公司财务管理回归分析ppt课件

1、数学建模与数学实验数学建模与数学实验回归分析回归分析实验目的实验目的实验内容实验内容2、掌握用数学软件求解回归分析问题。、掌握用数学软件求解回归分析问题。1、直观了解回归分析根本内容。、直观了解回归分析根本内容。1 1、回归分析的根本实际。、回归分析的根本实际。3 3、实验作业。、实验作业。2、用数学软件求解回归分析问题。、用数学软件求解回归分析问题。回归分析回归分析数学模型及定义数学模型及定义*模型参数估计模型参数估计* *检验、预测与控制检验、预测与控制可线性化的一元非线可线性化的一元非线性回归曲线回归性回归曲线回归数学模型及定义数学模型及定义*模型参数估计模型参数估计*多元线性回归中的多

2、元线性回归中的检验与预测检验与预测逐渐回归分析逐渐回归分析一、数学模型一、数学模型例例1 测测16名成年女子的身高与腿长所得数据如下：名成年女子的身高与腿长所得数据如下：身高143145146147149150153154155156157158159160162164腿长8885889192939395969897969899100102以身高x为横坐标，以腿长y为纵坐标将这些数据点xI，yi在平面直角坐标系上标出.1401451501551601658486889092949698100102散点图xy10 一般地，称由xy10确定的模型为一一元元线线性性回回归归模模型型，记为 210,

3、0DExy固定的未知参数0、1称为回归系数，自变量 x 也称为回归变量.一元线性回归分析的主要义务是：1、用试验值（样本值）对0、1和作点估计；2、对回归系数0、1作假设检验； 3、在 x=0 x处对 y 作预测，对 y 作区间估计.xY10，称为 y 对对 x的的回回归归直直线线方方程程.前往前往二、模型参数估计二、模型参数估计1、回归系数的最小二乘估计、回归系数的最小二乘估计有 n 组独立观测值， （x1，y1） ， （x2，y2） ， （xn，yn） 设 相互独立且，niiiiDEnixy., , 0,.,2 , 1,21210 记 niiiniixyQQ12101210),(最小二乘法

4、最小二乘法就是选择0和1的估计0，1使得 ),(min),(10,1010QQ22110 xxyxxyxy解得 其中niiniiynyxnx111,1，niiiniiyxnxyxnx11221,1.（经经验验）回回归归方方程程为为: )(110 xxyxy 或 niiniiixxyyxx12112、2的的无无偏偏估估计计记 niniiiiieyyxyQQ11221010)(),(称 Qe为残残差差平平方方和和或剩剩余余平平方方和和. 2的的无无偏偏估估计计为 )2(2nQee称2e为剩剩余余方方差差（残残差差的的方方差差） ， 2e分别与0、1独立 。 e称为剩剩余余标标准准差差.前往前往三、

5、检验、预测与控制三、检验、预测与控制1、回归方程的显著性检验、回归方程的显著性检验 对回归方程xY10的显著性检验，归结为对假设 0:; 0:1110HH进行检验.假设0:10H被拒绝，则回归显著，认为 y 与 x存在线性关系，所求的线性回归方程有意义；否则回归不显著，y 与 x 的关系不能用一元线性回归模型来描述，所得的回归方程也无意义.F检验法检验法 当0H成立时， )2/( nQUFeF（1，n-2）其中 niiyyU12（回回归归平平方方和和）故 F)2, 1 (1nF，拒绝0H，否则就接受0H. t检验法检验法niiniixxxnxxxL12212)(其中当0H成立时，exxLT1t

6、（n-2）故)2(21ntT，拒绝0H，否则就接受0H.r检验法检验法当|r| r1-时，拒绝 H0；否则就接受 H0.记 niniiiniiiyyxxyyxxr11221)()()(其中2, 121111nFnr2、回归系数的置信区间、回归系数的置信区间0和和1置信水平为置信水平为 1-的置信区间分别为的置信区间分别为 xxexxeLxnntLxnnt221022101)2(,1)2(和 xxexxeLntLnt/)2(,/)2(2112112的的置置信信水水平平为为 1-的的置置信信区区间间为为 )2(,)2(22221nQnQee3、预测与控制、预测与控制1预测预测用 y0的回归值010

7、0 xy作为 y0的的预预测测值值.0y的置信水平为1的预测区间预测区间为 )(),(0000 xyxy其中xxeLxxnntx2021011)2()( 特 别 ， 当 n 很 大 且 x0在x附 近 取 值 时 ,y 的 置 信 水 平 为1的 预预 测测 区区 间间 近近 似似 为为 2121,uyuyee2控制控制要求：xy10的值以1的概率落在指定区间yy ,只要控制 x 满足以下两个不等式 yxyyxy )(,)(要求)(2xyy .若yxyyxy )(,)(分别有解x和x ，即yxyyxy )(,)(. 则xx ,就是所求的 x 的控制区间.前往前往四、可线性化的一元非线性回归四、

8、可线性化的一元非线性回归 曲线回归曲线回归例例2 出钢时所用的盛钢水的钢包，由于钢水对耐火资料的侵蚀，出钢时所用的盛钢水的钢包，由于钢水对耐火资料的侵蚀， 容积不断增大容积不断增大.我们希望知道运用次数与增大的容积之间的关我们希望知道运用次数与增大的容积之间的关 系系.对一钢包作实验，测得的数据列于下表：对一钢包作实验，测得的数据列于下表：使用次数增大容积使用次数增大容积234567896.428.209.589.509.7010.009.939.991011121314151610.4910.5910.6010.8010.6010.9010.7624681012141666.577.588.

9、599.51010.511散点图此即非线性回归或曲线回归 问题需求配曲线问题需求配曲线配曲线的普通方法是：配曲线的普通方法是：先对两个变量 x 和 y 作 n 次试验观察得niyxii,.,2 , 1),(画出散点图，根据散点图确定须配曲线的类型.然后由 n 对试验数据确定每一类曲线的未知参数 a 和 b.采用的方法是通过变量代换把非线性回归化成线性回归，即采用非线性回归线性化的方法.通常选择的六类曲线如下：（1）双双曲曲线线xbay1（2）幂幂函函数数曲曲线线y=abx, 其中 x0,a0（3）指指数数曲曲线线 y=abxe其中参数 a0.（4）倒倒指指数数曲曲线线 y=axbe/其中 a0

10、，（5）对对数数曲曲线线 y=a+blogx,x0（6）S 型型曲曲线线xbeay1前往前往解例2.由散点图我们选配倒指数曲线y=axbe/根据线性化方法，算得4587. 2,1107. 1Ab由此 6789.11Aea最后得 xey1107. 16789.11一、数学模型及定义一、数学模型及定义一般称 nICOVEXY2),(, 0)( 为高斯马尔柯夫线性模型(k k 元线性回归模型元线性回归模型)，并简记为),(2nIXY nyyY.1，nknnkkxxxxxxxxxX.1.1.1212222111211，k.10，n.21kkxxy.110称为回回归归平平面面方方程程. 前往前往线性模型

11、),(2nIXY考虑的主要问题是： （1）用试验值（样本值）对未知参数和2作点估计和假设检验，从而建立 y 与kxxx,.,21之间的数量关系； （2）在,.,0022011kkxxxxxx处对 y 的值作预测与控制，即对 y 作区间估计. 二、模型参数估计二、模型参数估计1、对、对i和和2作估计作估计用最小二乘法求k,.,0的估计量：作离差平方和 niikkiixxyQ12110.选择k,.,0使 Q 达到最小。解得估计值 YXXXTT1 得到的i代入回归平面方程得： kkxxy.110称为经经验验回回归归平平面面方方程程.i称为经经验验回回归归系系数数.注注意意 ：服从 p+1 维正态分

12、布，且为的无偏估 计，协方差阵为C2. C=L-1=(cij), L=XX2、 多多 项项 式式 回回 归归设变量 x、Y 的回归模型为 ppxxxY.2210其中 p 是已知的，), 2 , 1(pii是未知参数，服从正态分布), 0(2N. 令iixx ，i=1，2，k 多项式回归模型变为多元线性回归模型.前往前往 kkxxxY.2210称为回回归归多多项项式式.上面的回归模型称为多多项项式式回回归归.三、多元线性回归中的检验与预测三、多元线性回归中的检验与预测1、线线性性模模型型和和回回归归系系数数的的检检验验假设 0.:100kH F检验法检验法r检验法检验法定义eyyQUULUR为

13、y 与 x1,x2,.,xk的多多元元相相关关系系数数或复复相相关关系系数数。由于2211RRkknF，故用 F 和用 R检验是等效的。当 H0成立时，)1,()1/(/knkFknQkUFe如果 F F1-（k，n-k-1） ，则拒绝 H0，认为 y 与 x1, xk之间显著地有线性关系；否则就接受 H0，认为 y 与 x1, xk之间线性关系不显著.其中 niiyyU12（回回归归平平方方和和） niiieyyQ12)(残差平方和2、预测、预测1点预测点预测求出回归方程kkxxy.110，对于给定自变量的值kxx ,.,*1，用*110*.kkxxy来预测*110.kkxxy.称* y为*

14、y的点预测.2区间预测区间预测y 的1的预测区间（置信）区间为),(21yy,其中) 1(1) 1(12/10022/1001kntxxcyykntxxcyykikjjiijekikjjiijeC=L-1=(cij), L=XX1knQee前往前往四、逐渐回归分析四、逐渐回归分析4“有进有出的逐渐回归分析。1从一切能够的因子变量组合的回归方程中选择最优者；2从包含全部变量的回归方程中逐次剔除不显著因子；3从一个变量开场，把变量逐个引入方程；选择“最优的回归方程有以下几种方法： “最优的回归方程就是包含一切对Y有影响的变量, 而不包含对Y影响不显著的变量回归方程。 以第四种方法，即逐渐回归分析法

15、在挑选变量方面较为理想. 这个过程反复进展，直至既无不显著的变量从回归方程中剔除，又无显著变量可引入回归方程时为止。逐渐回归分析法的思想：逐渐回归分析法的思想： 从一个自变量开场，视自变量Y作用的显著程度，从大到地依次逐个引入回归方程。 当引入的自变量由于后面变量的引入而变得不显著时，要将其剔除掉。 引入一个自变量或从回归方程中剔除一个自变量，为逐渐回归的一步。 对于每一步都要进展Y值检验，以确保每次引入新的显著性变量前回归方程中只包含对Y作用显著的变量。前往前往1、多元线性回归、多元线性回归2、多项式回归、多项式回归3、非线性回归、非线性回归4、逐渐回归、逐渐回归前往前往多元线性回归多元线性

16、回归 b=regress( Y, X )npnnppxxxxxxxxxX.1.1.1212222111211nYYYY.21pb.101、确定回归系数的点估计值：、确定回归系数的点估计值：ppxxy.110对一元线性回归，取 p=1 即可3、画出残差及其置信区间：、画出残差及其置信区间： rcoplotr，rint2、求回归系数的点估计和区间估计、并检验回归模型：、求回归系数的点估计和区间估计、并检验回归模型： b, bint,r,rint,stats=regress(Y,X,alpha)回归系数的区间估计残差用于检验回归模型的统计量，有三个数值：相关系数r2、F值、与F对应的概率p置信区间

17、显著性程度缺省时为0.05 相关系数 r2越接近 1，说明回归方程越显著； F F1-（k，n-k-1）时拒绝 H0，F 越大，说明回归方程越显著； 与 F 对应的概率 p时拒绝 H0，回归模型成立.例例1 解：解：1、输入数据：、输入数据： x=143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164; X=ones(16,1) x; Y=88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102;2、回归分析及检验：、回归分析及检验： b,bint,r,rint,stats=reg

18、ress(Y,X) b,bint,stats得结果：b = bint = -16.0730 -33.7071 1.5612 0.7194 0.6047 0.8340 stats = 0.9282 180.9531 0.0000即7194. 0,073.1610；0的置信区间为-33.7017，1.5612, 1的置信区间为0.6047,0.834;r2=0.9282, F=180.9531, p=0.0000p0.05, 可知回归模型 y=-16.073+0.7194x 成立.To MATLAB(liti11)3、残差分析，作残差图：、残差分析，作残差图： rcoplot(r,rint) 从残

19、差图可以看出，除第二个数据外，其他数据的残差离零点均较近，且残差的置信区间均包含零点，这阐明回归模型 y=-16.073+0.7194x能较好的符合原始数据，而第二个数据可视为异常点. 4、预测及作图：、预测及作图：z=b(1)+b(2)*x plot(x,Y,k+,x,z,r)246810121416-5-4-3-2-101234Residual Case Order PlotResidualsCase Number前往前往To MATLAB(liti12)多多 项项 式式 回回 归归 一一元多项式回归一一元多项式回归 1确定多项式系数的命令：确定多项式系数的命令：p，S=polyfitx，

20、y，m 其中 x=（x1，x2，xn） ，y=（y1，y2，yn） ；p=（a1，a2，am+1）是多项式y=a1xm+a2xm-1+amx+am+1的系数；S 是一个矩阵，用来估计预测误差.2一元多项式回归命令：一元多项式回归命令：polytoolx，y，m1、回归：、回归：y=a1xm+a2xm-1+amx+am+12、预测和预测误差估计：、预测和预测误差估计：1Y=polyvalp，x求polyfit所得的回归多项式在x处 的预 测值Y； 2Y，DELTA=polyconfp，x，S，alpha求polyfit所得 的回归多项式在x处的预测值Y及预测值的显著性为1- alpha的置信区间

21、Y DELTA；alpha缺省时为0.5. 例例 2 观测物体降落的距离s 与时间t 的关系，得到数据如下表，求s关于 t 的回归方程2ctbtas.t (s)1/302/303/304/305/306/307/30s (cm)11.8615.6720.6026.6933.7141.9351.13t (s)8/309/3010/3011/3012/3013/3014/30s (cm)61.4972.9085.4499.08113.77129.54146.48法一法一 直接作二次多项式回归：直接作二次多项式回归： t=1/30:1/30:14/30; s=11.86 15.67 20.60 26

22、.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48; p,S=polyfit(t,s,2)To MATLABliti211329. 98896.652946.4892tts得回归模型为 ：法二法二化为多元线性回归：化为多元线性回归：t=1/30:1/30:14/30;s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48;T=ones(14,1) t (t.2);b,bint,r,rint,s

23、tats=regress(s,T);b,statsTo MATLAB(liti22)22946.4898896.651329. 9tts得回归模型为 ：Y=polyconf(p,t,S) plot(t,s,k+,t,Y,r)预测及作图预测及作图To MATLAB(liti23)二多元二项式回归二多元二项式回归命令：rstoolx，y，model, alphanm矩阵显著性程度缺省时为0.05n维列向量由下列 4 个模型中选择 1 个（用字符串输入，缺省时为线性模型）： linear（线性）：mmxxy 110 purequadratic（纯二次）： njjjjmmxxxy12110 inter

24、action（交叉）： mkjkjjkmmxxxxy1110 quadratic（完全二次）： mkjkjjkmmxxxxy,1110 例例3 设某商品的需求量与消费者的平均收入、商品价钱的统计数设某商品的需求量与消费者的平均收入、商品价钱的统计数 据如下，建立回归模型，预测平均收入为据如下，建立回归模型，预测平均收入为1000、价钱为、价钱为6时时 的商品需求量的商品需求量.需求量10075807050659010011060收入10006001200500300400130011001300300价格5766875439选择纯二次模型，即 2222211122110 xxxxy法一法一 直

25、接用多元二项式回归：x1=1000 600 1200 500 300 400 1300 1100 1300 300;x2=5 7 6 6 8 7 5 4 3 9;y=100 75 80 70 50 65 90 100 110 60;x=x1 x2; rstool(x,y,purequadratic) 在画面左下方的下拉式菜单中选all, 那么beta、rmse和residuals都传送到Matlab任务区中.在左边图形下方的方框中输入1000，右边图形下方的方框中输入6。 那么画面左边的“Predicted Y下方的数据变为88.47981，即预测出平均收入为1000、价钱为6时的商品需求量为

26、88.4791.在Matlab任务区中输入命令： beta, rmse得结果：beta = 110.5313 0.1464 -26.5709 -0.0001 1.8475 rmse = 4.5362故回归模型为：2221218475. 10001. 05709.261464. 05313.110 xxxxy剩余标准差为 4.5362, 说明此回归模型的显著性较好.To MATLAB(liti31)X=ones(10,1) x1 x2 (x1.2) (x2.2);b,bint,r,rint,stats=regress(y,X);b,stats结果为: b = 110.5313 0.1464 -2

27、6.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005法二法二To MATLAB(liti32)前往前往 2222211122110 xxxxy将 化为多元线性回归：非线性回非线性回 归归 1确定回归系数的命令：确定回归系数的命令： beta，r，J=nlinfitx，y，model, beta02非线性回归命令：非线性回归命令：nlintoolx，y，model, beta0，alpha1、回归：、回归：残差Jacobian矩阵回归系数的初值是事先用m-文件定义的非线性函数估计出的回归系数输入数据x、y分别为 矩阵和n维列向量，对一元非线性回归

28、，x为n维列向量。mn2、预测和预测误差估计：、预测和预测误差估计：Y，DELTA=nlpredcimodel, x，beta，r，J求nlinfit 或nlintool所得的回归函数在x处的预测值Y及预测值的显著性为1-alpha的置信区间Y DELTA.例例 4 对第一节例对第一节例2，求解如下：，求解如下：1、对将要拟合的非线性模型 y=axbe/，建立 m-文件 volum.m 如下： function yhat=volum(beta,x) yhat=beta(1)*exp(beta(2)./x);2、输入数据： x=2:16; y=6.42 8.20 9.58 9.5 9.7 10

29、9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76; beta0=8 2;3、求回归系数： beta,r ,J=nlinfit(x,y,volum,beta0)； beta得结果：beta = 11.6036 -1.0641即得回归模型为：xey10641. 16036.11To MATLAB(liti41)4、预测及作图： YY,delta=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r)To MATLAB(liti42)例例5 财政收入预测问题：财政收入与国民收入、工业总产值、财政收入预测问

30、题：财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等要素有关。农业总产值、总人口、就业人口、固定资产投资等要素有关。下表列出了下表列出了1952-1981年的原始数据，试构造预测模型。年的原始数据，试构造预测模型。 解解 设国民收入、工业总产值、农业总产值、总人口、就业设国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资分别为人口、固定资产投资分别为x1、x2、x3、x4、x5、x6，财政，财政收入为收入为y，设变量之间的关系为：，设变量之间的关系为：y= ax1+bx2+cx3+dx4+ex5+fx6运用非线性回归方法求解。运用非线性回归方法求解。1

31、 对回归模型建立M文件model.m如下: function yy=model(beta0,X) a=beta0(1); b=beta0(2); c=beta0(3); d=beta0(4); e=beta0(5); f=beta0(6); x1=X(:,1); x2=X(:,2); x3=X(:,3); x4=X(:,4); x5=X(:,5); x6=X(:,6); yy=a*x1+b*x2+c*x3+d*x4+e*x5+f*x6; 2. 主程序主程序liti6.m如下如下:X=598.00 349.00 461.00 57482.00 20729.00 44.00 . 2927.00 6

32、862.00 1273.00 100072.0 43280.00 496.00;y=184.00 216.00 248.00 254.00 268.00 286.00 357.00 444.00 506.00 . 271.00 230.00 266.00 323.00 393.00 466.00 352.00 303.00 447.00 . 564.00 638.00 658.00 691.00 655.00 692.00 657.00 723.00 922.00 . 890.00 826.00 810.0;beta0=0.50 -0.03 -0.60 0.01 -0.02 0.35;beta

33、fit = nlinfit(X,y,model,beta0)To MATLAB(liti6 betafit = 0.5243 -0.0294 -0.6304 0.0112 -0.0230 0.3658即即y= 0.5243x1-0.0294x2-0.6304x3+0.0112x4-0.0230 x5+0.3658x6结果为结果为:返返 回回逐逐 步步 回回 归归逐渐回归的命令是： stepwisex，y，inmodel，alpha 运转stepwise命令时产生三个图形窗口：Stepwise Plot，Stepwise Table，Stepwise History. 在Stepwise Plo

34、t窗口，显示出各项的回归系数及其置信区间. Stepwise Table 窗口中列出了一个统计表，包括回归系数及其置信区间，以及模型的统计量剩余规范差RMSE、相关系数R-square、F值、与F对应的概率P.矩阵的列数的目的，给出初始模型中包括的子集缺省时设定为全部自变量显著性程度缺省时为0.5自变量数据, 阶矩阵mn因变量数据， 阶矩阵1n例例6 水泥凝固时放出的热量水泥凝固时放出的热量y与水泥中与水泥中4种化学成分种化学成分x1、x2、x3、 x4 有关，今测得一组数据如下，试用逐渐回归法确定一个有关，今测得一组数据如下，试用逐渐回归法确定一个 线性线性模模 型型. 序号12345678

35、910111213x17111117113122111110 x226295631525571315447406668x3615886917221842398x46052204733226442226341212y78.574.3104.387.695.9109.2102.772.593.1115.983.8113.3109.41、数据输入：、数据输入：x1=7 1 11 11 7 11 3 1 2 21 1 11 10;x2=26 29 56 31 52 55 71 31 54 47 40 66 68;x3=6 15 8 8 6 9 17 22 18 4 23 9 8;x4=60 52 20 47 33 22 6 44 22 26 34 12 12;y=78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4;x=x1 x2 x3 x4;2、逐渐回归：、逐渐回归：1先在初始模型中取全部自变量：先在初始模型中取全部自变量： stepwise(x,y)得图得图Stepwise Plot 和表和表Stepwise Table图图