时间序列预测和回归解析模型.pptVIP

2.1时间序列预测 2.2 回归分析模型 ;指同一变量按发生时间的先后排列起来的一组观察值或记录值。 例如：1990-2008年我国国内工业生产总值； 某类型的汽车2000-2009年的年销售量； 某省1985-2008年工业燃料消费量； 某证券交易所2009年全年每个交易日的收盘指数。;根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型，分析其随时间的变化趋势，对预测目标进行外推的定量预测方法。 时间序列预测方法常用在国民经济宏观控制，企业经营管理，市场潜量预测，气象预报等方面。 主要介绍：移动平均、指数平滑。;根据时间序列资料逐项推移，依次计算包含一定项数的序时平均值，以反映长期变化趋势。 适用于短期预测。 移动平均法能有效地消除预测中的随机波动。 不足： （1）不能很好地反映出未来趋势； （2）需要大量的过去数据的记录。;选定一个长度为n的时期，计算n个观测值的均值来预测未来的值，即将最近的k期数据加以平均，作为下一期的预测值。 移动平均的计算公式：; 移动平均法实验过程： （1）工具—数据分析—移动平均； （2）得到不同n值对应的Mt和Y。;例1：某公司专营某品牌洗涤剂，过去一个月内该洗涤剂的日销售量数据如下，根据上个月的销售情况来预测本月的销售量。;上页;用过去数据的加权平均数作为预测值，即第t+1期的预测值等于第t期的实际观察值与第t期预测值的加权平均值。（指数平滑法是加权平均的一种特殊的形式，观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑） 优点： （1）只需一个最近时期观测值的权数，其他时期数据的权数可自动推算；适用于短期预测。 （2）需要数据量较少，只需前一期的实际观测值及前一期的预测值。;由于在开始计算时，还没有第1个时期的预测值F1,通常可以设F1等于1期的实际观察值，即F1=Y1 。因此第2期的预测值为： F2= a Y1+(1- a)F1= a Y1+(1- a)Y1=y1 3期的预测值为： F3= a Y2+(1- a)F2= a Y2+(1- a)Y1 以后各期以此类推;指数平滑的计算公式：;指数平滑实验过程： （1）工具—数据分析—指数平滑； （2）得到不同a值对应的St（1）和平方误差。;上页;相关与回归分析;相关与回归分析的基本概念;（函数关系）;变量间的关系（函数关系）;2. 相关关系： 当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。 　　　现象之间客观存在的不严格、不确定的数量依存关系。;变量间的关系（相关关系）;（相关关系）;相关关系的种类;（1）正相关：两个相关现象间，当一个变量的数值增加（或减少）时，另一个变量的数值也随之增加（或减少），即同方向变化。 例如收入与消费的关系。 （2）负相关：当一个变量的数值增加（或减少）时，而另一个变量的数值相反地呈减少（或增加）趋势变化，即反方向变化。 例如物价与消费的关系。;相关分析与回归分析;（二）相关分析与回归分析的区别 ;（三）相关分析与回归分析的联系;定性分析; ;( 二)相关图：又称散点图。将x置于横轴上，y置于纵轴上，将（x,y）绘于坐标图上。用来反映两变量之间相关关系的图形。;简单线性相关与回归分析;相关系数的特点;3.如果|ｒ|=1，则表明Ｘ与Ｙ完全线性相关，当ｒ=1时，称为完全正相关， 而ｒ=-1时，称为完全负相关。 4.ｒ是对??量之间线性相关关系的度量。 ｒ=0只是表明两个变量之间不存在线性关系，它并不意味着Ｘ与Ｙ之间不存在其他类型的关系。 ;相关关系的测度（相关系数取值及其意义）;什么是回归分析？ （内容）;回归模型与回归方程;回归模型;回归模型的类型;一元线性回归模型 （概念要点）;回归方法;回归方法;回归方法;回归方法;回归方法;回归方法;线性回归分析