【摘 要】利用统计建模将经济问题转化为数学问题是当今经济研究中的热点.本文主要探讨了统计模型在市场预测分析这个经济问题中的应用。
　　【关键词】统计方法；统计模型；市场预测
　　一、引言
　　统计学是关于数据的搜集、整理、分析和推论的科学，通过探索数据的内在规律性帮助人们做出有效的决定。现代经济问题涉及社会生活的各个领域，这就决定了统计学在其中广泛的应用。本文探讨了统计模型在市场预测中的应用。
　　二、统计模型在市场预测中的应用
　　回归统计分析法是进行市场预测较为常用的方法之一，下面结合实例介绍多元回归分析法的应用。某市统计局公布的2005～2011年年货运量数据如下表1。
　　表1 某市统计局公布的2005～2011年年货运输数据
　　第一，结合表1数据，我们研究该市年货运总量与其他四项经济数据之间的相关关系如何，首先要建立一个多元回归模型。设因变量y与m个解释变量x1，x2，…，xm之间具有线性相关关系，则多元线性回归模型的一般表现形式为：y=β0+β1x1
　　+β2x2+…+βmxm+μi（i=1，2，…，m），（1）。其中，β0为待定系数，βi（i=1，2，…，m）称为偏回归系数，则方程（1）称为m元线性总体回归方程。根据表1数据，我们将年货运总量设为因变量y，其他4个经营指标作为影响因素设为解释变量x1，x2，x3，x4。
　　第二，建立多元回归方程，根据最小二乘原理，β0和β1，β2，…βm应能使得误差平方和达到最小。对Q求关于的偏导数，则各参数估计值应该Q=■（y■-y■）■=■y■-（β■+β■x■+β■x■+…β■x■）■是下列方程组β■，β■，…β■的解：■，β■=■-■β■■■。其中，ι■（i，j=1，2，…，m）表示各变量两两间离均差积和：ι■=■（xik-xi）（xjk-xj）解这个线性方程组，即可得到待定系数β0和偏回归系数β1，β2，…βm的值。结合本例，求解得出β0和βi（i=1，2，…，4）值如下：■代入方程（1），可得多元线性回归方程：y=4026.614+17.40676x1+
　　0.215370x2+0.018223x3+0.0226033x4。
　　三、总结与展望
　　尽管统计方法在我国经济领域得到了一定程度的应用，但还须进一步拓展。目前，结合我国市场经济情况，急需解决以下几个方面的问题：一是如何利用统计指标来反映我国市场经济发展；二是如何用统计指标和数理统计方法对我国市场经济发展的运行机制进行宏观监测和预警。
　　参 考 文 献
　　[1]梁彦冰，刘琳琳.营销活动中的概率统计模型的应用[J].中国商贸.2009（7）：34～35
　　[2]米子川.市场调研中样本容量的配置[J].山西财经大学学报.2002：24（2）：41～42
　　[3]宋彩平，韩飞.货运量影响因素分析——多元线性回归分析[J].现代商贸工业.2009：21（6）：29～30
　　[4]李琪琦、向锐.试论财务风险与报酬的关系[J].统计教育.2003（12A）：6～7