迴歸預測

迴歸預測(regression forecasting)是迴歸方程的一項重要應用。所謂預測就是對給定的X值，估計Y值將落在什麼範圍。設變量X,Y有線性關係，且線性迴歸方程

的擬合度是較好的，但由於X,Y並非確定性關係，故對任意

，不能精確地求得相應的y值，是根據變量之間相關關係或因果關係進行預測的方法 ^[2]  。

迴歸預測方法有多種類型。

依據相關關係中自變量的個數不同分類，可分為一元迴歸分析預測法和多元迴歸分析預測法。在一元迴歸分析預測法中，自變量只有一個，而在多元迴歸分析預測法中，自變量有兩個以上。依據自變量和因變量之間的相關關係不同，可分為線性迴歸預測和非線性迴歸預測。

明確預測的具體目標，也就確定了因變量。如預測具體目標是下一年度的銷售量，那麼銷售量Y就是因變量。通過市場調查和查閲資料，尋找與預測目標的相關影響因素，即自變量，並從中選出主要的影響因素。

依據自變量和因變量的歷史統計資料進行計算，在此基礎上建立迴歸分析方程，即迴歸預測模型。

迴歸分析是對具有因果關係的影響因素(自變量)和預測對象(因變量)所進行的數理統計分析處理。只有當變量與因變量確實存在某種關係時，建立的迴歸方程才有意義。因此，作為自變量的因素與作為因變量的預測對象是否有關，相關程度如何，以及判斷這種相關程度的把握性多大，就成為進行迴歸分析必須要解決的問題。進行相關分析，一般要求出相關關係，以相關係數的大小來判斷自變量和因變量的相關的程度。

迴歸預測模型是否可用於實際預測，取決於對迴歸預測模型的檢驗和對預測誤差的計算。迴歸方程只有通過各種檢驗，且預測誤差較小，才能將回歸方程作為預測模型進行預測。

利用迴歸預測模型計算預測值，並對預測值進行綜合分析，確定最後的預測值。

1）應用迴歸預測法時應注意的問題：

應用迴歸預測法時應首先確定變量之間是否存在相關關係。如果變量之間不存在相關關係，對這些變量應用迴歸預測法就會得出錯誤的結果。

2）正確應用迴歸分析預測時應注意：

①用定性分析判斷現象之間的依存關係；

②避免迴歸預測的任意外推；

③應用合適的數據資料。

近年來支持向量機的迴歸預測在很多的方面得到應用，並且有很多的預測方法值得去探討 ^[3]  。

應用方面，例如：疾病預測，天氣預測，市場預測，股價預測，實時業務預報等等都有廣泛的應用。這些讓我們看到它的前景的可觀。但基於支持向量機的迴歸預測也許在進行實際預測的時候有不準確的地方。也許預測的結果不是那麼的令人滿意，採取適當的替換核函數辦法，必要時可以改進算法。還有一些諸如移動平均法，混沌預測，神經網絡預測等這些都可以去加以嘗試，或根據與支持向量機結合進行改進。方便我們實際生活的預測。支持向量機的發展領域很廣泛，在支持向量機的預測方法上相信以後繼續會對我們的研究帶來很大的進展。