【经济预测与决策】长期趋势变动预测法.pptVIP

经济预测与决策 第五章 长期趋势变动预测法 长期趋势变动预测法 根据时间序列的发展趋势，配合适当的数学模型，外推预测未来的趋势值。 本章学习目的与要求 通过本章的学习，掌握各种长期趋势变动的预测方法。 本章学习重点和难点 重点是直线趋势模型预测法; 难点是二次曲线模型预测法。 本章内容提示 第一节 直线趋势模型预测法 第二节 二次曲线模型预测法 第三节 指数曲线模型预测法 第一节 直线趋势模型预测法 一、直线趋势模型 二、直线趋势模型的建立 一、直线趋势模型 当时间序列的发展趋势呈线性时，可采用直线趋势模型进行预测。 直线趋势模型为： 直线趋势模型的特点 分析 因此，当时间序列的一阶差分?Yt近似为一常数时，或其散点图呈直线趋势，利用直线趋势模型预测可以得到理想的结果。 二、直线趋势模型的建立 直线趋势模型建立的关键是根据时间序列资料估计各参数的值。常用的方法有最小平方法、折扣最小平方法等。 本节将介绍最小平方法。 最小平方法的基本原则 同回归分析预测法中的最小二乘法一样，这里所介绍的最小平方法的基本原则是在使时间序列的剩余平方和最小的基础上，估计各参数的值。 最小平方法的估计式 模型中作为自变量的t ，其值是可以设定的等差数列。通过设定t数列的值，使?t=0，得到参数估计式： t值的确定方法 为了使? t =0，对t值的确定可采用以下方法： (1)当时间序列的项数为奇数时,设中位数为零,等差为1,建立t的时间序列。即取t的值为…，-2，-1，0，1，2，…； (2)当时间序列的项数为偶数时,设中位两数的值分别为-1和1,等差为2,建立t的时间序列。即取t的值为…，-5，-3，-1，1，3，5，…。 例5-1 某地1992-2000年化肥销售量如表 5-1所示，试用最小平方法预测2004年该地的化肥销售量。 表5-1 单位：吨 年份 销售量 一阶差分 Y ?Y 1992 265 1993 297 32 1994 333 36 1995 370 37 1996 405 35 1997 443 38 1998 474 31 1999 508 34 2000 541 33 解： 计算时间序列的一阶差分，列于表5-1中。从一阶差分的值来看，大体接近，可以选用直线趋势模型进行预测。模型为： t值的确定 时间序列的项数N=9，赋变量t对应于中位项（1996年）的值为零，等差为1，建立t的时间序列，各值列于表5-2。 表5-2(部分) 计算表 年份 t 1992 -4 1993 -3 1994 -2 1995 -1 1996 0 1997 1 1998 2 1999 3 2000 4 ? 0 计算?Yt、?tYt、?t2 分别计算?Yt、?tYt、?t2，计算过程见表5-2。 ?Yt =3636 ?tYt=2092 ?t2=60 表5-2 计算表 年份 t Yt tYt t2 1992 -4 265 -1060 16 1993 -3 297 -891 9 1994 -2 333 -666 4 1995 -1 370 -370 1 1996 0