|
我在「统计问答」星球里发起了【读书笔记】栏目，目前在读的图书有《MedCalc统计分析方法及应用》《计量经济学及Stata应用》《应用STATA做统计分析》和孙振球版《医学统计学》。Stata我是新接触，我选择了《应用STATA做统计分析》这一本来补充基础知识，基础不牢，大厦会倒，这很重要。我曾在SPSS视频课程中发过一个线性回归案例，收集到10年共120个月的女装销售数据，当时我采用跟服装营销有关的5个变量进行回归和销售的预测。只看回归方程的话，模型还不错，如果仔细考虑的话，它就不对了。服饰品销售自身就有很强的季节性变化，而且数据本身就是时间序列数据，如果说该数据有较强的自相关性，那么线性回归还适合吗？Stata在线性回归方面优势非常明显，我现在先对因变量“女装销售”绘制自相关图，观察一下目标变量的自相关性。比较明显的一个拖尾形态，而且可以看到有季节性变化，1阶、12阶、24阶、36阶自相关系数较高。12阶在0.6以上，这刚好也符合现实含义，服装市场存在淡旺季的季节性变化。自相关性不容忽视。接下来，我直接拟合一个5个自变量X1~X5的多元回归，咱们来看回归残差的自相关性表现。regress 女装 邮件量 手册页数 电话量 广告费 客服数量predict yres,residual
回归残差的自相关图，仍然表现出拖尾状态，而且仍然继续可以观察到以年为单位的季节性变化，12阶自相关系数0.5以上，因此综合来看，该组数据拟合线性回归是不合适的。可以考虑时间序列预测，甚至在时间序列基础上附加自变量影响。
|
