进修预测和因子阐明

按照上节什么是因子阐明的表4回归阐明功效求回归方程（方程1）。这里利用上节表4下方的“系数”值求解和进修预测和因子阐明。

方程1

接下来，用回归方程举办预测。此处的数据（N0.336-340）不消于回归阐明，而是专门用于预测与检讨（表1）。

表1

预测No.336如下：

No.336的预测值=265.95+0+20.91+0+58.04+10.94+（-3.37）*45+6.74*3+84.72*4.5≈605.52'

同样地，预测No.337如下：

No.337的预测值=265.95+45.24+20.91+45.74+58.04+10.94+（-3.37）*51+6.74*0+84.72*4≈613.69'

下面用同样的方式计较No.334的预测值。No.336到No.340的预测值如表2所示。

表2

较量预测值与实际值，判定预测准确度的坎坷。求解相对误差的公式如下：

公式

表3 I 3中，“二手车价值”这一列的数据是实际值。按照表1和表2求相对误差（表3）。

表3

求相对误差的绝对值。再计较所有绝对值的平均值，功效是12.1％。

笔者不知道实际市场上利用什么方式确定二手车价值，可是发起先对汗青数据举办同归阐明，然后利用得出的回归方程确定二手车价值。

只要把握了阐明方式，无论是谁都能求出回归方程。回归方程，就是确订价值的尺度方式。

接着举办因子阐明。

由于“LD”、“AW”、“氛围囊”、“颜色”、“拍卖会所在”是定性数据，因此需要求t值范畴。假设删除的项目标t值为0。

“LD”的影响度=3.05-0=3.05

“AW”的影响度=2.00-0=2.00

“氛围囊”的影响度=3.99-0=3.99

“颜色”的影响度=15.21-0=15.2l

“拍卖会所在”的影响度=1.00-0=1.00

因为“行驶间隔”、“车检剩余有效月数”、“评分”是定量数据，所以t值就是影响度。

“行驶间隔”的影响度=-6.4l

“车检剩余有效月数”的影响度13.73

“评分”的影响度=6.15

表4是影响度的统计表。把表4做成如图1的柱形图。

表4

图1

从图1来看，抖客教程网，对二手车价值的影响度由高到低的因子依次是：“颜色”、“行驶间隔”、“评分”，“氛围囊”。

什么是种别阐明

种别是指项目标详细内容。比方，“颜色”这个项目标种别是“玄色”，  “浅蓝色”、  “藏蓝色”、  “酒赤色”等。用种别阐明可以求出各个种别对付二手车价值的影响。

举办种别阐明时，须求回归系数（种别区域）。种别区域（回归系数）可以按照表5求出。

表5中，回归系数的数值就是种别区域。将删除的数据，如“无LD”、  “无AW’、  “无天窗”的种别区域假设为0。

表5

从种别区域看，“有LD”的比‘无LD“的贵45万日元；“有AW”的比“无AW”的贵2l万日元；“颜色”中玄色比其他颜色的价值贵许多。

通过种别阐明，可知“玄色”对_二手车价值影响最大。本日的预测和因子阐明就说完了，个中包括了因子阐明和种别阐明。