清华大学MBA高级教程.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 用以上方程预测移动用户普及率的Excel表如下图所示： =0.3648/(1+exp(-0.7647*(B4-2002.22))) =0.3648/(1+exp(-0.7647*(B3-2002.22))) 普及率观测值和预测值随年份变化，如下图所示： 可以看出，预测值和观测值拟合程度很好，而且2006年以后的预测值将逐渐接近饱和值36.48％，而不会无限增长。 由上例可以看出，将非线性回归问题转化为线性回归问题，关键是要将变量的非线性项进行分离，使它们变成相加的形式，然后进行变量代换，用新的变量代替原来变量的非线性项，使得原来变量的非线性回归方程变为新变量的线性回归方程。 多元非线性回归 除了一元非线性回归以外，多元非线性回归也是经常遇到的问题。 1979年－2002年江苏南通市建筑业经济发展的有关数据如下表所示。以“施工面积”、“竣工面积”、“施工产值”和“从业人数”为自变量，用“建筑业增加值”为因变量，建立回归方程。 年份 建筑业增加值 （百万元） 施工面积 （百平方米） 竣工面积 （百平方米） 施工产值 （百万元） 从业人数 （万人） 1979 131.0 369.1 271.4 332.2 12.1 1980 151.8 588.3 427.5 468.9 13.5 1981 162.5 587.2 403.0 593.5 12.0 1982 166.8 722.8 499.3 741.1 13.8 1983 185.3 899.9 632.3 1064.2 16.7 1984 174.7 1081.0 704.0 1258.9 17.9 1985 227.0 1364.0 889.6 1940.3 22.1 1986 338.8 1474.2 974.6 2223.5 23.6 1987 505.4 1714.6 1073.8 2808.0 26.0 1988 611.8 1641.1 943.6 3012.6 24.2 1989 578.5 1402.5 888.9 3003.5 22.1 1990 590.8 1330.7 834.2 3071.7 20.3 1991 790.0 1369.6 807.2 3730.5 21.4 1992 1142.4 1709.0 984.0 5359.7 24.5 1993 1461.1 2304.2 1143.9 10014.0 27.6 1994 2019.1 2944.7 1355.0 14713.4 29.2 1995 3715.6 4101.4 1899.5 22390.2 33.7 1996 4086.2 3767.0 1728.3 21389.8 29.6 … … … … … … 1979年-2002年南通市建筑业经济发展有关数据（局部） 因变量和四个自变量随年限变化的图形如下图所示： 由上图可以看出，除变量“从业人数”接近线性外，其他变量的数量变化都呈非线性。如果建立线性回归模型，用Excel回归分析工具得到的结果如下图所示： 由上图可以看出，尽管这个线性回归模型的判定系数R2=0.9610，模型和数据拟合得不错，而且F检验通过，但是截距和四个变量的P值都明显大于显著性水平0.05，t检验通不过。 由数据表可以看出，从1979年到2002年，因变量“建筑业增加值”增加了40.8倍，自变量“施工面积”增加了15.9倍，“竣工面积”增加了10.5倍，“