公司財務(wù)管理回歸分析

《公司財務(wù)管理回歸分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、數(shù)學(xué)建模與數(shù)學(xué)實驗回歸分析7/14/20211實驗?zāi)康膶嶒瀮?nèi)容2、掌握用數(shù)學(xué)軟件求解回歸分析問題。1、直觀了解回歸分析基本內(nèi)容。1、回歸分析的基本理論。3、實驗作業(yè)。2、用數(shù)學(xué)軟件求解回歸分析問題。7/14/20212一元線性回歸多元線性回歸回歸分析數(shù)學(xué)模型及定義*模型參數(shù)估計*檢驗、預(yù)測與控制可線性化的一元非線性回歸（曲線回歸）數(shù)學(xué)模型及定義*模型參數(shù)估計*多元線性回歸中的檢驗與預(yù)測逐步回歸分析7/14/20213一、數(shù)學(xué)模型例1測16名成年女子的身高與腿長所得數(shù)據(jù)如下：以身高x為橫坐標(biāo)，以腿長y為縱坐標(biāo)將這些數(shù)據(jù)點（xI，yi）在平面直角坐標(biāo)系上標(biāo)出.散點圖解答7/14/20214一

2、元線性回歸分析的主要任務(wù)是：返回7/14/20215二、模型參數(shù)估計1、回歸系數(shù)的最小二乘估計7/14/202167/14/20217返回7/14/20218三、檢驗、預(yù)測與控制1、回歸方程的顯著性檢驗7/14/20219（Ⅰ）F檢驗法（Ⅱ）t檢驗法7/14/202110（Ⅲ）r檢驗法7/14/2021112、回歸系數(shù)的置信區(qū)間7/14/2021123、預(yù)測與控制（1）預(yù)測7/14/202113（2）控制返回7/14/202114四、可線性化的一元非線性回歸（曲線回歸）例2出鋼時所用的盛鋼水的鋼包，由于鋼水對耐火材料的侵蝕，容積不斷增大.我們希望知道使用次數(shù)與增大的容積之間的關(guān)系.對一鋼

3、包作試驗，測得的數(shù)據(jù)列于下表：解答7/14/202115散點圖此即非線性回歸或曲線回歸問題（需要配曲線）配曲線的一般方法是：7/14/202116通常選擇的六類曲線如下：返回7/14/202117一、數(shù)學(xué)模型及定義返回7/14/202118二、模型參數(shù)估計7/14/202119返回7/14/202120三、多元線性回歸中的檢驗與預(yù)測（Ⅰ）F檢驗法（Ⅱ）r檢驗法(殘差平方和）7/14/2021212、預(yù)測（1）點預(yù)測（2）區(qū)間預(yù)測返回7/14/202122四、逐步回歸分析（4）“有進有出”的逐步回歸分析。（1）從所有可能的因子（變量）組合的回歸方程中選擇最優(yōu)者；（2）從包含全部變量的回歸方

4、程中逐次剔除不顯著因子；（3）從一個變量開始，把變量逐個引入方程；選擇“最優(yōu)”的回歸方程有以下幾種方法：“最優(yōu)”的回歸方程就是包含所有對Y有影響的變量,而不包含對Y影響不顯著的變量回歸方程。以第四種方法，即逐步回歸分析法在篩選變量方面較為理想.7/14/202123這個過程反復(fù)進行，直至既無不顯著的變量從回歸方程中剔除，又無顯著變量可引入回歸方程時為止。逐步回歸分析法的思想：從一個自變量開始，視自變量Y作用的顯著程度，從大到地依次逐個引入回歸方程。當(dāng)引入的自變量由于后面變量的引入而變得不顯著時，要將其剔除掉。引入一個自變量或從回歸方程中剔除一個自變量，為逐步回歸的一步。對于每一步都要進行

5、Y值檢驗，以確保每次引入新的顯著性變量前回歸方程中只包含對Y作用顯著的變量。返回7/14/202124統(tǒng)計工具箱中的回歸分析命令1、多元線性回歸2、多項式回歸3、非線性回歸4、逐步回歸返回7/14/202125多元線性回歸b=regress(Y,X)1、確定回歸系數(shù)的點估計值：7/14/2021263、畫出殘差及其置信區(qū)間：rcoplot（r，rint）2、求回歸系數(shù)的點估計和區(qū)間估計、并檢驗回歸模型：[b,bint,r,rint,stats]=regress(Y,X,alpha)回歸系數(shù)的區(qū)間估計殘差用于檢驗回歸模型的統(tǒng)計量，有三個數(shù)值：相關(guān)系數(shù)r2、F值、與F對應(yīng)的概率p置信區(qū)間顯著

6、性水平（缺省時為0.05）7/14/202127例1解：1、輸入數(shù)據(jù)：x=[143145146147149150153154155156157158159160162164]';X=[ones(16,1)x];Y=[8885889192939395969897969899100102]';2、回歸分析及檢驗：[b,bint,r,rint,stats]=regress(Y,X)b,bint,statsToMATLAB(liti11)題目7/14/2021283、殘差分析，作殘差圖：rcoplot(r,rint)從殘差圖可以看出，除第二個數(shù)據(jù)外，其余數(shù)據(jù)的殘差離零點均較近，且殘差的置信區(qū)間均

7、包含零點，這說明回歸模型y=-16.073+0.7194x能較好的符合原始數(shù)據(jù)，而第二個數(shù)據(jù)可視為異常點.4、預(yù)測及作圖：z=b(1)+b(2)*xplot(x,Y,'k+',x,z,'r')返回ToMATLAB(liti12)7/14/202129多項式回歸（一）一元多項式回歸（1）確定多項式系數(shù)的命令：[p，S]=polyfit（x，y，m）（2）一元多項式回歸命令：polytool（x，y，m）1、回歸：y=a1xm+a2xm