第四章——第四节行业分析的方法

（二）一元线性回归――分析一个自变量X与一个因变量Y之间线性关系的数学方程。


回归分析的前提：只有存在相关关系的指标变量才能进行回归分析，且相关程度越高，回归测定的结果越可靠。相关系数是判定回归效果的一个重要依据。


判定系数r2表明指标变量之间的依存程度，r2越大，表明依存度越大。


显著性检验：回归系数b的显著性检验和模型整体的F检验


一元线性回归方程的应用：


    ①描述两指标变量之间的数量依存关系；


    ②利用回归方程进行预测，把预报因子（即自变量X）代入回归方程可对预报量（即因变量Y）进行估计；


    ③利用回归方程进行统计控制，通过控制X的范围来实现指标Y统计控制的目标。


（三）时间数列（时间序列）――社会经济指标数值按时间顺序排列而形成的一种数列


时间数列的分类（按照指标变量的性质和数列形态不同）：


1、  随机性时间数列 (由随机变量组成)


2、  非随机性时间数列：


a、  平稳性时间数列 (由确定性变量构成)


b、  趋势性时间数列(各期数值逐期增加/减少,呈现发展变化趋势)


c、  季节性时间数列(按月统计各期数值,随季节变化而周期性波动)


自相关――时间数列前后各期数值之间的相关关系


自相关系数――相关关系程度的测定。自相关系数取值为-1～1，即|r k|≤1。


时间数列的判别准则：


    ①如果所有自相关系数都近似等于零，表明该时间数列属于随机性时间数列；


    ②如果r1比较大，r2、r3渐次减小，r4趋近于零，表明该时间数列是平稳性时间数列；


    ③如果r1最大，r2、r3等逐渐递减但不为零，表明该时间数列存在着某种趋势；


    ④如果一个数列的自相关系数出现周期性变化，每间隔若干个便有一个高峰，表明该时间数列是季节性时间数列。


最常用的三种时间数列预测方法：趋势外推法、移动平均法与指数平滑法