数学建模之案例学习1——企业营销额问题

某公司想用全行业的销售额作为自变量来预测公司的销售额，表6-1给出了1977-1981年公司销售额和行业销售额的分季度数据（单位：百万元）。
（1）画出数据的散点图，观察用线性回归模型拟合是否合适。
（2）建立公司销售额对全行业销售额的回归模型，并用DW检验诊断随机误差项的自相关性。
（3）建立消除了随机误差项自相关性后的回归模型。

问题1.1：画出散点图（在书本162页，注意别人的用词）

先展示我画的图（使用EXCEL)

别人画的图

我的问题有

1. 纵坐标过于分散，不能突出展现散点图的规律。
2. 坐标标题要有字母标注。

更正

这样就清晰多了。

问题1.2 观察用线性回归模型拟合是否合适

是“什么”用线性回归拟合是否合适呢？

我觉得应但是“公司销售额y"和”行业销售额x"。

于是我们开始用matlab进行线性回归拟合

• 判断线性回归是否合适，我们需要判断多种回归方式，从中选取最合适的。

线性回归

输入

clear;
clc;
y = [20.96
21.4
21.96
21.52
22.39
22.76
23.48
23.66
24.1
24.01
24.54
24.3
25
25.64
26.36
26.98
27.52
27.78
28.24
28.78];
x = [127.3
130
132.7
129.4
135
137.1
141.2
142.8
145.5
145.3
148.3
146.4
150.2
153.1
157.3
160.7
164.2
165.6
168.7
171.7
];
[p,S] = polyfit(x,y,1);
p
[y_fit,delta] = polyval(p,x,S);
1-sum(delta.^2)/(sum((y-sum(y)/length(y)).^2))
plot(x,y,'bo')
hold on
plot(x,y_fit,'r-')
plot(x,y_fit+2*delta,'m--',x,y_fit-2*delta,'m--')
title('Quadratic Fit of Data with 95% Prediction Interval')
legend('Data','Linear Fit','95% Prediction Interval')

输出

决定系数为：0.9985
p =
    0.1763   -1.4548

一次方程为$$y=0.1763x-1.4548$$
决定系数为：0.9985
所有的点都在95%区域内，可以说拟合效果非常好。

如果使用matlab工具箱进行拟合

参数会清晰很多。

如果使用SPSS来拟合，参数会更加清晰和多样

在图中我们可以看到决定系数$R^2$，统计量$F$，显著性$p值$。这更加表现了线性拟合效果非常好。

决定系数$R^2$

表达式：$R^2=SSR/SST=1-SSE/SST$
其中：SST=SSR+SSE，SST (total sum of squares)为总平方和，SSR (regression sum of squares)为回归平方和，SSE (error sum of squares) 为残差平方和。
意义：拟合优度越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。
取值意思：
0 表示模型效果跟瞎猜差不多
1 表示模型拟合度较好（有可能会是过拟合，需要判定）
0~1 表示模型的好坏（针对同一批数据）
小于0则说明模型效果还不如瞎猜（说明数据直接就不存在线性关系）

显著性p值是拟合随机变异的可能性大小

知道了R2的统计学意义之后，再来看模型的p值的统计学意义是什么。

考虑一下下述情况，对于样本量是2的数据，那么由于两点之间必有一条直线，所以此时的拟合会得到很高的R2，R2=100%，然而我们知道这是没有什么意义的，为了更一步的区分这种情况，就需要引入另一个概念p值，它代表有多大的可能性表明本次拟合只是一次随机事件。

拟合的p值是根据F检验得出来的，也就是说需要计算F统计量，

F =Var(fit)/Var(non-fit)=[SS(mean)-SS(fit)/(Num.fit-Num.mean)]/[SS(fit)/n-Num.fit]

其中SS(mean)和SS(fit)都是指的残差平方和。Num.fit是指的拟合方程式的参数数量，对于例子1小鼠大小来说参数有两个：截距和小鼠重量。Num.mean是指的不进行拟合时的参数数量，参数只有平均值，因此数量为1。

二次回归（现在我们主要用SPSS来做）

效果依然很好

指数回归

结果为$$y=8.527e^{0.007x_t}$$

综上所述，仍然是线性回归最合适。

问题2：建立公司销售额对全行业销售额的回归模型，并使用DW检验诊断随机误差项的自相关性

疑问：什么是DW检验，为什么要用DW检验？

• DW检验又称杜宾-瓦特森检验，计量经济，统计分析中常用的一种检验序列一阶自相关最常用的方法。
• 经济数据在时间上有显著的滞后性
• 观察我们的数据，我们会发现显然是"行业销售额x"影响"公司销售额y"
• 那么这种影响是瞬间作用的吗？显然不是。
• 经济学的影响往往需要时间反应。（例如这个季度出现经济危机，下个季度的销售额才锐减，而不是瞬间锐减）
• 若采用普通回归模型直接处理，将会出现不良后果。
• 那我们怎么判断模型有滞后性呢？
• 我们可以通过残差是否有自相关性来判断。
• 试想一个正常的残差是怎么样的呢？显然是时而正，时而负，基本是随机出现的
• 那么不正常的残差肯定就以一定的规律呈现，这说明我们还没有完全模拟出模型的全部变量

残差自相关定性分析（直观诊断）

• 首先我们通过这段代码得到了残差的数据

y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78];
x=[127.3;130.0;132.7;129.4;135.0;137.1;141.2;142.8;145.5;145.3;148.3;146.4;150.2;153.1;157.3;160.7;164.2;165.6;168.7;171.7]; 
rstool(x,y)

a=ones(20,1);
b=0.176*x-1.455*a;
c=y-b   % 残差

我们得到了如图所示的数据

• 作残差 $e_t-e_{t-1}$ 散点图
  
  
• 于是我们开始进行DW统计和检验
  
• 我们根据算是，可以写出以下代码

num=c(1:19)'*c(2:20);
den=sum(c(2:20).^2) ;
rou = num/den
DW=2*(1-rou)

rou =自相关性
    0.7118
DW = 
    0.5765

接下来我们要查表

我们的n = 20,k = 2。所以说$d_u=1.10,d_L=1.54$
$DW<d_u$，显然呈正自相关。（不知道书本的$d_u,d_L$是怎么来的）

问题3 ：建立消除了随机误差项目自相关后的回归模型

在问题二中，残差$e_t$存在明显的自相关性，故模型对于一个时间序列型的经济问题存在一个滞后性，故在此对模型进行$y_t^{\prime }=y_t-\rho y_{t-1},x_t^{\prime }=x_t-\rho x_{t-1},b_0^{\prime }=b_0-\rho b_0$变换，使得模型更加优化，以消除随机误差项的自相关性。

模型的建立和求解

再进行拟合处理后，参数表为：

% DW模型优化后的程序：
clc,clear,close all
y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78];
y1=y(2:20,1);
y2=y(1:19,1);
y3=y1-0.71133*y2;
x=[127.3;130.0;132.7;129.4;135.0;137.1;141.2;142.8;145.5;145.3;148.3;146.4;150.2;153.1;157.3; 160.7;164.2;165.6;168.7;171.7];
x1=x(2:20,1);
x2=x(1:19,1);
x3=x1-0.71133*x2;
a=ones(19,1);
y4=y3-0.173*x3+0.263*a  % 残差

y5=y4(2:19,1);
y6=y4(1:18,1);
y7=y5-y6;
% DW
y8=sum(y7.^2)
y9=sum(y5.^2)
DW= y8/y9
p=1-DW/2

得到$DW=1.8207\rho =0.0897$
根据验证，残差不存在自相关性
最终拟合曲线为$$\widehat{y_t}=-0.263+0.7113y_{t-1}+0.173x_t-0.0638x_{t-1}$$

总结

1. 首先思考一下，这一整个问题的知识点有：散点图、残差、拟合曲线、DW检验、滞后性
2. 散点图：需要清楚绘画散点图的一些技巧和细节。
3. 残差：熟悉残差的计算方法，了解残差的规律以及所代表的意义
4. 拟合曲线：了解不同的拟合曲线的方法和工具（SPSS、MATLAB、EXCEL），清楚用法和优劣。
5. DW检验：明白DW检验的内涵（即去除自相关）
6. 滞后性：时间序列问题往往会遇到的。