根據上節什麼是因子分析的表4回歸分析結果求回歸方程（方程1）。這裡使用上節表4下方的“系數”值求解和學習預測和因子分析。
方程1
接下來，用回歸方程進行預測。此處的資料（N0.336-340）不用于回歸分析，而是專門用于預測與檢驗（表1）。
表1
預測No.336如下：
No.336的預測值=265.95+0+20.91+0+58.04+10.94+（-3.37）*45+6.74*3+84.72*4.5≈605.52'
同樣地，預測No.337如下：
No.337的預測值=265.95+45.24+20.91+45.74+58.04+10.94+（-3.37）*51+6.74*0+84.72*4≈613.69'
下面用同樣的方法計算No.334的預測值。No.336到No.340的預測值如表2所示。
表2
比較預測值與實際值，判斷預測精确度的高低。求解相對誤差的公式如下：
公式
表3 I
3中，“二手車價格”這一列的資料是實際值。根據表1和表2求相對誤差（表3）。
表3
求相對誤差的絕對值。再計算所有絕對值的平均值，結果是12.1％。
筆者不知道實際市場上使用什麼方法确定二手車價格，但是建議先對曆史資料進行同歸分析，然後使用得出的回歸方程确定二手車價格。
隻要掌握了分析方法，無論是誰都能求出回歸方程。回歸方程，就是确定價格的标準方法。
接着進行因子分析。
由于“LD”、“AW”、“空氣囊”、“顔色”、“拍賣會地點”是定性資料，是以需要求t值範圍。假設删除的項目的t值為0。
“LD”的影響度=3.05-0=3.05
“AW”的影響度=2.00-0=2.00
“空氣囊”的影響度=3.99-0=3.99
“顔色”的影響度=15.21-0=15.2l
“拍賣會地點”的影響度=1.00-0=1.00
因為“行駛距離”、“車檢剩餘有效月數”、“評分”是定量資料，是以t值就是影響度。
“行駛距離”的影響度=-6.4l
“車檢剩餘有效月數”的影響度13.73
“評分”的影響度=6.15
表4是影響度的統計表。把表4做成如圖1的柱形圖。
表4
圖1
從圖1來看，對二手車價格的影響度由高到低的因子依次是：“顔色”、“行駛距離”、“評分”，“空氣囊”。
什麼是類别分析
類别是指項目的具體内容。例如，“顔色”這個項目的類别是“黑色”，
“淺藍色”、 “藏藍色”、
“酒紅色”等。用類别分析可以求出各個類别對于二手車價格的影響。
進行類别分析時，須求回歸系數（類别區域）。類别區域（回歸系數）可以根據表5求出。
表5中，回歸系數的數值就是類别區域。将删除的資料，如“無LD”、
“無AW’、
“無天窗”的類别區域假設為0。
表5
從類别區域看，“有LD”的比‘無LD“的貴45萬日元；“有AW”的比“無AW”的貴2l萬日元；“顔色”中黑色比其他顔色的價格貴很多。
通過類别分析，可知“黑色”對_二手車價格影響最大。今天的預測和因子分析就說完了，其中包含了因子分析和類别分析。http://cda.pinggu.org/view/19073.html