市场调查与预测实操-09数据分析子项目4回归与预测

市场调查与预测调查数据分析调查报告撰写调查工作开展顺序调查部门成立调查方案设计调查问卷设计实地调查实施新任务调查数据分析调查数据的统计处理与显示任务1调查数据的描述与分析任务2调查数据的趋势预测任务3学习目标1．知识目标：①了解时间数列的定义和分类；②了解相关关系及相关系数的含义；③了解一元线性方程的含义。2．能力目标：①能够根据具体问题，编制时间数列；②能够进行长期趋势分析和预测。3．素养目标：培养学生严谨细致的作风和团队合作精神调查数据预测与分析任务一编制时间数列任务一：编制时间数列时间数列是指某一现象在不同时间上的数值排列而成的统计数列，又称时间序列或动态序列。

构成：时间数列由现象所属时间和现象在不同时间上的数值两个基本要素构成。时间数列分类（数据表现形式不同）绝对数时间数列：由一系列绝对数按时间顺序排列而成的数列。相对数时间数列：由一系列相对数按时间顺序排列而成的数列。平均数时间数列：由一系列平均数按时间顺序排列而成的数列。所属时间总体范围计算口径经济内容一致性原则2010年北京某物流公司销售收入情况月份123456789101112销售收入5661849986107134160175189189172时间数列绝对数数列单位：万元时间数列相对数列2000-2008年北京物流业景气指数年份200020012002200320042005200620072008景气指数100105108106112114110120125单位：%时间数列平均数数列2010年北京某物流公司平均工资情况单位：元月份123456789101112工资460047005000520051005000490053005400555058006000任务一任务二时间数列进行长期趋势分析编制时间数列2010年北京某物流公司销售收入情况月份123456789101112销售收入5661849986107134160175189189172单位：万元预测2011年1月份的收入是多少？2月份的收入是多少？第一步绘制散点图，寻找时间数列分布规律；实施步骤图2010年北京某物流公司销售收入情况图2010年北京某物流公司销售收入情况第一步绘制散点图，寻找时间数列分布规律；实施步骤第二步方程拟合，建立预测模型；长期趋势预测模型第一步绘制散点图，寻找时间数列分布规律；实施步骤第二步方程拟合，建立预测模型；第三步代入数据，计算预测值。2011年1月份2011年2月份任务一任务二任务三编制时间数列时间数列进行长期趋势分析相关与回归分析一、相关关系社会经济中，任何事物的产生和变化，总是由一定的原因引起的，事物之间的关系可以分为确定性关系和非确定性关系。二、相关关系的类型按相关关系的性质，有正相关和负相关之分。正相关指具有相关关系的变量之间变动方向一致，即同增同减。负相关指具有相关关系的变量之间变动方向不一致，此增彼减。三、回归分析法又称为相关分析法，它借助数理统计中回归分析的理论和方法，确定预测目标（因变量）与影响因素（自变量）之间的依存关系，进行预测的定量分析方法。年度年配送量（万箱）地区人均GDP（元）200520062007200820092920326035203780418026000280003000031000360002005-2009年某物流公司配送量及本地区人均GDP情况如表所示：

表公司库存量与人均GDP统计表如果2010年人均GDP为40000元,请预测公司2010年的配送量。

例1．确定相关系数简捷公式年度地区人均GDP（元）年配送量（万箱）20052006200720082009260002800030000310003600029203260352037804180合计表

相关系数计算表

年度地区人均GDPx（元）年配送量y（万箱）200520062007200820092600028000300003100036000292032603520378041806760000007840000009000000009610000001296000000852640010627600123904001428840017472400759200009128000010560000117180000150480000合计15100017660461700000063305200540460000表相关系数计算表

=0.98相关系数的判断：0≤︱r︱≤1r绝对值越大，越靠近1，说明影响因素x与因变量y之间的相关关系越强；反之，r绝对值越小，越靠近0，说明x与y之间的相关关系越弱。一般标准：︱r︱≥0.8，x与y高度相关；0.5≤︱r︱＜0.8，x与y中度相关；0.3≤︱r︱＜0.5，x与y低度相关；︱r︱＜0.3，x与y没有线性相关关系2．建立回归预测模型其中：3.计算回归参数a、b==0.1255=-0.13×=-257.884.建立预测模型将a、b的直代入模型，得到一元线性回归预测模型

=a+bx=-257.88+0.1255x5.进行预测该地区2010年人均GDP达到40000元，则公司配送量预测值为：=-257.88+0.1255×40000=4762（万箱）Excel应用利用回归法预测配送量某物流公司的广告费支出和仓储配送