残差
观测值
5 总计
Coeffic ients
标准误差
Intercept
-983.46
65.09112 382
X Variable 1
0.5
0.032659 863
df
SS
1
2.5
3 0.032
4 2.532
t Stat P-va9
0.00062 9447
标准误差
0.10327 9556
残差
观测值
5 总计
Coeffic ients
标准误差
Intercept
13.04
0.046188 022
X Variable 1
0.5
0.032659 863
df
SS
1
2.5
3 0.032
4 2.532
t Stat P-value
282.324 2816
15.3093 1089
1
2
28
4
3
45
9
0
12.3
28
核心问题：如何计算 得出a 与b ，见右方 的公式。
a y b x n
b


xy a x2
x
a

x2 y n x2 (
x
x)2
y
b

x y n xy n x2 ( x)2
a y n
b


xy
x2
修正的时间序列回归法
年份
销售量y 时间x
销售量时间散点图
14.5
14
13.5
13
12.5
12
11.5
-3 -2 -1
0
1
2
3
时间
销售量 销售量
回归分析
SUMMARY OUTPUT
回归统计
Multiple R
0.99366 0792
方差分析
R Square
0.98736 1769
Adjusted R Square
0.98314 9026
回归分析
0.396061 739
上限 95.0%
13.186 9909
0.6039 38261
回归分析
SUMMARY OUTPUT
回归统计
Multiple R
0.99366 0792
方差分析
R Square
0.98736 1769
Adjusted R Square
0.98314 9026
回归分析
标准误差
0.10327 9556
9.79956 E-08
0.00060 5303
MS
2.5 0.01066
6667
F 234.375
Signific ance F
0.000605 303
Lower 95%
12.8930 091
0.39606 1739
Upper 95%
13.1869 909
0.60393 8261
下限 95.0%
12.89300 91
xy
xx
19*1 19*2 19*3 19*4 19*5 合计（n=5）
12 12.5 13.2 13.5
14 65.2
-2
-24
4
-1
-12.5
1
0
0
0
1
13.5
1
2
28
4
0
5
10
修正的时间序列回归法
销售量时间回归之散点图
销售量时间散点图
14.5 14
13.5 13
12.5 12
11.5 1990 1991 1992 1993 1994 1995 1996 时间
0.00060 5303
MS
2.5 0.01066
6667
F 234.375
Signific ance F
0.000605 303
Lower 95%
1190.60
9006
0.39606 1739
Upper 95%
776.310
9935
0.60393 8261
下限 95.0%
1190.609
006
0.396061 739
上限 95.0%
776.310
9935
0.60393 8261
修正的时间序列回归法
当n为偶数的情况
年份
销售量y
x
xy
xx
19*1 19*2 19*3 19*4 19*5 19*6 合计（n=6）
12 12.5 13.2 13.5
14 15 80.2
-3
-36
9
-2
-25
4
-1
-13.2
1
1
13.5
修正的时间序列回归法
[概要]将自变量与因变量之间的相关关系用回归 方程的形式来表示，并根据自变量的数值变化预 测因变量数值变化的方法。
回归方程：y=a+bx.
其中，y为预测值

x为自变量

a为纵轴截距

b为直线斜率
[用途]趋势预测
修正的时间序列回归法
公式：
Y=a + bX
其中，x是预测期数