第十章回归分析预测法.pptVIP

导入案例：森林害虫发生与影响因素的相关关系 森林害虫种群数量变化和气候及生物中的某些因素的变化有着密切的关系。薛贤清应用逐步回归方法分析了11个省区22个县市或林场的马尾松毛虫发生数量与当地气候条件的相互关系，并建立了预测模型。例如，对福建连江的预测模型为： Y=26.417-0.425×11+0.871×12 其中：Y—马尾松毛虫发生面积； 11和12—气象因子。 于诚铭等1987年对黑龙江省桦南、尚志、桦川、龙江4个县建立的落叶松毛虫种群数量动态模型采用的也是逐步回归的方法。 三、回归分析预测法的步骤 1.确定预测目标和影响因素　 2.进行相关分析、方差分析和显著性检验 3.建立回归预测模型 4.检验回归预测模型，计算预测误差 5.计算并确定预测值 正确应用回归分析预测时应注意以下3个问题。 ①用定性分析判断现象之间的依存关系。 ②避免回归预测的任意外。； ③应选用合适的数据资料。 四、回归分析预测法的类型 一元线性回归分析预测法是指影响经济变化的众多因素中只有一个起决定作用的因素，且自变量与因变量的分布呈线性趋势的回归，用这种回归分析来预测的方法。如果我们只考虑事物的一个影响因素，就采用一元线性回归模型进行预测。 1、预测模型及模型参数的计算 模型Y∧=a+bxi b= a= 2.相关分析 （1）相关分析与r检验。 自变量与因变量之间的因果关系线性关联程度，通常用统计学中表明两变量之间线性相关密切程度的相关系数描述。 r= （2）相关系数的特性 ①相关系数的取值范围为-1≤r ≤ 1。 ②相关系数的符号与相同。当r 0时，表明正相关，这时有随增加而线性增加的趋势；当r0时，表明负相关，这时有随增加而线性减少的趋势。 ③若相关系数的绝对值越接近于1，两个变量之间的线性相关程度越高；若相关系数的绝对值越接近于0或超过1以至很大，两个变量之间的线性相关程度越低。 b= =2.93 a= =2.57 =2.57+2.93Xi 检验相关性 r=(34509-303×911)/(11511-303/9×303) ×(103665-911/9×911)1/2=0.99≈1 经检验x,y相关 Y=2.57+2.93×60=178.37 第二节 马尔可夫预测法 一、马尔可夫预测法概念 　　马尔可夫（Markov）是俄国著名的数学家。马尔可夫预测法是以马尔可夫的名字命名的一种特殊的市场预测方法。马尔可夫预测法主要用于市场占有率的预测和销售期望利润的预测，是一种预测事件发生的概率的方法。它是基于马尔可夫链，根据事件的目前状况预测其将来各个时刻（或时期）变动状况的一种预测方法。马尔可夫预测法是对地理、天气、市场进行预测的基本方法，它是地理预测中常用的重要方法之一。 二、马尔可夫分析的基础原理 马尔可夫进行深入研究后指出，对于一个系统由一个状态转至另一个状态的转换过程中存在着转移概率，并且这种转移概率可以依据其紧接的前一种状态推算出来，与该系统的原始状态和此次转移前的过程无关。一系列的马尔可夫过程的整体称为马尔可夫链，马尔可夫过程的基本概念是研究系统的“状态”及状态的“转移”，从一个状态转换到另一个状态的可能性，我们称之为状态转移概率，所有状态转移概率的排列即是转移概率矩阵。 1.马尔可夫分析的基本假定 在进行马尔可夫分析时，我们作如下假定： (1)预测期系统状态数保持不变。 (2)系统状态转移概率矩阵不随时间变化 。 (3)状态转移仅受前一状态影响，即马尔可夫过程的无后效性 。 2.马尔可夫过程用于预测基本步骤 　首先确定系统状态，然后确定状态之间的转移概率，再进行预测，并对预测结果进行分析，若结果合理，则可提交预测报告，否则需检查系统状态及状态转移概率是否正确。 三、马尔可夫过程 事物的发展状态总是随着时间的推移而不断变化的。在一般情况下，人们要了解事物未来的发展状态，不但要看到事物现在的状态，还要看到事物过去的状态。马尔可夫认为，还存在另外一种情况，人们要了解事物未来的发展状态，只须知道事物现在的状态，而与事物以前的状态毫无关系。例如，Ａ产品明年是畅销还是滞销， 只与今年的销售情况有关，而与往年的销售情况没有直接的关系。后者的这种情况就称为马尔可夫过程，前者的情况就属于非马尔可夫过程。 马尔可夫过程的重要特征是无后效性。所谓“无后效性”，是指过去对未来无后效，而不是指现在对未来无后效。事物第 次出现的状态只与其第 次的状态有关，与以前的状态无关。举一个通俗例子说，池塘里有三片荷叶和一只青蛙，假设青蛙只在荷叶上跳来跳去。若现在青蛙在荷叶Ａ上，那么下一时刻青蛙要么在原荷叶Ａ上跳动，要么跳到荷叶Ｂ上，或荷叶Ｃ上。青蛙究竟处在何种状态上，只与当前状态有关，而与