使用回归预测法实现精准预测

在财经领域，许多现象间存在着各种依存关系，如市场经济环境下，商品的销售量与商品的价格、商品的质量、消费者收入水平、广告投入等因素有关。回归分析预测，就是从现象间客观存在的各种有机联系或依存关系出发，通过分析预测对象相关联因素的变动趋势，推测对象的未来状态。

回归的类型较多，处理方法各异。本节只介绍用Excel实现回归预测的基本方法，相关的理论知识，读者可参阅相关的统计或计量分析的教材。

【例9-10】　如图9-25所示数据为2010年第四季度到2013年第一季度的智能手机和平板电脑的销售量以及同期移动互联网市场规模数据。

由于绝大部分的移动互联网交易都会在智能手机和平板电脑上产生，故以两者之和作为自变量，选取移动互联网规模作为因变量。选定之后，由于不知道二者间的分布特征，故先通过散点图直观地观察二者的相互关系，再决定应拟合回归模型的种类^[2]。其具体操作步骤如下。

Step 1：选中D1:E11→点击【插入】/【图表】/【散点图】，绘制两者关系的散点图（图9-26）。

图9-25　移动互联网规模数据

图9-26　绘制散点图

从散点图可以看出，因变量与自变量基本上呈线性关系。故可以通过添加趋势线，使用趋势线进行简单和初步的预测。

Step 2：在散点图中选中数据系列右击鼠标→在快捷菜单中选择【添加趋势线】。

Step 3：点击【设置趋势线格式】/【趋势线选项】/【线性】，此处为默认选项。勾选【显示公式】和【显示R平方值】→单击【关闭】（图9-27）。

(www.xing528.com)

图9-27　添加趋势线

从趋势线上可以看出拟合的线性回归方程为y=0.258x+21.585,R2=0.9577。R的平方值非常接近于1，说明拟合效果良好。基于此，可以通过回归模型来进行进一步分析。

图9-28　回归分析对话框

Step 4：点击【数据】/【数据分析】→在弹出的对话框中，选择【回归】分析工具→单击【确定】（图9-28①）。

Step 5：在【回归】对话框进行参数设置：“输入”栏中，“Y值输入区域”输入E1:E11，“X值输入区域”输入D1:D11；勾选“标志”；将“置信度”设置为95%；“输出选项”栏中，选择“新工作表”；“残差”栏中，勾选“残差”和“线性拟合图”；在“正态分布”栏，勾选“正态概率图”→单击【确定】按钮（图9-28②）。

得到的回归结果如图9-29所示。从图中可以看出，自变量和因变量的相关系数大于0.97，说明移动互联网市场规模和移动终端销量具有高度正相关关系。拟合优度R2大于0.96，非常接近于1，说明模型的拟合效果不错。

图9-29　回归分析结果

从方差分析中看到，F统计量的值约为181.23，对应的P值远小于0.01，说明模型有非常显著的统计学意义。从下方的回归区域可以看出，回归系数的P值均小于0.05，说明模型通过了显著性检验，最终得到的回归方程为：

Y=0.0258X+21.584

应用此模型进行预测：如果在2018年第二季度移动终端的销量达到8500万台，将其代入上述回归模型中，就可以预测到相应的移动互联网终端市场销售额将达到241.19亿元。