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二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-1p2n|L X其中，X是预测期数 核心问题：如何计算 得出a与b ,见右方工兀2 +(的公式。a = 1vn|二乂年份销售量y时间XxyXX19*112-2-24419*212. 5-1-12. 5119*313. 200019*413. 5113. 5119*5142284合计(n=5)65. 20510修正的时间序列回归法销售量时间回归之散点图销训撤时间散点图销售磺时间散点图SUMMARY OUTPUT 回归统计Multiple R0.99366 0792方差分析R Square0. 98736 1769dfAdjusted R Square0. 98314 9026回归分析1标准误差0.103279556残差3观测值5总计4Coeffic ients标准误差t StatIntercept13.040. 046188022282. 3242816X Variable0.50. 03265915.309318631089SSMSFSignific ance F0.000605252. 5234.3753030.010660. 03266672. 532LowerUpper下限上限ivs丄ue95%95%95.0%95.0%9. 7995612.893013.186912.8930013. 186E-080919099199090.000600.396060. 603930.3960610. 603953031739826173938261SUMMARY OUTPUT 回归统计Multiple R0 993660792方差分析R Square0. 98736 1769dfAdjusted R Square0. 983149026回归分析1标准误差0.10327 9556残差3观测值5总计4Coeff ic Ients标准误差t StatIntercept-983.4665.0911238215.1089725X Variable050. 03265915.309318631089SSMSFSignific ance F2. 52.5234.3750.0006053030. 0320.0106666672. 532P-valueLower 95%Upper95%下限 95.0%上限95.0%0.00062 94471190.60776.3101190.609776.3109006993500699350.000600.396060. 603930.3960610. 603935303173982617398261年份销售量yXxyXX19*112-3-36919*212. 5-2-25419*313. 2-1-13. 2119*413. 5113. 5119*514228419*6153459合计(n-6)80. 2012. 328