某店销售额及广告费的回归分析Word格式文档下载.docx

1、二、设计问题各商店运行过程中，广告费都是不可避免。下面是在一个工商网站中获得某店销售额与广告费收入支出分布表，并着重对该店法人单位销售额与广告费建立模型，研究各店销售额与广告费之间的关系。某店销售额与广告费数据日期销售额广告费11231.3776.82786289360304137.765.85114.358.460.710.2671331.6774.88374.72059405.123310140.766.7111403.1843.812277.7161.413163.89514156.7781595.949.416824.7516.617104.66218764319596.7358.42

2、0151183721389.8217.1221558723420.7265.224270.1145.6251272.1702.4261074.5718.427518.7284.628412.8223.3三、设计原理 本题是一道确定销售额与广告费关系的问题，首先做出改组数据的散点图，由图分析该数据属于线性回归问题，可以利用Excel解决这种类型的问题。数据的处理时通过使用“最小二乘法”做直线拟合，然后再进行一元线性回归。在整个过程中直接使用Excel进行数据处理，得出结论，然后对所得数据进行显著性分析.四、设计程序为了研究这些数据中所蕴含的规律，将销售额看做因变量X,画出散点图（图一），可见这些

3、点分布在一条直线附近，做出拟合直线（图三），下面用Excel“分析工具库”中的“回归”工具，进行残差分析，接下来用matlab对其显著性进行检验。 1，设计步骤1.1画出散点图（图一）。1.2单击图形显示拟合直线，单击“类型”，选定直线类型（图二）。单击“选项”，选定“显示公式”。“显示R平方值”（图四）得到（图五）。1.3在【工具】菜单中选中【数据分析】，则会弹出【数据分析】对话框，然后在“分析工具”中选择“回归”选项，如图二所示。单击【确定】后，则弹出【回归】对话框，如图五。1.4填写【回归】对话框。如图六所示，该对话框的内容较多，可以根据需要，选择相关项目。在“Y值输入区域”内输入队因变

4、量数据区域的引用，该区域必须有单列数据组成，如本题中广告费；在“X只输入区域”输入对自变量数据区域的引用，如本题中销售额额。“标志” ：如果输入区域的第一行中包含标志项，则选中此复选框，本题中的输入区域包含标志项；如果在输入区域中没有标志项，则应清楚此复选框，Excel将在输出表中生成合适的数据标志。“置信度” ：如果需要在汇总输出表中包含附件的置信度信息，则选中此复选框，然后在右侧的编辑框中，输入所要使用的置信度。Excel默认的置信度为95%，相当于显著性水平a=0.05。 “输出选项” ：选择“输出区域”，在此输出对输出表左上角单元格的引用。“残差” ：如果需要以残差输出表形式查看残差，

5、则选中此复选框。“标准残差” ：如果需要在残差输出表中包含标准残差，则选中此复选框。“残差图” ：如果需要生成一张图表，绘制每个自变量及其残差，则选中此复选框。“线性拟合图” ：如果需要为预测值和观察值生成和观测值生成一个图表，则选中此复选框。“正态概率图” ：如果需要绘制正态概率图，则选中此复选框。填好【回归】对话框后，点击“确定” ，即可得到回归分析的结果，如图六所示。1.5使用MATLAB软件做出点预测如图所示2、设计结果（图） 图一 图二 图三图四 图五 图六 图七 图八 图九x=1231.3 786 60 137.7 114.3 0.71 1331.6 374.7 405.1 140

6、.7 1403.1 277.7 163.8 156.7 95.9 824.7 104.6 76 596.7 1511 389.8 155 420.7 270.1 1272.1 1074.5 518.7 412.8y=776.8 289 30 65.8 58.4 0.26 774.8 205 233 66.7 840.8 161.4 95 78 49.4 516.6 62 43 358.4 837 271.1 87 265.2 145.6 702.4 718.4 248.6 223.3polytool（x,y,1,0.05） 图十3结果分析由图三可知，该回归方程的截距是-7.4584，斜率为0.

7、588，其回归方程表达式为：y=0.588x-7.4584；根据回归统计结果，知决定系数=0.9758，即相关系数r=0.987367，说明自变量与因变量之间有较高的相关性；根据方差分析的结果，F=970.7515，Significance F=1.59E-210.01，所以建立的回归方程非常显著。在图四的第三个表中，除了列出了回归系数，还有标准误差等项目。其中“标准误差”表示的事对应回归系数的标准误差，其中偏回归系数的标准误差。“t Stat”就是t检验时的统计量t；如果多元线性回归，则可直接根据“t Stat”的大小，判断因素的主次顺序。“P-value”表示t检验偏回归系数不显著的概率，

8、如果P-value0.01，则可认为该系数对应的变量对试验结果影响非常显著（* *），如果0.01 P-value 0.05,则可认为该系数对应的变量对试验结果影响显著（*）；对于常数项，P-value则表示常数项为零的几率。五、设计总结 通过对概率论与数理统计的这道实际问题的解决，不仅使我更加深刻的理解了概率论与数理统计的基础知识，而且使我对这些知识在实际中的应用产生了浓厚的兴趣，同时对我学习好概率论与数理统计这门课有很大帮助。在实现这道题的过程中我应用了Excel软件，学会了该软件的一些新的应用，更加熟练的操作在该软件进行一些数据上的处理。参考文献1 沈恒范.概率论与数理统计教程M.第四版.：高等教育出版社，2003.4。（P218-P286）2 王勇 田波平.概率论与数理统计.第二版.：科学出版社，2005（P186P194）致 本论文是张玉春老师指导下完成的。她严肃的科学态度，严谨的治学精神，精益求精的工作作风，深深地感染和激励着我。在此，我向张老师致以诚挚的谢意和崇高的敬意。同时我还要感谢我的同学们，在论文设计中，他们给了我很多的建议和帮助。我还要感谢我的论文中被我引用或参考的文献的作者。