上一篇文章我们的数据来源属于年度数据，得到回归结果并不显著，但相关性极强。接下来本篇章将结合回归分析模型，从月度数据的角度对粗钢月度产量实现100、200、500万吨压减目标下，预估线盘月度产量变化情况。注意：100、200、500万吨是由年度粗钢产量压减1000、2000、5000万吨粗略除以10计算得出，同时因为数据本身具有波动性和季节性，叠加粗钢减产情况下分品种不一定同比例下降影响下，线盘产量影响情况主要呈现为粗钢与线盘产量间统计关系得出，可能与现实存在部分出入，理性决策需结合现实情况加以斟酌判断。
本文进行回归分析模型采用excel工具，其中线盘产量数据来源采用Mysteel调研线材钢铁企业实际产量周度数据月度合计值变频值，粗钢产量数据来源选择统计局公布月度日均产量数据乘以月度天数。
首先，我们对粗钢-线盘数据做散点图，选用多项式趋势线进行拟合，拟合公式为y = -1E-05x2 + 0.2279x - 473.34，同时得到R² = 0.2255，表示粗钢-线盘产量数据之间存在一定正相关性，但相关性并不强。
这里补充一下，R Square是测定系数，也叫拟合优度，是相关系数R的平方，同时也等于表2中回归分析SS/(回归分析SS+残差SS)，这个值在0~1之间，越大，代表回归模型与实际数据的拟合程度越高。当这个值大于0.8时表示强正相关。
结合上图可知，趋势线拟合分析呈现相关性，但相关性强度偏弱。接下来进行回归预测分析。我们在95%置信区间下计算得到的回归分析模型处理结果如下。
相关性的显著程度我们主要依据Multiple R、F检验和P值结果来进行判断，其中Multiple R=0.46，佐证了相关性不强的结论；但P值=0.0085<=0.01，表明结果具有极其显著的统计学意义。我们得出的回归方程为y=217.79+0.05x。
这里补充一下，其中Multiple R是指相关系数R，值在-1与1之间，越接近-1，代表越高的负相关，反之，代表越高的正相关关系；F检验主要是检验因变量与自变量之间的线性关系是否显著，用线性模型来描述他们之间的关系是否恰当，越小越显著；如果P值>0.05， 则结果不具有显著的统计学意义，如果0.01<P值<0.05，则结果具有显著的统计学意义，如果P<=0.01，则结果具有极其显著的统计学意义。
最后，我们根据回归方程y=217.79+0.05x进行计算粗钢压减100、200和500万吨情况下线盘产量影响值。根据计算得出，在粗钢产量压减100万吨情况下，线盘产量减少134.33万吨；在粗钢产量压减200万吨情况下，线盘产量减少129.33万吨；在粗钢产量压减500万吨情况下，线盘产量减少114.33万吨。
注意：本篇涉及产量均为月度合计产量。
系列文章汇总如下：
Mysteel：粗钢压减背景下的线盘产量影响（一）基础知识篇
https://gc.mysteel.com/22/0629/17/E4832892A9CBBC60.html
Mysteel：粗钢压减背景下的线盘产量影响（二）回归分析年度数据篇
https://gc.mysteel.com/22/0630/13/0BB0CF518AC4FEC3.html
Mysteel：粗钢压减背景下的线盘产量影响（三）回归分析月度数据篇
https://gc.mysteel.com/22/0630/13/E8C4257D3A56B092.html
