1、多元线性回归分析实例应用1.多元线性回归分析实例2.多元线性回归分析应用多元线性回归分析实例 【例】一大型牙膏制造公司为了更好地拓展产品市场，有效地管理库存，公司董事会要求销售部门根据市场调查，找出公司生产的牙膏销售量与广告费用、销售价格、其它公司平均销售价格等之间的关系。为此，销售部门人员收集了过去30个销售周期（每个销售周期为4个星期）公司生产的牙膏销售量的相关数据。（1）建立销售额的多元线性回归方程；（2）判断建立的多元线性回归方程拟合优劣程度；在显著性水平0.05下，检验自变量对因变量的线性影响是否显著；（3）如果未来一个销售周期广告费用为6.18百万元，销售价格为13.80元，其他公
2、司平均销售价格为13.78元，根据建立的多元线性回归方程预测该销售周期的销售额。多元线性回归分析实例表 牙膏销售量的相关数据销售周期销售量/百万支广告费用/百万元销售价格/元其他公司平均销售价格/元17.385.5013.8513.80 28.516.7513.7514.0039.527.2513.7014.3047.505.5013.7013.7059.337.0013.6013.85.269.216.8013.6514.25278.276.5013.7013.65287.675.7513.7513.75297.935.8013.8013.85309.266.8013.7014.25Y123
3、多元线性回归分析应用多元线性回归分析应用解 表示牙膏销售量，表示广告费用，表示销售价格，表示其他公司平均销售价格。建立销售额的样本线性回归方程如下：一元线性回归分析应用解 多重判定系数 修正的多重判定系数 回归估计标准误差 表明牙膏销售量与广告费用、销售价格、其它公司平均销售价格三个自变量之间的线性相关程度很高，回归方程的拟合效果较好。一元线性回归分析应用解 广告费用的回归系数检验 ，对应的 销售价格的回归系数检验 ，对应的 其它公司平均销售价格的回归系数检验 ，对应的 三个自变量回归系数对应的 值（即Sig.）都接近于0，从而可 认为回归模型中这三个自变量都对因变量有显著的线性影响。一元线性
4、回归分析应用（百万支）小结1.多元线性回归分析实例2.多元线性回归分析应用思考练习 一销售公司将其连续18个月的销售额和库存资金额、广告收入、员工薪酬四个方面数据做了汇总（见表9.8）。该公司的管理人员试图根据这些数据找出销售额与其他三个变量之间的关系，以便进行销售额预测并为未来的工作决策提供参考依据。（1）建立销售额的多元线性回归方程；（2）如果未来一个月库存资金额为150万元，广告投入为45万元，员工薪酬为27万元，根据建立的多元线性回归方程预测该月的销售额。思考练习表 18个月的销售额和库存金额、广告收入、员工薪酬的数据 万元月份销售额库存资金额广告投入员工薪酬11090.475.230.621.12 1133.077.631.321.431242.180.733.922.941003.276.029.621.451283.279.532.521.5.141551.3125.045.829.1151601.2137.851.724.6162311.7175.667.227.5172126.7155.265.026.5182256.5174.365.426.8
