世界市场行情分析方法1.ppt

联合国公布的战报： 美军伤亡26万左右 韩国军队伤亡114万左右 中国军队伤亡65万左右 北朝鲜军队伤亡40万左右 * * 回归分析预测法的种类 应用回归模型进行预测，有许多种类，根据不同的条件可作不同的分类。主要的分类有： （1）按自变量个数的多少：一元回归分析预测法；多元回归分析预测法。 （2）按回归模型是否线性：线性回归分析预测法；非线性回归分析预测法。 回归分析预测法的程序 应用回归分析法进行市场预测，应遵循一定的程序。 1.根据预测目标，筛选自变量 一般来说，明确预测的具体目标，也就确定了因变量。筛选自变量，首先应分析各自变量与因变量之间的相关关系，观察其相关关系的表现形式及密切程度。选用那些与因变量关系最为密切的自变量。 2.确定回归方程，建立预测模型 根据理论分析和相关分析，如果有几个重要因素同时对预测对象有影响作用，而且关系密切，可以确定用多元回归方程式；如果其中某一个是基本的，起决定作用的，而其他因素影响作用并不大或相关关系不密切，则可以确定用一元回归方程式进行预测。如果自变量和因变量之间的资料分布是线性趋势，可确定用直线回归方程；如果是曲线趋势，可确定用曲线回归方程。 3.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测定的结果。回归方程只有通过各种检验，且预测误差在研究问题所允许的范围内，才能将回归方程作为预测模型进行实际预测。否则，盲目用回归模型进行预测，其结果是不可靠的。 4.利用回归模型确定预测值，并对预测值做出置信区间的估计 如果预测对象与影响因素之间确实存在着显著的相关关系，那么过去和现在的资料规律能延续到未来。用回归方程计算出来的预测值，是一个具体的数，称为点估计。点估计值是一个平均数，实际值可能高于或低于它，还必须用一定的机率保证其置信区间的范围。区间预测值能更好地反映预测值的实际含义，更具实用价值。 1、一元线性回归预测及应用 一元线性回归预测法是利用一元线性回归模型从自变量去预测因变量的方法。 例如：某企业销售收入与投入促销费用之间的关系密切，过去10年的相关资料如表（下页）。若企业计划2006年、2007年促销费用分别投入1400万元和1600万元，预测该企业2006年、2007年的销售收入。 (1).绘制散点图，分析相关性 年份 促销费用 销售收入 1996 4 272 1997 5.2 304 1998 5.6 312 1999 6.4 328 2000 7.2 344 2001 8.2 364 2002 9.4 380 2003 10.4 404 2004 11.6 432 2005 12.8 452 某企业销售收入与促销费用资料 （单位：百万元） (2).求出a，b两参数，建立预测模型 =a+bX 将表中的数据代入公式： a=198.24 b=19.921 得到所求的一元线性回归方程为： =198.24+19.921X (3).对回归模型进行检验 模型检验就是利用各种统计检验方法，来检验模型可否解释预测对象变量之间的实际关系及模型对实际数据拟合的程度，进而说明模型能否用于预测的分析方法。 标准差检验。其计算公式为： 式中：n:观察期数；k:参数的个数，一元线性回归预测模型中有两个参数，k=2。 (4).利用回归模型进行预测 回归模型通过了各种检验，就可以作为预测模型进行预测。利用回归分析预测法进行预测时，必须具备自变量在预测期的值，通常将它作为求因变量时的已知条件。如本例中预测期企业的促销费用是可以通过企业的计划估算得到。 应用回归方程进行预测，有点预测和区间预测两种。 点预测 将预测期自变量X的值直接代入预测模型，得出因变量Y的对应值，并将其作为Y的点预测值。 在本例中，企业计划2006年、2007年促销费用分别投入1400万元和1500万元，将X2006=14（百万元）、X2007=16（百万元）代入回归方程： =198.24+19.921X 得2006年企业销售收入预测值： 2007年企业销售收入预测值： 区间预测 在实际工作中，预测对象的实际值不一定恰好就等于预测值。我们希望估计出一个范围，并知道实际值在此范围中的可靠程度，这个取值范围即为置信区间。 在经济领域的预测过程中，因外界的不可控因素存在较大的不确定性，故一般对置信区域的估计采用近似估计法，即利用预测点估计值 和回归分析的标准差Sy，做出下述不同置信度的结论： 预测值的置信度为68.27%的近似置信区域为 预测值的置信度为95