學習預測和因子分析

根據上節什么是因子分析的表4回歸分析結果求回歸方程（方程1）。這里使用上節表4下方的“系數”值求解和學習預測和因子分析。

方程1

接下來，用回歸方程進行預測。此處的數據（N0.336-340）不用于回歸分析，而是專門用于預測與檢驗（表1）。

表1

預測No.336如下：

No.336的預測值=265.95+0+20.91+0+58.04+10.94+（-3.37）*45+6.74*3+84.72*4.5≈605.52'

同樣地，預測No.337如下：

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

下面用同樣的方法計算No.334的預測值。No.336到No.340的預測值如表2所示。

表2

比較預測值與實際值，判斷預測精確度的高低。求解相對誤差的公式如下：

公式

表3 I 3中，“二手車價格”這一列的數據是實際值。根據表1和表2求相對誤差（表3）。

表3

求相對誤差的絕對值。再計算所有絕對值的平均值，結果是12.1％。

筆者不知道實際市場上使用什么方法確定二手車價格，但是建議先對歷史數據進行同歸分析，然后使用得出的回歸方程確定二手車價格。

只要掌握了分析方法，無論是誰都能求出回歸方程?；貧w方程，就是確定價格的標準方法。

接著進行因子分析。

由于“LD”、“AW”、“空氣囊”、“顏色”、“拍賣會地點”是定性數據，因此需要求t值范圍。假設刪除的項目的t值為0。

“LD”的影響度=3.05-0=3.05

“AW”的影響度=2.00-0=2.00

“空氣囊”的影響度=3.99-0=3.99

“顏色”的影響度=15.21-0=15.2l

“拍賣會地點”的影響度=1.00-0=1.00

因為“行駛距離”、“車檢剩余有效月數”、“評分”是定量數據，所以t值就是影響度。

“行駛距離”的影響度=-6.4l

“車檢剩余有效月數”的影響度13.73

“評分”的影響度=6.15

表4是影響度的統計表。把表4做成如圖1的柱形圖。

表4

圖1

從圖1來看，對二手車價格的影響度由高到低的因子依次是：“顏色”、“行駛距離”、“評分”，“空氣囊”。

什么是類別分析

類別是指項目的具體內容。例如，“顏色”這個項目的類別是“黑色”，  “淺藍色”、  “藏藍色”、  “酒紅色”等。用類別分析可以求出各個類別對于二手車價格的影響。

進行類別分析時，須求回歸系數（類別區域）。類別區域（回歸系數）可以根據表5求出。

表5中，回歸系數的數值就是類別區域。將刪除的數據，如“無LD”、  “無AW’、  “無天窗”的類別區域假設為0。

表5

從類別區域看，“有LD”的比‘無LD“的貴45萬日元；“有AW”的比“無AW”的貴2l萬日元；“顏色”中黑色比其他顏色的價格貴很多。

通過類別分析，可知“黑色”對_二手車價格影響最大。今天的預測和因子分析就說完了，其中包含了因子分析和類別分析。