市場(chǎng)營(yíng)銷第六講某車企汽車年銷量預(yù)測(cè)案例-wenkub
2023-03-17 18:12:57 本頁(yè)面
【正文】 ——選擇個(gè)案 ② 選擇“如果條件滿足” ——如果 ——輸入“ year=1993” ③ 繼續(xù) ④ 輸出 ——?jiǎng)h除未選定個(gè)案 ⑤ 確定 ? 變量轉(zhuǎn)換： ① 轉(zhuǎn)換 ——計(jì)算變量 ② 目標(biāo)變量： time ③ 數(shù)字表達(dá)式： $casenum ④ 確定 2023/3/17 信息技術(shù)教學(xué)中心 9 線性回歸模型簡(jiǎn)介 ?2023/3/17 信息技術(shù)教學(xué)中心 10 回歸模型的適用條件 ?線性趨勢(shì)：自變量和因變量的關(guān)系是線性的，如果不是，則不能采用線性回歸來分析，可以通過散點(diǎn)圖來判斷。 ?正態(tài) 性：就自變量的任何一個(gè)線性組合，因變量 y均服從正態(tài)分布。如果模型的決定系數(shù)非常高，自相關(guān)趨勢(shì)非常弱，則問題影響不大，否則應(yīng)當(dāng)考慮使用自回歸模型來分析。 ① 殘差獨(dú)立性檢驗(yàn)：使用“統(tǒng)計(jì)量”子對(duì)話框中，選中“ DurbinWatson”統(tǒng)計(jì)量復(fù)選框，結(jié)果如下： 一般地，若自變量數(shù)少于 4個(gè)，統(tǒng)計(jì)量大于 2，基本上肯定殘差間相互獨(dú)立。本例需要預(yù)測(cè)區(qū)間和預(yù)測(cè)值，相應(yīng)的操作如下： ① 在數(shù)據(jù)集中新增三條記錄，變量 id分別等于 10,11,12 ② 重復(fù)執(zhí)行“回歸”對(duì)話框 ③ “保存”子 對(duì)話框，選中“未標(biāo)準(zhǔn)化預(yù)測(cè)值”、“單值預(yù)測(cè)區(qū)間”兩個(gè)復(fù)選框。如下： A. 依次 單擊“分析” ——“預(yù)測(cè)” ——“序列圖” B. 變量框：選 入 ERR_1~ERR_3 C. 時(shí)間軸標(biāo)簽框：選入 year D. 確定 2023/3/17 信息技術(shù)教學(xué)中心 29 模型的預(yù)測(cè) ?根據(jù)上面的討論，確定應(yīng)當(dāng)使用三次方模型進(jìn)行預(yù)測(cè)，并且預(yù)測(cè)的長(zhǎng)度在 3年以內(nèi)比較恰當(dāng)，為此采取和線性回歸相同的操作：在數(shù)據(jù)集中新增三條記錄， 變量 id分別等于10,11,12，然后再曲線擬合過程中操作 ① 依次單擊“分析” ——“回歸” ——“曲線估計(jì)” ② “因變量” 列表框： sales ③ “自變量” 列表框： time ④ 模型：立方 ⑤ “保存”子對(duì)話框 ⑥ “保存變量”：選中“預(yù)測(cè)值”和“預(yù)測(cè)區(qū)間” ⑦ 確定 2023/3/17 信息技術(shù)教學(xué)中心 30 利用非線性回歸進(jìn)行擬合 ?非線性回歸模型在 SPSS中可以采用 NLR和 CNLR兩個(gè)過程擬合，前者用于一般的非線性模型，后者用于帶約束條件的非線性模型擬合 2023/3/17 信息技術(shù)教學(xué)中心 31 構(gòu)建分段回歸模型 ?2023/3/17 信息技術(shù)教學(xué)中心 32 ?2023/3/17 信息技術(shù)教學(xué)中心 33 分析結(jié)果 2023/3/17 信息技術(shù)教學(xué)中心 34 不同模型效果比較 ?進(jìn)入“保存”子對(duì)話框 ?選中“預(yù)測(cè)值” ?確定 ?依次單擊“分析” ——“預(yù)測(cè)” ——“序列圖” ?“變量”列表框：選入三次方曲線的預(yù)測(cè)值 FIT_ LCL_1和 UCL_1,以及非線
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1