財務管理會計的基礎知識-資料下載頁

　　

【正文】 釋的那部分差異的大小被稱為回歸平方和（SSR）。　　SSR=TSSSSE　　其中TSS是總平方和，表示因變量的總差異的大小。　　因變量能夠被自變量解釋的程度用百分比表示出來就叫做判定系數（R2）。　　R2 = 回歸平方和/總平方和=SSR/TSS　　R2的值是在0到1之間。R2表示了線性回歸直線對數據點（X，Y）的擬合程度。擬合的越好，R2越接近1。兩個變量之間存在完全的線性關系時。兩個變量間的相關性很弱或它們間不存在線性關系時，R2接近于0。　　使用回歸分析作為一種預測工具時，需要考慮以下幾個注意事項：　　兩個變量間存在顯著的線性相關性并不能說明一個變量變化導致了另一個變量變化，即不能說明這兩個變量存在因果關系。　　不過，回歸分析用于預測時，兩個變量的因果關系這一條件并不是必要的。重要的是回歸模型能夠準確地反映兩個變量間的關系，并且這種關系是穩定的。　　回歸分析的應用　　例：XYZ公司通過對它每月的制造費用成本進行回歸分析，得出如下的成本關系。　　C= 80,000美元+ 12 M美元　　其中C是每月的制造費用成本，M是機器小時。估計的回歸模型的標準差是6,000美元。生產一盒公司產品需要的標準制造時間為四個機器小時。XYZ根據機器小時將制造費用分攤到產品上，該公司正常情況下每年的生產量為50,000盒。　　問題：如果某月計劃生產5,000盒產品，那么估計的變動制造費用成本是多少? 　　【答疑編號10010506：針對該題提問】　　答案：在成本計算式C= 80,000美元+ 12 M美元中， 80,000美元是固定成本部分，而12 M美元是變動成本部分。因此本題所求變動制造費用成本為12美元5,000盒4機器小時/盒= 240,000美元。　　總結一下，因變量和一個自變量之間成直線、線性關系時，用來進行預測和估計的方法就叫做簡單線性回歸模型。基本模型為Yi = β0 +β1Xi + ei。因變量能夠被自變量解釋的程度用百分比表示出來就叫做判定系數（R2）。R2的值是在0到1之間。模型設定的越好，R2越接近1。　　（3）多元回歸分析　　多元回歸分析是分析一個因變量同兩個或更多變量之間關系的方法，同時也是簡單回歸分析的擴展。在簡單回歸分析中，只存在一個自變量（獨立變量）。而在多元回歸分析中存在一個以上的自變量（獨立變量）。　　比如，房屋的價格是因變量，而自變量很多，例如房屋所占平方大小、房屋建造距今時間、臥室的數量和浴室的數量等等。　　從理論上說，用于計算回歸模型樣本的容量至少要比自變量的數量多一個。也是說，對于一個擁有四個自變量的模型，必須的最小樣本的數量是五個。實務中，樣本數量應該至少是自變量數量的四倍。否則，模型是毫無意義的。　　例：一所大學的管理委員會認為標準化測試的分數、高中績點以及高中課程的嚴格程度是預測本科績點最重要的變量。預測本科績點的最佳方法是：　　　　　　　　　　【答疑編號10010507：針對該題提問】　　答案：（a）多元回歸分析能夠使我們考慮三個變量。選項b不正確，因為指數平滑是一種時間序列方法。選項c不正確。在雙變量回歸分析中只有一個自變量，而我們有三個。選項d不正確，自回歸模型也使用雙變量回歸分析。　　與簡單回歸類似，多元回歸也使用多元判定系數R2。計算方法如下：　　R2 = 回歸平方和/總平方和=SSR/TSS　　例：，表明因變量中75%的差異能夠被模型中所有的自變量所解釋。　　并不是所有的自變量都能夠解釋因變量的差異。t檢驗能夠檢驗每個自變量作用是否顯著。t檢驗可以檢驗任何一個自變量的顯著性。而F檢驗可以檢驗整體回歸模型的顯著性。　　用于預測的回歸模型應只包含顯著的自變量。如果不顯著的自變量存在，必須移除這些自變量后才能用回歸模型進行預測。　　總結一下，因變量同一個以上的自變量的回歸分析是多元回歸分析。回歸時，樣本數量應該至少是自變量數量的四倍。　　（4）回歸模型中存在多重共線性的癥狀　　當模型中的自變量之間存在強相關性時，就會出現多重共線性的狀況。多重共線性對回歸模型具有負面的影響回歸系數的符號與預期的符號相反，并會對t檢驗產生影響。　　導致多重共線性的自變量對于模型不是必須的，因此可以移除出去同時不會對模型產生任何削弱作用。　　以下列出多重共線性在回歸模型中的癥狀：　　回歸系數的符號不正確　　有新的變量加入模型中后，加入之前的回歸系數的值發生變化　　之前對因變量有顯著影響的自變量在模型中加入新的變量后，對因變量的影響變得不顯著　　模型中加入新變量后估計的標準差增大。　　（5）回歸模型中的啞元變量　　當回歸模型的自變量是名義變量或序數變量時，我們稱之為定性自變量。例如，在一個預測利潤的模型中，客戶的性別（男性或女性）就是名義變量。　　為了給定性變量分配數值，我們在回歸模型中加入了啞元變量。加入啞元變量的規則是：如果定性變量有兩個類型（例如，男性或女性），那么增加一個啞元變量；對于兩個以上的類型，需要增加的啞元變量數為類型數減一（例如，對于五個類型，增加四個啞元變量）。啞元變量的取值是零或一，他們在回歸模型中將反映定性變量對因變量的影響。比如對于性　　別，加入一個啞元變量，男性取1，女性取0。　　（6）回歸方法　　從總體上說，建立回歸模型有兩種方法：（1）普通回歸；（2）逐步回歸。 　　在普通回歸法中，所有的自變量被一次性選到模型中。逐步回歸法通過后向消除法或前向選擇法逐步進行最小二乘回歸。　　（A）后向消除法。后向消除逐步回歸法首先用所有自變量建立普通回歸模型，然后逐步剔除不顯著的自變量。被保留的自變量的系數應顯著異于零。其優點是能夠使經理有機會在剔除不顯著的變量之前觀察所有的自變量。　　（B）前向選擇法。前向選擇法與后向消除法的方向相反。它首先選擇一個高度顯著、與因變量高度相關的自變量。然后，根據對因變量未解釋變化的解釋能力來選擇第二個自變量。　　（7）計量經濟學　　將統計方法應用到經濟數據中的學科被稱為計量經濟學。它分析經濟變量之間的關系。計量經濟學中通常使用多元回歸分析。　　比如，最近發生的事件使一個電力公司已有的時間序列模型無法用于預測目前的實際情況。這個公司需要建立一個新的經濟計量模型，以在各個因素的基礎上預測電力的需求。這些因素有：（1）服務的類型，（2）人口增長情況，以及（3）所服務地區的失業率。因為存在三個自變量，所以使用多元回歸。　　例：對經濟變量之間的關系進行的統計分析被稱為：　　　　　　　　　　【答疑編號10010508：針對該題提問】　　答案：（b）經濟計量學使用統計方法來研究經濟數據之間的關系。選項a不正確，因為宏觀經濟學和微觀經濟學不使用統計分析。他們是對經濟理論的分類。宏觀經濟學處理的是經濟總體的行為，例如GNP和就業水平。選項c不正確，因為微觀經濟學處理的是經濟個體的行為，例如消費者和公司。選項d不正確，因為社會經濟學是將社會因素和經濟因素聯系起來的學科。　　　　敏感性分析用于評估輸入值的變化如何影響模型或系統的輸出值。　　例如，銀行經理使用敏感性分析方法，可以判斷利率變化一個百分點，資產組合最優比例會相應發生什么變化。　　敏感性分析還可以應用于制造、線性規劃、財務、網絡以及存貨等方面。　　例題：在動態環境中建立的本量利模型決定了估計變量可以在限制范圍內變化。用估計變量的所有可能值對模型進行的測試被稱為（　）。　　　　　　　　　　【答疑編號10010601：針對該題提問】　　答案：A　　解析：敏感性分析揭示了一個或多個輸入變量的變化對于輸出結果的影響。選項B統計估計是指參數估計。選項C統計假設檢驗是指有關估計參數假設的檢驗。選項D時間序列研究涉及預測數據隨時間變化的情況。　　　　模擬模型的主要目標是描述真實系統的行為。　　計算機模擬模型的步驟包括：　　（1）建立一個計算機模擬模型，模仿或模擬真實世界的系統。　　（2）進行一系列的計算機運行或試驗，了解模擬模型的行為。　　（3）改變模型的設計，確定修改是否有助于改進系統績效。在這一步中會提出如果問題。因此，模擬模型有助于經理預測未來。　　例題：方案戰略，例如如果，則，可以同（　）一起使用： 　　　　　　　　　　【答疑編號10010602：針對該題提問】　　答案：D　　解析：如果，則的方案戰略是模擬的核心。選項A統計抽樣不包括方案戰略。選項B經濟計量預測是使用經濟學知識來預測所選數據的行為。選項C等候理論是用來解決排隊等候問題的。　　通常情況下，計算機模擬器被用來執行計算機的模擬程序。計算機程序中運行的模擬器會實施數學運算，追蹤模擬的結果。　　例如，可以模仿繁忙街道交叉路口的交通流量，確定改進交通情況所需要的交通信號的數量。　　模仿存貨系統的性態，確定最優訂貨數量和再訂貨點。　　計算機模擬最重要的是蒙特卡羅模擬。在該模擬中，模型的輸入值，例如到達一個服務中心的顧客數目，街道交叉路口的交通流量，是通過隨機數產生的。　　例題：由于對新產品的需求受到很多因素、這些因素之間的交互作用、這些因素不同值的概率的影響，市場部門開發了一種計算機程序來預測需求。通過使用隨機數步驟來為不同的因素賦值，我們就可以估計出這項新產品需求的分布。這種估計新產品需求分布的方法被稱為（　）。　　　　　　　　　　【答疑編號10010603：針對該題提問】　　答案：A　　解析：在模擬方法中，概率過程首先被模型化。然后在模型中多次輸入不同值，以估計所關注變量可能結果的分布。使用隨機數步驟來產生輸入值的模擬被稱為蒙特卡羅模擬。選項B線性規劃作為數學工具，是用來使既定約束下的目標最大化或最小化的。選項C相關性分析作為統計技術，是用來研究變量間的關備選系的。選項D差異分析是用來制定決策的，它比較在兩種或兩種以上的替代方法間產生的成本（或收入）的區別。　　模擬是用來描述現實世界系統的行為的方法。當模型的輸入值是運用隨機概率分布產生的時，這一模擬被稱為蒙特卡羅模擬。　　例題：一家公司要決定是否采購一臺自動化的機器以生產某種產品。這一決定的期望凈現金流量取決于幾個因素、這些因素的交互作用、以及這些因素處于不同水平的概率。公司用于評估這一決策的凈現金流分布、以及因素水平的變化導致的凈現金流變化的方法是（　）。　　　　　　　　　　【答疑編號10010604：針對該題提問】　　答案：A　　解析：模擬是用來描述現實世界系統的行為的方法。這種方法常常使用計算機程序來實施模擬計算。敏感性分析可以檢查結果如何隨著模型參數的變化而變化。　　例題：一條大型捕魚作業船擁有捕魚船下面存在蝦群的間隔、時間及可能性的相關信息。為了更好的使用這些信息預測發船的時間和地點，應當使用（　）方法。　　　　　　　　　　【答疑編號10010605：針對該題提問】　　答案：A　　解析：建立模擬模型的目的是理解現實的行為。使用模型得出的特征可以對真實系統做出推論。選項B最小二乘法是使用一個因變量、一個或多個自變量的預測方法。選項C等候方法是用來平衡期望的服務水平與提供更多服務的成本之間的關系。選項D不它是一種使用主觀權重，根據時間序列數據進行預測的方法。　　例題：作為風險分析的一部分，內部審計師希望運用過去三十個月的銷售數據來預測公司下個月銷售增長的百分比。組織內影響銷售數量的重大變動是在過去九個月中發生的。最有效的分析方法是： 　　　　　　　　　　【答疑編號10010606：針對該題提問】　　答案：B　　解析：指數平滑法會對最近的銷售數據賦予最大的權重。選項A非加權平均不會給最近的銷售數據賦予更多的權重。選項C等候理論是用來確定等候時間的。選項D線性回歸分析不會給最近的銷售數據賦予更多的權重。　　例題：銀行的內部審計師建立了多元回歸模型，用來估計商業貸款的利息收入，已經使用了多年。在本年度中，審計師使用模型并發現R平方的值下降較快，但是模型看上去沒有問題。以下哪一項結論是合理的（　）。　　　　　　　　　　【答疑編號10010607：針對該題提問】　　答案：C　　解析：R平方顯示了由自變量解釋的因變量（利息收入）的變化程度。在本例中，可以由模型來解釋的利息收入變化部分變小了，因此必然是模型之外其它的一些因素導致利息收入的變化。　　例題：許多公司用場地位置模型預測待開發地區未來的銷售情況（Y）。一些可使用的解釋變量包括：區域內的人口密度（X1）、交通流量（X2）、競爭者數量（X3）以及進入或退出某一區域是否容易（X4）。一個簡化的計算機分析輸出為：　　因變量：Y　　N：12　　R：.986　　R 平方：.972　　標準誤差：3800　　變量　　　系數　　常量　　　124，000　　X1　　　　5　　X2　　　　350　　X3　　　　1，700　　X4　　　　4，000　　【答疑編號10010608：針對該題提問】　　（1）使用的方法是（　）　　　　，多元參數　　　　　　答案：C　　解析：存在X1到X4四個自變量，因此是多元回歸分析。只有一個自變量的回歸分析被稱為一元回歸分析。　　（2）因變量與自變量之間的關系可以描述為（　）。　　　　　　　　　　答案：A　　解析： 因為X3的系數是負的，X3與Y是負向關系。因為其它三個系數是正的，XX2和X4與Y是正相關。　　（3）變量 X4不是普通的變量，因為進入某一區域或者有問題，或沒有。我們可以定義0為進入沒有問題，1為進入有問題。這種變量被稱為（　）。　　　　　　　　　　答案：B　　解析：虛擬變量值為一和零，他們在回歸分析中代表定性變量（X4）。　　（4）根據計算機輸出的結果，如果交通流量增加一個單位，銷售會（　）。　　，700　　　　　　，000　　答案：B　　解析： X2的系數為350，因此