第十三章实用多元统计分析法.ppt

本章学习要点： 本章主要介绍相关分析和回归分析的概念\种类和相互关系,重点是要掌握回归分析的原理与方法、步骤，特别是能从实际出发解决一元线性回归的预测问题。 回归预测分类： 回归预测的一般程序： 最小二乘法求解回归系数： 最小二乘法求解回归系数： 统计检验： 置信区间： 当影响因素为时间时： 例题： 例题： 例题： 例题： 例题二： 例题二： 例题二： 二元线性回归： 二元线性回归： 例题： 例题： 例题： 例题： 多元线性回归： 多元线性回归： 可化为线性回归的非线性回归模型的形式： 可化为线性回归的非线性回归模型的形式： 可化为线性回归的非线性回归模型的形式： 可化为线性回归的非线性回归模型的形式： 可化为线性回归的非线性回归模型的形式： 可化为线性回归的非线性回归模型的形式： 例题一： 例题一： 例题二： 例题： 例题： 例题： 例题： 简单季节指数法： 例题： 例题： 例题： 例题： 例题二： 如果建立一元线性回归模型则预测方程为： 由此可见，在该例中用线性回归的效果远不如指数曲线回归效果好。线性回归对该问题不是合理的模型。 若该厂10月份产量为13吨，则可求得成本的预测值为： 对于呈现有规律的季节变化 的经济活动，用季节指数去修正其 他预测方法得出的预测结果，使其 更符合事物发展的客观规律。 13.6 季节指数调整法 是反映季节变化对销售量影响的一种简便方法，其实质就是计算各个季节的不同销售指数。 收集历年按季度（或月份）记录的历史统计资料； 计算出 n 年各相同季度的平均值 Ai； 计算出 n 年每一个季度的平均值 B ； 计算季节指数，Ci = Ai/B ； 利用季节指数，对预测值进行修正： yt=（a+bT）Ci i=1，2，3，4 某公司从1999年~2004年，每一年各季度的纺织品销售量见下表，试预测2005年各季度纺织品的销售量。 -- 0.95 0.73 0.95 1.38 季节指数Ci B=190 180 138 180 262 平均值Ai 4560 1080 830 1080 1570 Σ 1000 220 +23 160 +21 220 +19 400 +17 2004 850 200 +15 150 +13 200 +11 300 +9 2003 750 180 +7 140 +5 180 +3 250 +1 2002 700 170 -1 130 -3 170 -5 230 -7 2001 660 160 -9 130 -11 160 -13 210 -15 2000 600 150 -17 120 -19 150 -21 180 -23 1999 年销售量Σ 第四季度 第三季度 第二季度 第一季度 年份 某公司从1999年~2004年，每一年各季度的纺织品销售量见下表，试预测2005年各季度纺织品的销售量。 -- 0.95 0.73 0.95 1.38 季节指数Ci B=190 180 138 180 262 平均值Ai 4560 1080 830 1080 1570 Σ 1000 220 +23 160 +21 220 +19 400 +17 2004 850 200 +15 150 +13 200 +11 300 +9 2003 750 180 +7 140 +5 180 +3 250 +1 2002 700 170 -1 130 -3 170 -5 230 -7 2001 660 160 -9 130 -11 160 -13 210 -15 2000 600 150