3-1 統計方法
統計分析方法早已廣泛被應用於各不同領域上,其越趨重要性,
即使在一般生活中,也逐漸廣泛被利用。包括:經濟、證券分析、醫 學、農業、土木、水利、交通、生物、化學及環境等方面。
變數間之關係有些是確定的,像數學關係,如橘子一斤 30 元,
十斤橘子 300 元;有些是不確定的,是隨機的,像廣告支出與銷售額 的關係,商品價格與需要量的關係,個人年所得與教育年數的關係 等。人們需要研究的是那些不確定的變數間之關係。如公司的業務經 理知道他所銷售的貨品的價格與需求量間之關係後,便可依據商品的 價格來預測銷售量(陳哲儀,2005)。
對於比較簡單的變數之間的關係,有時候可以憑著過去的經驗與 直覺來判斷,但是對於比較複雜或需要精確結果的,就需要依賴客觀 的統計方法來了解它們之間的關係了。在統計學上用來研究這些關係 的統計方法除了變異數分析尚有迴歸分析、相關分析等(陳哲儀,
2005)。
3-1-1 迴歸分析簡介
許多變數之間常存在著一定因果關係,例如用電量與溫度,河川
流量與雨量、銷售量與廣告等,均有一定的因果關係。
迴 歸 分 析 就 是 一 種 統 計 分 析 的 方 法 , 主 要 在 了 解 自 變 數
(independent variable)與應變數(dependent variable)間之數量關係。
主要用處是尋找兩個或兩個以上的變數之間的相互變化的關係。當找 到(或以為找到)這些關係之後,就可以利用它來做下面的事情(陳 哲儀,2005):
目的
1. 敘述(description):例如節目製作費用與收視率之關係(了解變 數之關係)。
2. 控制(control):例如商品價格與需要量之關係,故控制價格,也 許就可以控制需要量(以價制量)。
3. 預測(prediction):例如製作費與收視率之關係,也許可以用來粗 估某節目的收視率。
分類(依自變數多寡)
1. 簡單迴歸分析(Simple regression analysis)
2. 複迴歸分析(Multiple regression analysis ) 變數之選擇原則
1. 依相關理論或邏輯
2. 依研究人員探討之變數關係來決定
在迴歸分析中,有線性、對數、指數、多項式等迴歸方式,本研 究將採用線性迴歸方式進行分析與預測。
在線性迴歸分析中有四假設:
(一) 誤差沿著迴歸線是常態分佈。
(二) 應變數沿著迴歸線的變異為常數。
(三) 誤差項之間為序列獨立的關係。
(四) 自變數與應變數之間為線性關係。
3-1-2 迴歸分析模式之架構
迴歸(Regression)是研究自變數與應變數關係的方法,在本研 究中會刪除一些不明顯的數據,故將未被刪除之數據使用迴歸分析求 得迴歸方程式,以便推算出量達到預警效果。
迴歸公式如下:
0 1 1
Y
ˆb
b X
其中
Y
=迴歸預測值 b0=截距b1=自變數係數 X1=自變數 ε=誤差值