SPSS预测模型在汽车市场分析中的应用

汽车配件市场研究信息

维普资讯 http://www.77cn.com.cn

河南理工大学学报 (社会科学版 ),第 7卷，第 3期，2 0 0 6年 8月J un l f e a oyeh i Un e i S c l c n e ) o ra o n nP ltc nc i r t o i i c,Vo.,N .,A g 2 0 H v s y( a S e s 1 7 o 3 u .06

SS P S预测模型在汽车市场分析中的应用刘严萍，何全秀(河南理T大学经济管理学院.河南焦作 4 4 0 ) 5 0 3

摘要：本文采用 S S P S软件中多元统计分析模块 R ges n对某汽车公司销售量进行了回归分析， e rsi o并进行了经济学检验、多元线性回归模型检验，即判定系数检验 ( R检验 )回归系数显著性检、验 (T检验)、回归方程显著性检验 (检验 )及准确度检验，结果得到的回归模型可用于对 F

汽车行业销售量的预测分析。

关键词：销售分析；回归模型；S S P S统计分析软件中图分类号：F7 3 5 1 .4文献标识码：A 文章编号：1 0—8 3 (0 6 30 0—4 0 93 9 2 0 )0—2 80

Th plc to ft PS e i to o e n t e Ca a ke e Ap i a i n o he S S Pr d c i n M d li h r M r tAna y i l ssL U Y n pn,H a—i I a—ig E Qunxu( col fE oo cMa ae n,Hea oyeh i f Sho cnmi o n gmet n nP lt nc【 w c .Jazo4 4 0, C ia i u 5 0 3 hn ) o

Ab ta t Th s a t l a o t Re r si n o t t t a P o u t n S r ie S l t n o d h n lss sr c: i r i e d p s g e so f S a i i l r d c i e v c o u i s t o t e a ay i c s c o o o h ae ou fs me c r c mp n; f rh r r, we h v o e t e e o o ti n l s, R— ft e s ls v l me o o a o a y u t e mo e a e d n h c n me rc a a y i s t s,T—e t et t s,F—e ta d t e a c r c e t B s ft e mo e i h r d c in a a y

i o h t s n h c u a y ts . y u e o h d lwe d d t e p e it n l s f t e o s s lsv l me i h a d s r . ae o u t e c ri u t y n n Ke r s s l n l s; mo e; S S y wo d: ae a ay i s s dl P S

一

、

问题提出

法，它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描

S S ( tt t a P c ae frS c lS i c ) P S Sai i l ak g o oi c ne sc a e

述和反映这种关系，帮助人们准确把握变量受其他一

是目前国际最流行并具有权威性的统计分析软件之一

个或多个变量影响的程度，进而为控制和预测提

,

利用 S S P S统计软件进行数据分析处理具有简

供科学依据。根据被解释变量与解释变量依存变化关系的不同，可分为三个方面-: 1 J第一，直线回归预测。其散点图呈现直线变化

单、方便、准确等特点。在 S S P S各种模块中，特别是回归分析模块应用于经济系统的某方面分析中能快速读取并分析大量数据，辨别出数据之间等方面的潜在联系。

规律，S S P S预测模型为：= 6 Y 0+6z。 1第二，曲线回归预测。其散点图呈现某种曲线变化规律，S S P S提供的曲线模型有：对数模型 Y: b十blx;二次模型 Y= b十 0 t n o b+b;三次模型 Y= b l 2 o十 b十 b十 l 2 b;L g t模型 Y= 1 (/ 3 oii sc/ 1 u十b b );指数 01

针对商场统计预测中常遇到的时间序列资料。

使用 S s P s回归分析功能模块，建立时间序列统计预测模型，并运用于汽车市场的统计预测分析。

二、S S P S回归分析模型等建立回归分析是一种应用极为广泛的数量分析方收稿日期：20 -92 0 50 -3

模型 Y= b e- o 。另外还有倒数模型、幂模型、复

合模型、S型模型、生长模型等。

作者简介：刘严萍 (9 9 ) 17一，女，河南汝南人，硕士研究生，从事现代管理理论研究。

汽车配件市场研究信息

维普资讯 http://www.77cn.com.cn

第3期

刘严萍等：S S P S预测模

型在汽车市场分析中的应用

29 0

第三，多元线性回归预测。若影响预测指标的因素 (解释变量 )不只一个，就应采用多元回归。 预钡模型为：= b+ b z+ 6 z+…+6, 4 Y 0 11 2 2,,。 z本文以某汽车销售公司 1 8—2 0 9 9 0 4年销售数§ g 8 怠 8 o l叠

田岛管岛

o争 g 8

据为资料，进行销售量预测分析。变量包括：被解释变量，y一售出新客车的数量 (千辆 )。解释变量，一新车， x】消费者价格指数；一所有 X2物品所有居民的消费者价格指数；一个人可支 X

善 善 善善Y x 2 x 3

. , ,

配收入 ( DI/ 0亿美元；X利率，融公司直 P )1一金接支付的票据利率；一城市就业劳动力(人 ) X千。表 1某汽车销售公司 18 - 2 0相关统计资料 9 9 0 4年

x 4

x s

图 1散点图

分别对 y, X1, X2, X3,X4, X5的值取对数，绘制散点图，可以看出存在着明显的线性关

系。用线性回归进行分析，用 S S P S软件中多元统计分析模块 R g es n理，所得结果见表 2 e rsi处 o。经对数函数拟合，回归方程为：I= 3. 5+ 3. 4X 1— 1 08 n 25 85 2. 3X2+7. 60 3 9 X—

0. 8 0 4X4+ 0. 2 2 9X5

从 t上可以看出，X4,不具有统计显著值 X5性，考虑多重共线性的可能性，检验多重共线性有多种不同的方法，但没有一种检验方法能够彻底解决多重共线性问题。虽然在高度多重共线性时，可

以估计单个回归系数，并且普通最小二乘估计量仍

保持最优线性无偏估计的性质，但与其系数值相数据来源：《业统计》当代商业概览》增刊，美国商业部。商，《

比，一个或者多个系数的标准差会很大，从而导致t变小。因此，根据估计的 t,系数并不显著值值

( )回归分析一通过散点图观察，自变量和被预测的变量不存在明显的线性关系 (图 1。见 )

不为零。也就无法估计那些 t较低的变量的边际值或者单个贡献。

表 2回归分析结果——回归系数

从表 3可以看出，有些相关系数很高，超过

0 8,可能存在较为严重的共线性。尽管相关系数 .

汽车配件市场研究信息

维普资讯 http://www.77cn.com.cn

20 1

河南理工大学学报 (会科学版)社

2 0第 7卷 06年

很高，并不表明需求函数中一定存在着共线性，只 是有可能性存在。下面做出相应辅助回归方程，对 每个解释变量与其他剩余解释变量进行回归。表 3解释变量两两相关系数

他变量保持不变时，所有物品所有居民的消费价格指数每上升 1个百分点，则 Y下降 1百分点。 3个

这两个变量之间负相关。

l(, 5= 5 7 9+4 14— 1 .8 X2 8 7 6 n 4 .6 .6 X1 2 93+ .2 X3 t= ( 2 5 ( .0 ) ( .2 ) ( 9 3 8.7 ) 3 4 0一8 O 3 6.6 )R2= 0. 5 84

表 4回归分析结果——辅助回归方程 ( ) 一l n义1=一1 .5 9 8 5— 4 2 4 .2 X2+2 1 2—0.6 X4 2 3 6 .2 X3 5 3+ .7 X5

x斜率系数为 8 76,表示在其他变量保持 .2不变时，个人可支配收入每增加 1百分点，y平个均增加 8个百分点。这两个变量之间正相关。

t= ( 112 ( 13 3 o 4 8 ( .7 ) ( .8 )一 .3 )一 .6 )( .9 )一2 o o 15 8R2 0. 9 74

l 2=一 3 . 0 n 9 0 6— 0. 8 X 1— 3. 8X3+ 0. 5 00 46 8 0X4— 4 0 8X￣ .2

t= ( oo o ( .6 ) ( 18 0 4 5 6 ( .8 )一 .6 )一3 2 3一 .4 )( .6 ) 4 o 9

到目前这个阶段，我们仅能够说估计的函数有经济意义。但是，估计参数的统计显著性如何？估计的回归方程拟合优度如何？仍需进一步检验。

l 3=一 2 1 5— 1. 3 n 7. 7 9 0X1— 4. 61 5 X2— 0. 71 5 X4+ 2 9 3X5 .2

t= ( .9 )( .5 ) ( .9 ) ( .9 ) ( .8 ) 1 13一2 7 1一3 83一3 o o 4 9 9

l X4= 7. 4+ 4. 8 X 1— 1 1 1 n 13 13 3. 3 X2+ 8. 7 X3— 0. 1 91 1 8X5

t= ( .3 ) ( .5 ) ( .4 )( .O ) ( 6 2一0 10 3 2 2一6 4 4 3 9 6 O.7 ).

表回~一 一¨~ ~一

m ~一五 ~ ~一R= 8 3 1 Rz= 0 8 4 5 R2= 0. 5 85,

R

0. 5 79

( )模型的检验三( )判定系数检验。判定系数 R接近于 1表 1

明，变量 y与因变量 X】,… X应 X2间的线性关系 X2…X^的线性关系程度不密切。间 见表 6、表 7,本模型判定系数 R为 0 9 5。 .2

l 5= 5. 5 n 8 9+ 4. 4Xl一 1 6 7X2+ 8 5 7X3— 0. 4 01 2. 4 .6 0 6X4

r= ( .5 ) ( .5 )( .1 ) ( .2 )( 7 26 2 8 8一59 0 5 9 2一0.5 ) Z 5

程度密切；接近于 0 R,表明应变量 y与因变量 X1

多重共线性是某一特定样本的特征，不是总体特征。此外，尽管存在着接近共线性，普通最d -￣- -

为减轻多重共线程度而进行模型修正，修正后的模型判定系数 R为 0 9 4,接近于 1 .2,表明：表 6回归分析拟合优度检验结果 ( ) 一￥ d. Dro t En f

乘估计量仍然保持最优线性无偏估计量的性质。当然，也存在着这样的情况：一个或多个回归系数统

计是不显著的，或者它们中的一些系数的符号是错误的】。因此，减少共线性的严重程度，与共线性检验一样，并不存在万无一失的补救措施，只有一

A sd￣u t eMo e dl R R S ae qH r R q a e S H r

te hEs i t t ma e

1

095a .2 ( )

085 .5

0 72 .8

0 0 58 .5 1

些经验的法则，从模型中删掉不重要的解释变比较结果，在拟合优度变化不大情况下，去掉

( o sat, C ntn) X5, 4’ X X1, x2, X3

量。表 7回归分析修正拟合优度检验结果 ( ) 二S d. r ro t Er o f

X4,两个变量后，值均有提高。模型选用： X5 tI= 5. 9+ 4. 6 n 76 1 4X 1— 1 98 X2+ 8. 2 2. 3 7 6X3M o e dl R R q a e S H r

A sd￣u t eR q a e S u r

te hEsi t t ma e

1

0.2 ( ) 94 a

08 4 .5

087 . 1

0.5 4 0 11

( )经济理论检验二模型是否符合经济理论，需要进行经济理论检

验。回归结果表明：的偏回归系数 4 14表示了 X .6

( o s n) X3,X1, C nt t, a X2

y与 X1, X2,间的线性关系程度密切，且 X3最终所选用的模型约为 9 .%的 y可以由X1, 24 X2

在其他变量保持不变时，每增加 1个百分点，y x 平均增加 4个百分点。这两个变量之间正相关。

及 X3个变量来解释。回归直线非常好地拟合了三样本数据。

同样地，斜率系数为一1 .8 x2 2 9 3,表示在其

汽车配件市场研究信息

维普资讯 http://www.77cn.com.cn

第 3期

刘严萍等：S S P S预测模型在汽车市场分析中的应用8. 26X 7 3

21 1

( )回归系数显著性检验。方程的总体线性关 2

系显著不等于每个解释变量对被解释变量的影响都是显著的。因此，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。

t= ( .2 ) ( .0 )( .2 )( . 6 ) 8 7 5 3 4 0一8 0 3 6 9 3针对每一个变量前面的系数是否为零的假设和 t验值，检验结果中可以看出：检

这一检验是由对变量的 t检验完成的，并通过计算各回归系数的 t检验值进行的。 从 t值上可以看出，x,x不具有统计显著性，根据情况作适当的调整，而后用剩下的自变量再进行回归分析。在拟合优度 R2= 0 8 4变化不 .5大情况下，去掉 X,两个变量后： X I(, s n X4X )=5 7 9 .6+4 1 4一1 .8 X2 .6 X】 2 9 3+

t验值，就是假设回归系数为零的检验，检

(著性水平 )给出了这个检验的结果。修正后的显模型中常数项的显著水平为 0 0 0自变量的显著 .0,

性水平为 0 0 5 .0,0 0 0 .0,0 0 0 . 0,它们的值都小于 00, . 5故属于小概率事件，即拒绝回归系数为零的假设，回归系数具有显著性。

表 8回归方程单参数检验结果

( )回归方程的显著性检验。方程的显著性 3检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立做出推断。显著性检验是通过 F检验进行的，检验模型参数是否显著不为零，原假设与备择假设： Ho o=卢

:8 l=卢…= 2H】: 不全为 0

k一1 ),由样本求出统计量 F的数值，通过 F>F(,—k一1或 F≤ F (,—k一1来拒 k, z ) a k, z )绝或接受原假设 H。,以判定原方程总体上的线性关系是否显著成立。 由样本求出统计量 F的数值：F= 2 .3 3 3 6=2 3 3. 36。

=0

给定显著性水平 a= 0 0 .5,查分布表，得到临界值： d3 1 )= 3 5 F (,2 .2。

给定显著性水平 a,可得到临界值 F (,z dk,—

表 9回归方程整体检验结果

显然有

F> F (,z。 k,—k一1 )

参考文献：[]韩德昌 .市场调查与市场预测[] 1 M .天津：天津大学出版社，2 0 . 04[]薛薇 .S s s计分析方法及应用[] 2 ps统 t M .北京：电子工业出版社，2 0 . 0 4

即模型的线性关系在 9%的水平下显著成立。 5 这些结果都很好，可以接受修正后模型，它较好地代表了该汽车公司现实销售情况。

[责任编校

李文清]

本文来源：https://www.bwwdw.com/article/l23n.html