回归分析预测法的含义

回归分析预测法是指在分析现象自变量和因变量之间相关关系的基础上，建立数学模型，根据自变量的变化对因变量进行预测的方法。

回归分析预测法是一种重要的市场预测方法。当我们在对市场的某种现象的未来发展状况进行预测之前，如果能找到影响这种市场现象的主要因素，取得可靠和充分的数据资料，就可以采用回归分析预测法对这种市场现象进行预测。

回归分析预测法的分类

（1）根据自变量的个数不同，可将回归分析预测法分为一元线性回归分析预测法和多元线性回归分析预测法。一元线性回归分析预测法涉及的自变量只有一个，而在多元线性回归分析预测法涉及的自变量有多个。

（2）根据自变量和因变量的关系不同，可将回归分析预测法分为线性回归分析预测法和非线性回归分析预测法。如果现象之间的数量变化在坐标平面上近似地表现为一条直线，通过拟合直线方程对现象进行预测，称之为线性回归分析预测法。如果现象之间的数量变化在坐标平面上近似地表现为一条曲线，通过拟合曲线方程对现象进行预测，称之为非线性回归分析预测法。

回归分析预测法的步骤

回归分析预测法在市场调查实践中的一般应用步骤如下：

1.根据预测目标，确定因变量和自变量

在回归分析预测法中，因变量是指代表预测目标的变量。确定了具体的预测目标，也就确定了因变量。自变量是指影响预测目标（因变量）的各种因素。通过市场调查和分析资料，寻找和预测目标相关的影响因素，并从中选出主要的因素作为自变量。例如，预测某种产品下半年的销售利润总额，那么这种产品下半年的销售利润总额就是因变量，由于销售利润总额的变化可能受到成本费用、销售单价、销售量等多种因素的影响，因此可以选成本费用、销售单价、销售量作为自变量。

2.进行相关分析，建立回归分析预测模型

相关分析是对预测目标（因变量）与其影响因素（自变量）的相关程度的数理统计分析。只有当因变量和自变量确实存在数理关系时，建立回归分析预测模型才有意义。因变量和自变量是否相关，相关程度如何，以及判断这种相关程度的把握有多大，是建立回归分析预测模型之前必须解决的问题。确认预测目标与影响因素之间的相关关系后，计算相关系数，通过充分的数据分析，确定预测目标与影响因素变化的趋势线类型，建立回归分析预测模型。

3.求解模型参数，检验模型误差

由于回归分析预测模型往往表现为回归方程，求解模型参数也就是解方程的过程。最小二乘法是求解回归方程的常用方法。

通过检验回归分析预测模型，计算预测误差，可以判断回归分析预测结果的准确度。回归方程只有通过规范的检验，预测误差较小，才能被作为预测模型。

4.利用回归分析预测模型进行预测

利用回归分析预测模型计算预测值，对预测结果进行综合分析。预测通常有两种情况：一种是点预测，即求得的预测值为一个值；另一种是区间预测，即所求得的预测值有一个数值范围。