3定量预测技术.docVIP

3、定量预测技术 回归预测模型的一般形式Y=f(X) 3.1一元线性回归模型： Y=a+bx 根据占有的若干组数据,计算出系数和，就得出该事物发展变化的规律性，这就是要确定的预测模型。 下面以某公司1988年-2001年产品产量的数据，说明建立一元线性预测模型的方法。 某公司1988-2001年产品产量数据（单位：万t） 年份 1988 1989 1990 1991 1992 1993 1994 t 0 1 2 3 4 5 6 产量(Y) 10.59 17.67 17.07 17.21 18.24 18.84 17.62 年份 1995 1996 1997 1998 1999 2000 2001 t 7 8 9 10 11 12 13 产量(Y) 19.21 18.44 20.85 25.22 19.24 32.99 35.11 3.1.1一元线性回归的简易求法： 预测方程： （1） 方法： (1)将n组数据平均得分为两组（份组数决定于需确定的参数个数），并分别代入式(1)； (2)把各组方程相加，得到一个以和为变量的线性方程； (3)解此线性方程组可求出和的值，代入式(1)，即使所求预测方程。 前7个相加得114.24=7+21,后7个相加得181.06=7+70,联立解得 预测方程为： 3.1.2最小二乘法： 对于回归方程，将占有的数据代入后得： 令 ，则它表示占有数据与预测值 的误差。 为防止误差正负抵消，采用误差平房和最小作为确定参数和的准则，这种确定参数的和的方法叫做最小二乘法。 （2） 使Q最小，由得 （3） 解得 （4） （5） 式中 若 则 （6） 3.1.3线性回归预测模型检验过程及预测精度： 1相关系数 评价X、Y两个变量之间线性关系密切程度的数量指标叫相关系数，并以r表示 ， （7） 式中 （8） 叫的离差平方和,它是反映自变量波动的一个指标，越大，的波动越大，反之越小；叫做、的离差乘积和。。 （9） 或 （10） 由（9）(10)可见： （1）r=0时，b=0,则回归直线是一条与X轴平等的直线，说明X的变化与Y无关。 (2)当时，， 这时考察误差平方和Q，将 代入得 时，Q=0，由此可知，当r=1时，即Q=0，所有点均在回归直线上，称完全正相关；当r=-1时，称完全负相关。 当-1r1时，X与Y之间存在一定的线性相关关系。r的绝对值越大，三点越集中在回归直线附近，反之越分散。 2、显著性检验 规定一个合理的、认为能满足使用要求的指标界限，并用该指标界限对系统预测模型的适用性进行绝对评价。它是依据所占有的数据量及其分布情况、变量个数等条件，确定一个合理的标准作为评价指标。 (1)t检验。t检验的意义是检验回归方程中参数b的估计值，在某一显著水平下（通常选为=0.05）是否为零。该检验是在假设=0的情况下进行的。如果=0，则说明Y与X的变化无关。根据样本数n查的分布表，确定t的临界值，与根据实际问题计算的t分布值t进行比较，如果当t,说明原假设不成立，相关显著，回归方程有实用价值。 t的计算公式为：，式中S为Y的均方差 (2)F检验。F检验的意义与t检验相同，只不过是查表确定F的临界值。 F的计算公式为 当F时，否定原假设，变量相关显著。 (3)r检验。为了使用方便，由公式反求出r的临界值， 即可通过r的大小直接判断显著性。 当时，两变量相关显著。 3、方差分析 为了估计预测精度需对预测模型作方差分析。 应用预测模型，当X=时，求出的预测值只是实际的期望值，且该估计是无偏估计。 其方差为 因为是的无偏估计， 所以可用代替， 且Y落在内的概率为1-，即 P=1- 或 由上可知，取决于数据组数（样本数）n和X的大小。当n大时，值小，预测精度高，反之则低；在数据组数一定且在时，最小；若X离越远，则预测误差越大。 小结： 线性回归的方法和步骤： (1)整理占有的数据 (2)运用和求出和得到预测方程 (3)进行检验：求出相关系数r;选择t检验、F检验或r检验法对预测模型的显著性进行检验 (4)利用模型进行预测，并用 或