利用EXCEL实现财务预测的回归分析
出处：论文网
时间：2007-02-13
说明1：公式LINEST(A2:A9,B2:C9,1,1)中A2:A9是回归方程y = m1*x1+m2*x2 + b 中已知被预测对象y值集合，B2:C9是方程中已知可选变量值x1和 x2的集合。两个true均为逻辑值，前一个true 指明b 将被正常计算，如为false则强制b为0值；后一个true表示指明返回附加回归统计值，如为false则不返回附加回归统计值。
2、为了便于后面对结果进行分析，可将上述结果进行重新表达，使之更为清淅。根据上表中的结果和结果的排列顺序（见说明2），可在A17至E21区域输入对上述结果的解释：
多元回归方程： y=2.290183621*x1+1.300989098*x2+832.3009169
标准差： m1=0.304064556 m2=0.320701597 b=15.73868952
判定系数=0.9191356 y估计值的标准误差=6.425873026
F统计值=28.37776839 自由度=5
回归平方和=2343.540779 残差平方和=206.4592208
说明2：①返回回归分析的结果是按一定顺序排列的，排列顺序如下表：
A B C D E
11 mn mn-1 …… m1 b
12 sen sen-1 …… se1 seb
13 r2 sey
14 F df
15 ssreg ssresid
②上表中se1,se2,...,sen表示系数 m1,m2,...,mn 的标准误差值；Seb表示常数项 b 的标准误差值；r2表示判定系数，可用于拟合检验；Sey表示y 估计值的标准误差；F表示F 统计值或F观察值；df表示自由度；ssreg表示回归平方和；ssresid表示残差平方和。
（四）检验回归方程的可靠性
在上例中，判定系数（或 r2）为 0.9191356（函数 LINEST 的输出单元格 A13 中的值），表明在电视广告费用x1、报纸广告费用x2与销售额y之间存在很大的相关性。然后可以通过 F 统计来确定具有如此高的 r2 值的结果偶然发生的可能性。假设事实上在变量间不存在相关性，但选用 8 年数据作为小样本进行统计分析却导致很强的相关性。”Alpha”表示得出这样的相关性结论错误的概率。如果 F 观测统计值大于 F 临界值，表明变量间存在相关性。假设一项单尾实验的 Alpha 值为 0.05，根据自由度（在大多数F 统计临界值表中缩写成 v1 和 v2）v1 = k = 2，v2 = df=n - (k + 1) = 8 - (2 + 1) =5，其中 k 是回归分析中的变量数，n 是数据点的个数，可以在F 统计临界值表中查到F 临界值为 5.79。而在单元格 A14 中的 F 观测值为 28.37776839，远大于 F 临界值 5.79。由此可以得出结论：此回归方程适用于对销售额的预测。
（五）预测未来的销售额
假设2002年的电视广告费用预算为35万元，报纸广告费用预算为18万元，则根据多元线性回归方程y=2.290183621*x1+1.300989098*x2+832.3009169可计算出2002年的销售额为2.290183621*35+1.300989098*18+832.3009169即913.7583万元。
三、结束语
文中仅以预测销售额为例说明Excel在财务预测的回归分析中应用和实现问题，其他项目可以用同样的方法来预测。比如，假设存货与销售额之间存在直线关系，其直线方程为”存货=a+b×销售额”，根据历史资料和一元回归分析可以求出直线方程的系数a和b，然后根据预计销售额和直线方程预计存货的金额。通过假设销售额与资产、负债等存在线性关系，利用一系列的历史资料求得各资产负债表项目和销售额的函数关系，据此预测计划销售额与资产、负债数量，然后预测融资需求。须注意的是，函数变量的选择直接关系到回归分析结果的正确性和可靠性，只要变量选择恰当，Excel可以为财务管理工作带来极大的效率，使得在手工作业下难以完成的思想和方法得以顺利实施。
- 上一篇：银行行办公信息服务系统
- 下一篇：EXCEL在工资管理中的运用
