓄、國內(nèi)生產(chǎn)總值、基本建設投資等指標，見

5、數(shù)據(jù)表。 重點：多元回歸模型中自變量的選擇、結(jié)果預測 要點：自變量的選擇和模型合理性判斷 (1)自變量由研究者定性決定，然后全部進入模型 (2)逐步回歸：根據(jù)顯著性逐漸引入對因變量影響顯著的自變量，直至引入的自變量對模型影響不再顯著為止。,案例分析,案例分析2重慶社會商品零售總額預測 重慶市社會商品零售總額反應商貿(mào)流通產(chǎn)業(yè)規(guī)模，預測到2010年其規(guī)模如何？ 影響因素分析：經(jīng)濟系統(tǒng)慣性，趨勢外推法 經(jīng)濟變量相關，GDP對其的影響 重點：多個模型的選擇 預測結(jié)果的評判 預測結(jié)果可行性分析,案例分析,案例分析,案例分析3中國能源消費與GDP的關系 根據(jù)1989-2003年資料，分析中國能源消費對GDP的影響？ 重點：經(jīng)濟系統(tǒng)影響因素分析，一元回歸的局限性分析 分析1一元回歸模型 對數(shù)線性模型， 特性：斜率系數(shù)含義是自變量變化1，因變量變化的絕對量。 結(jié)論：模型顯著， 能源消費量增加1， 則GDP平均增長596 億元。,案例分析,案例分析4江津市經(jīng)濟發(fā)展預測與相關要素