当前位置：首页>注册咨询工程师>咨询工程师考试辅导>正文

　　第二节  因果分析法-1

　　因果分析法主要包括：

　　回归分析法。

　　弹性系数分析法。

　　消费系数法等方法。

　　回归分析法是分析相关因素相互关系的一种数理统计方法，通过建立一个或一组自变量与相关随机变量的回归分析模型，来预测相关随机变量的未来值。回归分析法按分析中自变量的个数分为一元回归与多元回归；按自变量与因变量的关系分为线性回归与非线性回归。不论是一元回归模型还是多元回归模型，预测模型的建立要经过严格的统计检验，否则模型不能成立。

　　弹性系数法是-种相对简单易行的定量预测方法，通过计算某两个变量相对变化弹性关系，弹性是-个相对量，它衡量某-变量的改变所引起的另-变量的相对变化。

　　消费系数法是按行业、部门、地区、人口、群体等对某产品的消费者进行分析，认识和掌握消费者与产品的数量关系，从而预测产品需求量。

　　一、一元线性回归

　　（一）基本公式

　　如果预测对象与主要影响因素之间存在线性关系，将预测对象作为因变量y，将主要影响因素作为自变量x，即引起因变量y变化的变量，则它们之间的关系可以用一元回归模型表示为如下形式：y=a+bx+e其中：a和b是揭示x和y之间关系的系数，a为回归常数，b为回归系数e是误差项或称回归余项。

　　对于每组可以观察到的变量x，y的数值x_i，y_i，满足下面的关系：y_i =a+bx_i+e_i其中e_i是误差项，是用a+bxi去估计因变量yi的值而产生的误差。

　　在实际预测中，e_i是无法预测的，回归预测是借助a+bx_i得到预测对象的估计值y_i.为了确定a和b，从而揭示变量y与x之间的关系，公式可以表示为：y=a+bX公式y=a+bX是式y=a+bx+e的拟合曲线。可以利用普通最小二乘法原理（OLS）求出回归系数。最小二乘法基本原则是对于确定的方程，使观察值对估算值偏差的平方和最小。由此求得的回归系数为：

式中：x_i、y_i分别是自变量x和因变量y的观察值，分别为x和y的平均值。

　　 对于每一个自变量的数值，都有拟合值：y_i^'=a+bx_i y_i^'与实际观察值的差，便是残差项e_i=y_i一y_i^'

　　（二）一元回归流程

【打印】【关闭】