.jpg)
导读：第十五章 SPSS回归分析与市场预测市场营销活动中常常要用到市场预测。市场预测就是运用科学的 *** ，对影响市场供求变化的诸因素进行调查研究，分析和预见其发展趋势，掌握市场供求变化的规律，为经营决策提供可靠的依据。预测的目的是为了提高管理的科
第十五章 SPSS回归分析与市场预测市场营销活动中常常要用到市场预测。市场预测就是运用科学的 *** ，对影响市场供求变化的诸因素进行调查研究，分析和预见其发展趋势，掌握市场供求变化的规律，为经营决策提供可靠的依据。预测的目的是为了提高管理的科学水平，减少盲目的决策，通过预测来把握经济发展或者未来市场变化的有关动态，减少未来的不确定性，降低决策可能遇到的风险，进而使决策目标得以顺利实现。回归分析是研究两个变量或多个变量之间因果关系的统计 *** 。其基本思想是，在相关分析的基础上，对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定，确立一个合适的数学模型，以便从一个已知量来推断另一个未知量。151 回归分析概述相关回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量在预测期变化结果的预测 *** 。根据市场现象所存在的相关关系，对它进行定量分析，从而达到对市场现象进行预测的目的，就是相关回归分析市场预测法。相关回归分析市场预测法的种类：根据相关关系中自变量不同分类，有以下几种主要类型：1、一元相关回归分析市场预测法，也称简单相关回归分析市场预测法。它是用相关回归分析法对一个自变量与一个因变量之间的相关关系进行分析，建立一元回归方程作为预测模型，对市场现象进行预测的 *** 。2、多元相关回归市场预测法，也称复相关回归分析市场预测法。它是用相关分析法对多个自变量与一个因变量之间的相关关系进行分析，建立多元回归方程作为预测模型，对市场现象进行预测的 *** 。回归模型的建立步骤：1）做出散点图，观察变量间的趋势。如果是多个变量，则还应当做出散点图矩阵、重叠散点图和三维散点图。2）考察数据的分布，进行必要的预处理。即分析变量的正态性、方差齐等问题。并确定是否可以直接进行线性回归分析。如果进行了变量变换，则应当重新绘制散点图，以确保线性趋势在变换后任然存在。
3）进行直接先行回归，包括变量的初筛、变量选择 *** 的确定等。4）残差分析。这是模型拟合完毕后模型诊断过程的之一步，主要分析两大方面：残差间是否独立；残差分布是否为正态。5）强影响点的诊断及多重共线性问题的判断。这两个步骤和残差分析往往混在一起，难以完全分出先后。152 回归分析熟练使用SPSS中的回归分析过程，对大量样本进行有效的回归分析，并根据回归分析的结果对市场行为进行预测。在市场营销中我们可以根据回归方程判断顾客的满意度、商品的业务量以及他们的相关关系等。进行简单回归分析对数据也有一定的要求，这里给出的是基本适用条件：1）线性趋势：自变量与因变量的关系是线性的，如果不是，则不能采用线性回归来分析。这可以通过散点图来加以判断。2）独立性：可表述为因变量y的取值相互独立，之间没有联系。反应到模型中，实际上就是要求残差间相互独立，不存在自相关，否则应当采用自回归模型来分析。3）正态性：就自变量的任何一个线性组合，因变量y均服从正太分布，反映到模型中，实际上就是要求残差服从正太分布。4）方差齐性：就自变量的任何一个线性组合，因变量y的方差均相同，实质就是要求残差的方差齐性。1521 案例一问题要对中国电信业务总量的影响因素进行计量模型的分析，我们可以对1991年—1999年电信业务总量、邮政业务总量、中国人口数、市镇人口数、人均GDP以及人均消费水平这六个指标进行回归并对市场进行预测。根据回归的结果我们可以得出回归方程，根据回归方程利用往期的数据可以对电信业务总量进行预测。1522 案例一操作打开SPSS 200，在其窗口中选择菜单文件→ 打开→ 数据，打开（文件名称：Book\第十五章\中国电信业务总量sav）数据表，文件包括年份（定序尺度）、电信业务总量、邮政业务总量等7个变量（定距尺度）。选择分析→ 回归→线性，打开线性回归分析对话框。在左侧变量框中选择“电信业务总量变量”将其移动到因变量列表下的方格中，将因素变量“邮政业务总量、中国人口数、市镇人口比重、人均GDP、人均消费水平”移动到自变量下的方格中，如图15-1所示。
图15-1 “线性回归”对话框 *** （M）下拉框中设置解释变量进入模型的 *** ：1）进入：将所有变量全部引入模型中2）逐步：每一次按照向前筛选法的标准引入变量后，都要按照向后筛选法的标准对已经引入的所有变量进行检验，剔除掉由于新变量的引入而变得不再显著的变量。3）删除：建立模型时，根据设定的条件剔除部分解释变量。4）向前：与被解释变量有更大相关的变量首先进入方程，如果该解释变量没有通过 F 检验，则变量筛选过程结束，方程中没有引入任何变量；如果通过 F 检验，则在剩余的变量中寻找具有更大偏相关系数的变量，将其引入方程，并再次进行 F 检验，如果通过检验，则保留该变量在模型中，并继续寻找下一个候选变量，否则变量筛选过程结束，方程中仅有一个解释变量；依次类推，直至所有满足判据的变量都被引入到模型为止。5）向后：与向前筛选法的顺序相反，向后筛选法首先将所有变量都引入模型，然后剔除最不显著的变量。如果剩余变量都通过显著性检验，则变量筛选过程结束；否则按同样的标准继续剔除不显著的变量，直至剩余的解释变量都满足显著性检验为止。单击“统计量”按钮，弹出“统计量”子对话框，该对话框用于设置要输出的统计量。估计：输出有关回归系数的统计量，包括回归系数、回归系数的标准差、标准化的回归系数、t统计量及其对应的p值；模型拟合度：输出可决系数、调整的可决系数、回归方程的标准误差、回归方程F检验的方差分析；共线性检验：输出多重共线性分析结果；Durbin-Watson：输出Durbin-Watson检验统计量。在此对话框中选择估计、模型拟合度、共线性诊断，如图15-2所示。图15-2 “线性回归：统计量”子对话框单击“绘制”按钮，弹出绘制子对话框，该对话框主要用于利用图形对残差进行分析。在此选中正态概率图复选框，对残差的正态性进行分析，如图15-3所示。图15-3 “线性回归：图”子对话框单击“保存”按钮，弹出保存子对话框，如图15-4所示，该对话框用于设置将某些有用的分析结果保存到数据文件中，在此选择默认的选项。
图15-4 “线性回归：保存”子对话框单击“选项”按钮，弹出选项子对话框，步进 *** 标准：用于设置解释变量筛选的判定标准；在等式中包含常量：用于设置在模型中是否包含常数项，默认为在模型中包含常数项；缺失值：用于设置缺失值的处理 *** 。在此选择默认选项，如图15-5所示。图15-5 “线性回归：选项”子对话框单击“继续”按钮，返回线性回归主对话框，单击“确定”按钮，执行现行回归分析命令。得到输出结果。1523 案例一结果分析表15-1给出了解释变量的筛选过程，根据此表，我们可以看出在本例中所有的解释变量均进入进行回归分析。表15-1 解释变量筛选过程
模型 输入的变量 移去的变量 ***
1 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDPb 输入
a 因变量: 电信业务总量
b 已输入所有请求的变量。
表15-2和表15-3给出了回归模型拟合优度评价及方程的方差分析表，根据表15-2得出回归方程的拟合优度调整的R方为0978，这个R方数值还是比较大的，大致可以认为回归方程有意义。而表15-3是方程的方差分析表，根据此表看一看出回归方程的方差检验对应的p值为0002小于005，说明该模型从整体上看是比较有意义。表15-2 回归模型拟合优度评价
模型 R R 方 调整 R 方 标准 估计的误差
1 996a 992 978 147822
a 预测变量: (常量), 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDP。
b 因变量: 电信业务总量
表15-3 方差分析表
模型 平方和 df 均方 F Sig
1 回归 794319 5 158864 72703 002b
残差 6555 3 2185
总计 800874 8
a 因变量: 电信业务总量
b 预测变量: (常量), 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDP。
从表15-4可以看出，引入模型的五个解释变量都没有通过t检验。模型整体显著而单个系数均不能通过t检验，这正是解释变量之间存过多重共线性的常见特征。观察表15-4中的容差和方差膨胀因子我们可以看出五个解释变量的容差都很小接近于0，但它们的VIF都很大，这进一步证实了解释变量之间存在严重的多重共线性。
1) 容忍度 (Tolerance) :某自变量的容忍度等于1减去以该自变量为反应变量，Independentω 杠中选入的其他自变量为自变量所得到的线性回归模型的决定系数。显然，容忍度越小，多重共线性越严重。有学者提出，容忍度小于 01 时，存在严重的多重共线性。2) 方差膨胀因子 (Varianceinflation factor , VIF): 等于容忍度的倒数。显然，VIF 越大，多重共线性问题越大。一般认为VIF不应大于5 ，对应容忍度的标准，也可放宽至不大于10 。3) 特征根 （Eigenvalue) :对模型中常数项及所有自变量计算主成分，如果自变量问存在较强的线性相关关系，则前面的几个主成分数值较大，而后面的几个主成分较小，甚至接近0。4) 条件指数 (ConditionIndex):等于更大的主成分与当前主成分的比值的算术平方根。所以之一个主成分相对应的条件指数总为1。同样，如果几个条件指数较大(如大于30) ，则提示存在多重共线性。表15-4 回归系数估计及其显著性检验
系数a
模型 非标准化系数 标准系数 t Sig 共线性统计量
B 标准 误差 试用版 容差 VIF
1 (常量) -124504 456294 -273 803
邮政业务总量 35740 16047 1734 2227 112 005 222177
中国人口数 16970 47309 589 359 744 001 987365
市镇人口比重 -300267 390878 -426 -768 498 009 112937
人均GDP -5317 9898 -951 -537 628 001 1149087
人均消费水平 -270 19750 -023 -014 990 001 1057707
a 因变量: 电信业务总量
表15-5给出了方程解释变量的多重共线性诊断结果。从特征根上看，更大的特征根远远大于其他特征根，后 4 个条件指数都大于 10，说明变量之间确实存在多重共线性问题。从方差比例上看，第 5 个特征根解释了人均 GDP 方差的 58%，同时解释了人均消费水平方差的 65%，说明这两个变量之间可能存在多重共线性；第 6 个特征根同时解释了邮政业务总量方差的 77%、人口总数方差的 100%和市镇人口比重方差的60%，说明这 3 个变量之间可能存在多重共线性。
表15-5 多重共线性诊断
模型 维数 特征值 条件索引 方差比例
(常量) 邮政业务总量 中国人口数 市镇人口比重 人均GDP 人均消费水平
1 1 5820 1000 00 00 00 00 00 00
2 174 5785 00 00 00 00 00 00
3 006 31563 00 07 00 00 00 00
4 000 193583 00 01 00 02 22 32
5 2528E-005 479782 01 16 00 38 58 65
6 4476E-007 3606121 99 77 100 60 20 02
a 因变量: 电信业务总量
为了解决多重共线性带来的问题，可以使用 Backward 法筛选变量。得到结果如下表15-6、表1
根据查询百度爱采购得知，分析仪检查记录表填写内容如下：
一、记录表基本信息：
1、标题：记录表标题应该明确具体，可以包括校准对象名称、校准时间等信息。
2、校准人员信息：包括校准人员的姓名、工号、****等信息。
3、分析仪基本信息：包括分析仪名称、型号、序列号等信息。
二、校准操作：
1、校准前准备：准备好相应的校准物品和校准 *** ，清洁仪器，准备好校准记录表格。
2、校准过程：按照分析仪的校准 *** 进行校准操作，记录每一个操作的步骤和校准数值。
3、校准后操作：根据校准结果，确定是否需要校准仪器，制定下一次校准计划。
三、校准结果：
1、校准结果分析：根据校准记录表格上的数据，结合分析仪的使用情况，判断分析仪是否达到了校准要求。
2、校准结论：校准结果应得出一个简单明了的结论，判断是否需要更换仪器、修理仪器或重新校准等措施。
淀粉酶活性的测定结果与分析实验：
一、研究背景及目的：
酶是高效催化有机体新陈代谢各步反应的活性蛋白，几乎所有的生化反应都离不开酶的催化，所以酶在生物体内扮演着极其重要的角色，因此对酶的研究有着非常重要的意义。
酶的活力是酶的重要参数，反映的是酶的催化能力，因此测定酶活力是研究酶的基础。酶活力由酶活力单位表征，通过计算适宜条件下一定时间内一定量的酶催化生成产物的量得到。
本实验选取萌发的禾谷类种子为材料，通过对其所含两种淀粉酶活力的测定来研究酶活力测定的 *** 。
二、实验原理
萌发的种子中存在两种淀粉酶，分别是a淀粉酶和B淀粉酶，B淀粉酶不耐热，在高温下易钝化，而a淀粉不耐酸，在pH36下则发生钝化。本实验的设计利用B淀粉酶不耐热的特性,在高温下(70C°)下处理使得B淀粉酶钝化而测定a淀粉酶的酶活性。
酶活性的测定是通过测定一定量的酶在一定时间内催化得到的麦芽糖的量来实现的，麦芽糖的浓度利用比色法可以很容易测得。然后利用同样的原理测得两种淀粉酶的总活性，拟将总活性与 淀粉酶的活性的差值看作B淀粉酶的活性，再做进一步分析。
实验中为了消除非酶促反应引起的麦芽糖的生成带来的误差，每组实验都做了相应的对照实验，在最终计算酶的活性时以测量组的值减去对照组的值加以校正。
图表结果分析分为浅层解读和深层解读。
浅层解读：数据 *** 的图表上对于数据的表达是比较直观的，所以进行图表分析，首先要对这些较为直观的方向做一个基础解读，一般图表数据分析 *** 后可以明显地表示出数据的变化趋势，比如在这一段时间内数据是上升还是下降，这些都是属于基础解读的部分。
深层解读：深层解读就是对浅层分析出来的内容做一个具体的分析，分析是什么原因造成的在图表数据分析 *** 中的数据变化，以及该数据对于后续发展定位的具体影响是什么样的，深层解读出来的内容，对于公司后续发展和定位都是有着较大引导作用的，所以对这一部分的内容是一定要重视的。
图表分析基本原理
企业内外部的统计信息是错综复杂、千变万化的，为了更好地展示它们及它们内在的关系，我们需要对这些信息的属性进行抽象化分析研究。图表分析有着自身的表达特性，尤其对时间、空间等概念的表达和一些抽象思维的表达具有文字和言辞无法取代的传达效果。
图表首先具有表达的准确性，对所示事物的内容、性质或数量等处的表达应该准确无误。信息表达的可读性，即在图表认识中应该通俗易懂，尤其是用于大众传达的图表。图表设计的艺术性，图表是通过视觉的传递来完成，必须考虑到人们的欣赏习惯和审美情趣，这也是区别于文字表达的艺术特性。
