学习预测和因子分析

根据上节什么是因子分析的表4回归分析结果求回归方程（方程1）。这里使用上节表4下方的“系数”值求解和学习预测和因子分析。

方程1

接下来，用回归方程进行预测。此处的数据（N0.336-340）不用于回归分析，而是专门用于预测与检验（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′

下面用同样的方法计算No.334的预测值。No.336到No.340的预测值如表2所示。

表2

比较预测值与实际值，判断预测精确度的高低。求解相对误差的公式如下：

公式

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

表3

求相对误差的绝对值。再计算所有绝对值的平均值，结果是12.1％。

笔者不知道实际市场上使用什么方法确定二手车价格，但是建议先对历史数据进行同归分析，然后使用得出的回归方程确定二手车价格。

只要掌握了分析方法，无论是谁都能求出回归方程。回归方程，就是确定价格的标准方法。

接着进行因子分析。

由于“LD”、“AW”、“空气囊”、“颜色”、“拍卖会地点”是定性数据，因此需要求t值范围。假设删除的项目的t值为0。

“LD”的影响度=3.05-0=3.05

“AW”的影响度=2.00-0=2.00

“空气囊”的影响度=3.99-0=3.99

“颜色”的影响度=15.21-0=15.2l

“拍卖会地点”的影响度=1.00-0=1.00

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

“行驶距离”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，对二手车价格的影响度由高到低的因子依次是：“颜色”、“行驶距离”、“评分”，“空气囊”。

什么是类别分析

类别是指项目的具体内容。例如，“颜色”这个项目的类别是“黑色”， “浅蓝色”、 “藏蓝色”、 “酒红色”等。用类别分析可以求出各个类别对于二手车价格的影响。

进行类别分析时，须求回归系数（类别区域）。类别区域（回归系数）可以根据表5求出。

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

表5

从类别区域看，“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”中黑色比其他颜色的价格贵很多。

通过类别分析，可知“黑色”对_二手车价格影响最大。今天的预测和因子分析就说完了，其中包含了因子分析和类别分析。