第十五讲,营销调研中的预测分析
预测的定义
二元回归分析
多元回归分析
历史数据的序列分析
教学指南
学习目标
—— 理解预测的基本概念
—— 学习如何在营销调研中应用回
归分析
—— 了解如何用时间序列分析描述
一个历史模型
—— 了解指数据平滑法的使用
预测 —— 是根据过去的经验和先
前的观察作出的对将要发生的事件
的描述
两种常用的预测方法
推测 模型预测
一、预测的定义
如何判断预测的准确性
残差分析
比较预测值与实际值的大小
二元回归分析的基本过程
计算截距和斜率
视窗 SPSS的二元回归应用举例
二、二元回归分析
二元回归分析的基本过程
自变量与因变量
计算截距与斜率
直线的 截距 —— 是指直线 y=kx+b,
与 y轴的交点是 (o,b),与 x轴的交
点是 线在 x轴上的 截距,叫做横 截
距,即直线与 y轴的交点的纵坐标
叫做纵 截距,直线与 x轴的交点的
横坐标叫做横 截距,
直线的斜率 ——
最小二乘法
线性模型 y=a+bx 要满足条件：
最小2)(
ii
yyQ ?
?
??
估计值与实际值之差的平方和最小，
利用极值原理，求偏导可得参数公式
参数 a,b的计算公式
a,b 的计算公式
xbya
xnx
xynxy
b
bxay
2
2
??
?
?
?
??
?
?
?
参数 a,b的经济含义
参数 a是直线回归方程的截距。
是自变量为 0时 Y的值。
参数 b是直线回归方程的斜率；
经济意义是当自变量增长 1个单
位时,Y的平均增长量。
用 EXCEL求回归参数
1、将 X,Y的观察值输入 XCEL表
2、在, 插入, 栏, 函数, 中选
,统计,
3、选 SLOPE求 b
4、选 INTERCEPT求 a。
4、参数 a=46.1
5、参数 b=13.56
回归举例求参数 a,b
用 EXCEL求回归参数 (1)
用 EXCEL求回归参数 (2)
将 X,Y的观察值输入 EXCEL中
在, 工具, 栏, 数据分析, 中选
,回归,
在数据区中选 X,Y的区域。
参数 a= 46.1
参数 b= 13.56
回归举例
视窗 SPSS的二元回归输出
操作命令序列
首先使用 SPSS的 STATISTICS-
ANALYZE-REGRESSIONS-LINE
然后在输入自变量和因变量并
在 STATISTICS, PLOTS, SAVE 和
OPTIONS 序列中作出选择，
最后输出结果。
截距和斜率的统计显著性测试
统计显著性检验 —— 指计
算出的截距和计算出的斜率相对
于 O（零假设）是否有显著区别,
简单地计算 a和 b 的值，对回
归分析来说是不够的，对这两个
值必须进行统计显著性检验。计
算出的截距和斜率是对总体参数
真截距和真斜率。
预测和计算误差
二元回归分析结果的真正优点
是：使营销调研人员能得到通过分
布图上点的回归直线，并且能估计
自变量在某一水平上的因变量值。
回归分析给出了估计值的标准
误差，以确定回归预测的准确性。
回归分析的假设条件之一就是
假设离散均匀地分布在回归线两侧，
呈正态分布。
回归分析的两个注意点
正确理解回归的概念 —— 回归
分析中不允许营销调研人员有
因果或相互影响关系的概念。
不要用回归分析法对建立模型
所采样范围之外的值进行预测
多元回归分析的基本假设
如何运用视窗 SPSS
进行多元回归分析
三、多元回归分析
运用 EXCLE 进行多元回归分析
第一步
第二步
第三步
多元回归分析的特殊应用
使用名义自变量
用归一化的 系数比较
自变量的重要性
把多元回归用作筛选器
?
使用名义自变量
用归一化的 系数比较自变量的重要性
?
把多元回归用作筛选器
通过多元回归分析，可以挑选出那
些对某个因变量具有统计显著性的
自变量。
帮助研究人员找出究竟是什么因素
在影响着因变量
SPSS提供了特殊回归分析过程。逐
步回归就是计算机先挑出方差最大
的自变量，把它先输入回归等式，
然后，依次将方差大的输入等式，
直到研究人员找到要剔除的点为止。
四、历史数据的序列分析
趋势
时间序列分析
用视窗 SPSS的指数平滑法预测
周期
用视窗 SPSS进行季节性分析
科晨公司销售预测
趋势
时间序列分析
用视窗 SPSS的指数平滑法预测
周期
用视窗 SPSS进行季节性分析
案例：科晨公司销售预测
第一步
第二步
第三步
第四步
第五步
第六步
本章提要
建立模型和推断是营销调研人员的两个选择
营销调研者用时间序列分析进行预测时，可用两
种方法，即：线性拟合趋势分析和指数平滑法
营销调研者运用回归分析进行预测的基础是
假设变量间存在线性关系。指数平滑法
季节指数在对因季节变动较大的企业进行预
测时，很有用。
返回
思考与练习题
教材中第 488-489
页的 3,6,9和 10
题
预测的定义
二元回归分析
多元回归分析
历史数据的序列分析
教学指南
学习目标
—— 理解预测的基本概念
—— 学习如何在营销调研中应用回
归分析
—— 了解如何用时间序列分析描述
一个历史模型
—— 了解指数据平滑法的使用
预测 —— 是根据过去的经验和先
前的观察作出的对将要发生的事件
的描述
两种常用的预测方法
推测 模型预测
一、预测的定义
如何判断预测的准确性
残差分析
比较预测值与实际值的大小
二元回归分析的基本过程
计算截距和斜率
视窗 SPSS的二元回归应用举例
二、二元回归分析
二元回归分析的基本过程
自变量与因变量
计算截距与斜率
直线的 截距 —— 是指直线 y=kx+b,
与 y轴的交点是 (o,b),与 x轴的交
点是 线在 x轴上的 截距,叫做横 截
距,即直线与 y轴的交点的纵坐标
叫做纵 截距,直线与 x轴的交点的
横坐标叫做横 截距,
直线的斜率 ——
最小二乘法
线性模型 y=a+bx 要满足条件：
最小2)(
ii
yyQ ?
?
??
估计值与实际值之差的平方和最小，
利用极值原理，求偏导可得参数公式
参数 a,b的计算公式
a,b 的计算公式
xbya
xnx
xynxy
b
bxay
2
2
??
?
?
?
??
?
?
?
参数 a,b的经济含义
参数 a是直线回归方程的截距。
是自变量为 0时 Y的值。
参数 b是直线回归方程的斜率；
经济意义是当自变量增长 1个单
位时,Y的平均增长量。
用 EXCEL求回归参数
1、将 X,Y的观察值输入 XCEL表
2、在, 插入, 栏, 函数, 中选
,统计,
3、选 SLOPE求 b
4、选 INTERCEPT求 a。
4、参数 a=46.1
5、参数 b=13.56
回归举例求参数 a,b
用 EXCEL求回归参数 (1)
用 EXCEL求回归参数 (2)
将 X,Y的观察值输入 EXCEL中
在, 工具, 栏, 数据分析, 中选
,回归,
在数据区中选 X,Y的区域。
参数 a= 46.1
参数 b= 13.56
回归举例
视窗 SPSS的二元回归输出
操作命令序列
首先使用 SPSS的 STATISTICS-
ANALYZE-REGRESSIONS-LINE
然后在输入自变量和因变量并
在 STATISTICS, PLOTS, SAVE 和
OPTIONS 序列中作出选择，
最后输出结果。
截距和斜率的统计显著性测试
统计显著性检验 —— 指计
算出的截距和计算出的斜率相对
于 O（零假设）是否有显著区别,
简单地计算 a和 b 的值，对回
归分析来说是不够的，对这两个
值必须进行统计显著性检验。计
算出的截距和斜率是对总体参数
真截距和真斜率。
预测和计算误差
二元回归分析结果的真正优点
是：使营销调研人员能得到通过分
布图上点的回归直线，并且能估计
自变量在某一水平上的因变量值。
回归分析给出了估计值的标准
误差，以确定回归预测的准确性。
回归分析的假设条件之一就是
假设离散均匀地分布在回归线两侧，
呈正态分布。
回归分析的两个注意点
正确理解回归的概念 —— 回归
分析中不允许营销调研人员有
因果或相互影响关系的概念。
不要用回归分析法对建立模型
所采样范围之外的值进行预测
多元回归分析的基本假设
如何运用视窗 SPSS
进行多元回归分析
三、多元回归分析
运用 EXCLE 进行多元回归分析
第一步
第二步
第三步
多元回归分析的特殊应用
使用名义自变量
用归一化的 系数比较
自变量的重要性
把多元回归用作筛选器
?
使用名义自变量
用归一化的 系数比较自变量的重要性
?
把多元回归用作筛选器
通过多元回归分析，可以挑选出那
些对某个因变量具有统计显著性的
自变量。
帮助研究人员找出究竟是什么因素
在影响着因变量
SPSS提供了特殊回归分析过程。逐
步回归就是计算机先挑出方差最大
的自变量，把它先输入回归等式，
然后，依次将方差大的输入等式，
直到研究人员找到要剔除的点为止。
四、历史数据的序列分析
趋势
时间序列分析
用视窗 SPSS的指数平滑法预测
周期
用视窗 SPSS进行季节性分析
科晨公司销售预测
趋势
时间序列分析
用视窗 SPSS的指数平滑法预测
周期
用视窗 SPSS进行季节性分析
案例：科晨公司销售预测
第一步
第二步
第三步
第四步
第五步
第六步
本章提要
建立模型和推断是营销调研人员的两个选择
营销调研者用时间序列分析进行预测时，可用两
种方法，即：线性拟合趋势分析和指数平滑法
营销调研者运用回归分析进行预测的基础是
假设变量间存在线性关系。指数平滑法
季节指数在对因季节变动较大的企业进行预
测时，很有用。
返回
思考与练习题
教材中第 488-489
页的 3,6,9和 10
题
