线性回归分析法例题

专题：层次分析法

一般情况下，物流系统的评价属于多目标、多判据的系统综合评价。如果仅仅依靠评价者的定性分析和逻辑判断，缺乏定量分析依据来评价系统方案的优劣，显然是十分困难的。尤其是物流系统的社会经济评价很难作出精确的定量分析。

层次分析法（Analytical Hierarchy Process）由美国著名运筹学家萨蒂（T．L．Saaty）于1982年提出，它综合了人们主观判断，是一种简明、实用的定性分析与定量分析相结合的系统分析与评价的方法。目前，该方法在国内已得到广泛的推广应用，广泛应用于能源问题分析、科技成果评比、地区经济发展方案比较，尤其是投入产出分析、资源分配、方案选择及评比等方面。它既是一种系统分析的好方法，也是一种新的、简洁的、实用的决策方法。

◆ 层次分析法的基本原理

人们在日常生活中经常要从一堆同样大小的物品中挑选出最重的物品。这时，一般是利用两两比较的方法来达到目的。假设有n个物品，其真实重量用w1，w2，…wn表示。要想知道w1，w2，…wn的值，最简单的就是用秤称出它们的重量，但如果没有秤，可以将几个物品两两比较，得到它们的重量比矩阵A。

如果用物品重量向量W=[w1，w2，…wn]右乘矩阵A，则有：

T

由上式可知，n是A的特征值

实验目的：

熟悉有关层次分析法模型的建立与计算，熟悉Matlab的相关命令。

实验准备：

1. 在开始本实验之前，请回顾教科书的相关内容；

2. 需要一台准备安装Windows XP Professional操作系统和装有Matlab的计算机。

实验内容及要求

试用层次分析法解决一个实际问题。问题可参考教材P296第4大题。

实验过程：

某物流企业需要采购一台设备，在采购设备时需要从功能、价格与可维护性三个角度进行评价，考虑应用层次分析法对3个不同品牌的设备进行综合分析评价和排序，从中选出能实现物流规划总目标的最优设备，其层次结构如下图所示。以A表示系统的总目标，判断层中B1表示功能，B2表示价格，B3表示可维护性。C1，C2，C3表示备选的3种品牌的设备。

购买设备A 目标层： 判断层： 功能B1 价格B2 维护性B3 方案层： 产品C1 产品C2 设备采购层次结构图

产品C3

解题步骤：

1、标度及描述

人们定性区分事物的能力习惯用5个属性来表示，即同样重要、稍微重要、较强重要、强烈重要、绝对重要，当需要较高精度时，可以取两个相邻属性之间的值，这样就得到9个数值，即9个标度。

为了便于将比较判断定量化，引入1～9比率标度方法，规定用

专题：层次分析法

一般情况下，物流系统的评价属于多目标、多判据的系统综合评价。如果仅仅依靠评价者的定性分析和逻辑判断，缺乏定量分析依据来评价系统方案的优劣，显然是十分困难的。尤其是物流系统的社会经济评价很难作出精确的定量分析。

层次分析法（Analytical Hierarchy Process）由美国著名运筹学家萨蒂（T．L．Saaty）于1982年提出，它综合了人们主观判断，是一种简明、实用的定性分析与定量分析相结合的系统分析与评价的方法。目前，该方法在国内已得到广泛的推广应用，广泛应用于能源问题分析、科技成果评比、地区经济发展方案比较，尤其是投入产出分析、资源分配、方案选择及评比等方面。它既是一种系统分析的好方法，也是一种新的、简洁的、实用的决策方法。

◆ 层次分析法的基本原理

人们在日常生活中经常要从一堆同样大小的物品中挑选出最重的物品。这时，一般是利用两两比较的方法来达到目的。假设有n个物品，其真实重量用w1，w2，…wn表示。要想知道w1，w2，…wn的值，最简单的就是用秤称出它们的重量，但如果没有秤，可以将几个物品两两比较，得到它们的重量比矩阵A。

如果用物品重量向量W=[w1，w2，…wn]右乘矩阵A，则有：

T

由上式

一元线性回归分析和多元线性回归分析

一元线性回归分析

1.简单介绍

当只有一个自变量时，称为一元回归分析（研究因变量y和自变量x之间的相关关系）；当自变量有两个或多个时，则称为多元回归分析（研究因变量y和自变量x1，x2，…，xn之间的相关关系）。如果回归分析所得到的回归方程关于未知参数是线性的，则称为线性回归分析；否则，称为非线性回归分析。在实际预测中，某些非线性关系也可以通过一定形式的变换转化为线性关系，所以，线性回归分析法成为最基本的、应用最广的方法。这里讨论线性回归分析法。

2.回归分析法的基本步骤

回归分析法的基本步骤如下： （1） 搜集数据。

根据研究课题的要求，系统搜集研究对象有关特征量的大量历史数据。由于回归分析是建立在大量的数据基础之上的定量分析方法，历史数据的数量及其准确性都直接影响到回归分析的结果。 （2） 设定回归方程。

以大量的历史数据为基础，分析其间的关系，根据自变量与因变量之间所表现出来的规律，选择适当的数学模型，设定回归方程。设定回归方程是回归分析法的关键，选择最优模型进行回归方程的设定是运用回归分析法进行预测的基础。 （3） 确定回归系数。

将已知数据代入设定的回归方程，并用最小二乘法原则计算出回归系数，确定

三大产业对我国国内生产总值增长影响的实证分析

【摘要】经济发展是以经济增长为前提的，而经济增长与产业结构变动又有着密不可分的关系。本文采用1978年至2010年的统计数据，通过建立多元线性回归模型，运用最小二乘法，研究三大产业增长对我国国内生产总值的拉动，从而得出调整产业结构对转变经济发展方式，促进我国经济可持续发展的重要性。

【关键字】国内生产总值 三大产业 最小二乘法 产业结构 可持续发展

一、文献综述

国内生产总值（Gross Domestic Product，简称GDP)是指在一定时期内（一个季度或一

年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。经济增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志，它构成了经济发展的物质基础，而产业结构的调整与优化升级对于经济增长乃至经济发展至关重要。

一个国家产业结构的状态及优化升级能力，是经济发展的重要动力。十六大报告提出，推进产业结构

§ 8.3 线性回归分析 一、回归分析原理 回归分析实际上就是建立某种数学模型并做检验。假定： 一列(或多列)数据的变化同另一列数据的变化呈某种函数关 系，衡量数据联系强度的指标，并通过指标检验其符合的程度， 就称为回归分析。

回归分析包括：一元回归、多元回归以及线性回归和非线 性回归： 一元回归：Y(因变量)取值：y1 y2 y3… X(自变量)取值：x1 x2 x3 … 建立一元线性回归方程： Y=BX+C(方程中的 B 为回归系 数，C为常数) 或者是非线性回归方程：Y=f(X)

多元回归：Y(因变量)取值： y1 y2 y3… X1(自变量1)取值: x11 x12 x13 … X2(自变量2)取值: x21 x22 x23 … ……

Xn(自变量n)取值: xn1 xn2 xn3 …

建立多元线性回归方程：Y=B1X1+B2X2…+ BnXn + B0(方 程中的Bi为回归系数) 或者是非线性回归方程：Y=f(X1 X2…Xn)

二、回归分析的概念 假定测量数据为: 因变量 自变量1 自变量2 … 自变量n y1 x11 x21 … xn1 y2 x12 x22 … xn2 … … … ym x1m x2m … xnm 建立因变量与

商法例题

第一章 国际商法导论

香港同进公司为了其在中国内地合作经营所需设备的购买与安装，与香港美善公司在香港签订了供应和安装设备的合同，规定由美善公司供应并负责安装同进公司所需设备。合同签订之后，同进公司用港币预付了合同的部分价款，美善公司则在设备安装所在地的中国内地某市向工商管理部门办理了安装登记证，同时提供进口设备进行安装。后来，因美善公司安装的部分设备与会谈规定的品名不符，并且还有部分设备未进行安装，同进公司便拒绝支付所欠价款。于是，美善公司在设备安装所在地某人民法院对同进公司提起诉讼，要求其支付所欠合同价款并赔偿利息损失。在开庭审理时，被告以双方当事人是香港公司并在香港签订合同为由，要求依香港法律确认合同无效，原告主张应依中国法律确认合同有效，以令被告按合同规定支付欠款。

问：根据合同法律适用的规定，我国法院应该适用我国的法律，还是适用香港的法律？

答：根据我国《民法通则》和《合同法》关于合同法律适用的规定，如果合同当事人没有选择适用的法律，则以最密切联系的国家或地区的法律为合同准据法。 具体到本案，应适用我国的法律（20页）

第二章 合伙企业法

[案例1] 刘某与A、B两人欲设立一普通合伙企

1 线性回归

1.1 原理分析

要研究最大积雪深度x与灌溉面积y之间的关系，测试得到近10年的数据如下表：

使用线性回归的方法可以估计x与y之间的线性关系。 线性回归方程式：

对应的估计方程式为

线性回归完成的任务是，依据观测数据集(x1,y1),(x2,y2),...,(xn,yn)使用线性拟合估计回归方程中的参数a和b。a,b都为估计结果，原方程中的真实值一般用α和β表示。

为什么要做这种拟合呢？

答案是：为了预测。比如根据前期的股票数据拟合得到股票的变化趋势（当然股票的变化可就不是这么简单的线性关系了）。 线性回归的拟合过程使用最小二乘法，

最小二乘法的原理是：选择a,b的值，使得残差的平方和最小。

为什么是平方和最小，不是绝对值的和？答案是，绝对值也可以，但是，绝对值进行代数运算没有平方那样的方便，4次方又显得太复杂，数学中这种“转化化归”的思路表现得是那么的优美！ 残差平方和Q，

求最小，方法有很多。代数方法是求导，还有一些运筹学优化的方法（梯度下降、牛顿法），这里只需要使用求导就OK了，

为表示方便，引入一些符号，

最终估计参数a与b的结果是：

自此，针对前面的例子，只要将观测数据带入上面表达式即可计算得到拟合之后的a和b。不妨试

用Excel进行一元线性回归分析

Excel功能强大，利用它的分析工具和函数，可以进行各种试验数据的多元线性回归分析。本文就从最简单的一元线性回归入手.

在数据分析中，对于成对成组数据的拟合是经常遇到的，涉及到的任务有线性描述，趋势预测和残差分析等等。很多专业读者遇见此类问题时往往寻求专业软件，比如在化工中经常用到的Origin和数学中常见的MATLAB等等。它们虽很专业，但其实使用Excel就完全够用了。我们已经知道在Excel自带的数据库中已有线性拟合工具，但是它还稍显单薄，今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。

文章使用的是2000版的软件,我在其中的一些步骤也添加了2007版的注解.

1 利用Excel2000进行一元线性回归分析

首先录入数据.

以连续10年最大积雪深度和灌溉面积关系数据为例予以说明。录入结果见下图（图1）。

图1

第二步，作散点图

如图2所示，选中数据（包括自变量和因变量），点击“图表向导”图标；或者在“插入”菜单中打开“图表（H）(excel2007)”。图表向导的图标为。选中数据后，数据变为蓝色（图2）。

图2

）：

点击“图表向导”以后，弹出如下对话框（图3

在左边一栏中选中“XY散点图”，点击“完成”按钮，立即出

SPSS—回归—多元线性回归结果分析（二） 2011-10-27 14:44

，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到水穷处”，”坐看云起时“。

接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示： 结果分析1：

由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果可以看出，最先进入“线性回归模型”的是“price in thousands\ 建立了模型1，紧随其后的是“Wheelbase\ 建立了模型2，所以，模型中有此方法有个概率值，当小于等于0.05时，进入“线性回归模型”（最先进入模型的，相关性最强，关系最为密切）当大于等 0.1时，从“线性模型中”剔除

结果分析：

1：从“模型汇总”中可以看出，有两个模型，（模型1和模型2）从R2 拟合优度来看，模型2的拟合优度明显比模型1要好一些 （0.422>0.300）

2：从“Anova\可以看出“模型2”中的“回归平方和”为115.311，“残差平方和”为153.072，由于总平方和= 回归平方和+残差平方和，由于