预测与决策教程 教学课件 作者 李华 Chap3-回归预测方法.pptVIP

C.龚帕兹（Gompertz）模型 取对数， 修正指数曲线。 特征： 假设曲线通过增长曲线的始点、中间点和终点，带入曲线方程，得方程组，求出其三个参数值。 缺点：只用了三个值，一部分信息，难免有误差。 三点法 条件：曲线方程只有3个参数。 将整个序列分成三个相等的时间周期，并对每一个时间周期的数据求和以估计参数。 设数据来自Gompertz模型，即 三和法 （1） （2） （3） （1） （2） （3） 得方程组 求解上述方程组，可得 k, a, b. 练习： 某企业的产品销售额，实绩有如下记录。假定数据满足Gomperzt 模型，用三和法估计参数。 年限 1994 1995 1996 1997 1998 t 0 1 2 3 4 销售额（万元） 2239 2760 3206 3417 3200 年限 1999 2000 2001 2002 2003 t 5 6 7 8 9 销售额（万元） 3308 4182 4381 5610 6510 答案： Thanks! 例题分析 身高（米） 1.55 1.60 1.65 1.67 1.7 1.75 1.80 1.82 体重（公斤） 50 52 57 56 60 65 62 70 试计算： （1）拟合适当的回归方程； （2）判断拟合优度情况； （3）对模型进行显著性检验；（α=0.05） （4）当体重为75公斤时，求其身高平均值的95%的置信区间。 已知身高与体重的资料如下表： 解答： （1）n=8，经计算得： 因此： 因此，建立的一元线性回归方程为： （2） 回归直线的拟合优度不是很理想 。 （3） 所以拒绝原假设，认为所建立的线性回归模型是显著的。 （4） 8.4 变量间非线性关系的回归 一些常用的可化为线性方程的函数类型 双曲线 b0 b0 x x y y 幂函数 a＞0 b＞0 x y b1 b=1 b1 b＞0 b0 x x y y 指数函数 对数曲线 多项式 曲线模型的判别方法： 理论和经验判断； 观察散点图 3.3 多元线性回归预测法 社会经济现象的变化往往受到多个因素的影响，因此，一般要进行多元回归分析，研究某一因变量与多个自变量之间相互关系的理论和方法就是多元线性回归预测法。 选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。 一、多元线性回归模型 参数估计 多元回归与一元回归类似，可以用最小二乘法估计模型参数。也需对模型及模型参数进行统计检验。 二、多元线性回归模型的显著性检验 1.模型拟合优度的检验 多重判定系数 为了消除自变量数目的影响，采用一个经过校正的判定系数来判断模型的拟合优度 越接近于1，则说明模型的拟合程度越高。 2．回归方程的显著性检验 3.回归系数的显著性检验 三、多元线性回归预测 点预测值 预测区间 四、多元线性回归分析中的多重共线性 所谓多重共线性是指自变量之间存在着线性关系或接近线性的关系。如果自变量之间共线性的程度很高（相关系数接近于1），将使最小二乘法原理失效，从而使得回归方程中参数变得不确定从而无法求出参数的估计值。因此自变量之间不能存在线性相关关系是应用最小二乘法原理的先决条件。 检验多重共线性的方法 常用的克服多重共线性的方法 （1）省略不重要的自变量。 （2）改变变量的定义形式。 （3）增加样本信息或利用已知信息。 （4）构造新的自变量。 （5）放弃原有样本，寻求新的样本。 五、多元线性回归分析中的序列相关 1．图示检验法 2.德宾—沃森统计量（D—W） D—W的取值域在0~4之间。 其中， 检验法则： 在D—W小于等于2时， D—W检验法则规定： 如 认为， 存在正自相关； 如 认为， 无自相关。 在D—W大于2时, D—W检验法则规定: 如 认为， 存在负自相关； 如 认为， 无自相关； 如 ，不能确定 是否有自相关； 模型库 模型识别 参数估计 预测 确定模型 属何种类型 类型、特征 基本思想 3.4 非线性回归预测 特征： 若增长曲线为二次抛物线，则其二阶差分为常数。 二阶差分 1.多项式非线性曲线 适用于时间序列观察值数据随时间变动呈现一种由高到低再到高（或由低到高再到低）趋势变化。 一、模型的基本类型和特征 2. 简单指数曲线 特征： 线性地依赖 于时间 t