预测方法及其应用讲义.pptVIP

预测方法及其应用;预测的概念;预测的特性;预测的意义;预测的要素和程序;费用：预测是一个研究过程，预测费用的多少影响对预测方法的选择。 ;预测程序;;本章结构;时间序列的成分 ;时间序列的成分——趋势成分 ;时间序列的成分——循环成分 ;时间序列的成分——季节成分;时间序列的成分——季节成分;时间序列的成分——不规则成分 ;时间序列的成分——不规则成分 ;利用平滑法进行预测 ;移动平均法; 移动平均法使用时间序列中最近几个时期数据值的平均数作为下一个时期的预测值。移动平均数的计算公式如下：;n期中心移动平均;n期移动平均;移动平均期数确定的原则;例：;例4.3解;加权移动平均法;加权移动平均的数学模型：;例7-3;指数平滑法 ;指数平滑法 ;指数平滑法 ;指数平滑法 ; 指数平滑法 ;例7-4：;加权系数的选择 ;加权系数的选择 ;初始值的确定 ;例：某市1976-1987年某种电器销售额如表所示。试预测1988年该电器销售额。;解：采用指数平滑法，并分别取a=0.2，0.5和0.8进行计算，初始值：;Date;Date;2.二次指数平滑法; 或 当时间数列趋势具有线性趋势时，二次指数平滑法直线趋势预测模型为: 其中:; 二次指数平滑法主要用于变参数线性趋势时间序列的预测。 ;例题;Date;解：根据销售量资料表，首先绘制散点图，如图所示。由图可以看到，随着新产品的问巾，销售量呈明显的线性增加 趋势，故可采用二次平滑法进行预测。;Date;1-4月各月;;趋势外推法概述; 趋势外推法的两个假定： （1）假设事物发展过程没有跳跃式变化； （2）假定事物的发展因素也决定事物未来的发展， 其条件是不变或变化不大。即事物如某项技术，在其过去、现在、未来的发展过程中，内、外因相对保持不变。 ; 二 、趋势模型的种类 多项式曲线外推模型（一般形式） ： 一次（线性）预测模型： 二次（二次抛物线）预测模型： 三次（三次抛物线）预测模型： ; 简单指数曲线; 修正指数型增长曲线;双指数曲线模型 ;龚帕兹（Compertz）模型;Date;皮尔曲线模型; 图形识别法： 这种方法是通过绘制散点图来进行的，即将时间序列的数据绘制成以时间t为横轴，时序观察值为纵轴的图形，观察并将其变化曲线与各类函数曲线模型的图形进行比较，以便选择较为合适的模型。 ; 差分法： 利用差分法把数据修匀，使非平稳序列达到平稳序列。 一阶向后差分可以表示为： 二阶向后差分可以表示为： ; 差分法识别标准：;趋势外推法的基本思想（总结）;利用皮尔模型进行预测——例2 ;曲 线 拟 合 优 度 分 析; 曲线拟合优度指标： 评判拟合优度的好坏一般使用标准误差来作 为优度好坏的指标： ; ? 例 3 下表是我国1952年到1983年社会商品零售总额（按当年价格计算），分析预测我国社会商品零售总额 。 ;年份;（1）对数据画折线图分析，以社会商品零售总额为 y轴，年份为x轴。 ;（2）从图形可以看出大致的曲线增长模式，较符合 的模型有二次曲线和指数曲线模型。但无法确 定哪一个模型能更好地拟合该曲线，则我们将 分别对该两种模型进行参数拟合。 适用的二次曲线模型为： 适用的指数曲线模型为： ;（3）进行二次曲线拟合。首先产生序列 ，然后运用普通最小二乘法对模型各参数进行估计。得到估计模型为： 其中调整的 ， ， 则方程通过显著性检验，拟合效果很好。标准误差为151.7。 ;(4) 进行指数曲线模型拟合。对模型 ： 两边取对数： 产生序列 ，之后进行普通最小二乘估计该模型。最终得到估计模型为： ; 其中调整的 ， ，则方程通过显著性检验，拟合效果很好。标准误差为：175.37。 （5）通过以上两次模型的拟合分析，我们发现采用 二次曲线模型拟合的效果更好。因此，运用方程： 进行预测将会取得较好的效果。 ;回归分析预测法;一、“回归”一词的涵义。 ;回归：研究自变量与因变量之间的关系形式的分析方法 目的在于根据已知自变量来估计和预测因变量的平均值;相关分析研究的都是随机变量，且不分自变量与因变量；回归分析要定出自变量与因变量，