最新第四章地理要素间的相关分析和回归分析.ppt

0 50 100 150 200 1981 1985 1989 1993 1997 汽车产量 趋势值 汽车产量直线趋势 （年份） 汽 车 产 量 （万辆） 二次趋势模型 描述抛物线型趋势变化的数学模型 Yt = b0 + b1t + b2t2 + ε t Yt t * * * * * * * * * * * * * ε t Yt = b0 + b1t + b2t2 二次曲线 0 4 8 12 16 1978 1980 1982 1984 1986 1988 1990 1992 零售量 趋势值 零 售 量 （亿件） 针织内衣零售量二次曲线趋势 （年份） 指数增长趋势变化 时间序列模型 Yt = abt ε t 或 Yt = K + abt ε t Yt = aebt ε t Yt t * * * * * * * * 指数曲线 0 50 100 150 200 250 1981 1985 1989 1993 1997 汽车产量 趋势值 汽车产量指数曲线趋势 （年份） 汽 车 产 量 （万辆） 自相关性判断 ①时间序列的自相关，是指序列前后期数值之间的相关关系，对这种相关关系程度的测定便是自相关系数。 ② 测度:设y1，y2，…，yt，…，yn，共有n个观察值。把前后相邻两期的观察值一一成对，便有（n－1）对数据，即(y1，y2)，(y2，y3)，…，(yt，yt+1)，…，(yn-1，yn)。 （三）自回归模型（Autoregression） 其一阶自相关系数r1为 二阶自相关系数r2为 k阶自相关系数为 自回归模型的建立 常见的线性自回归模型： ① 一阶线性自回归预测模型为 ② 二阶线性自回归预测模型为 ③ 一般地，p阶线性自回归模型为 在以上各式中， 为待估计的参数值，它们可以通过最小二乘法估计获得。 应用举例 某地区1992-2003年12年自然灾害造成的成灾面积的时间序列数据见表。试计算该时间序列的自相关系数，并用自回归模型预测2004年的成灾面积。 年份 序号 成灾面积（100hm^2） yt+1 1992 1 50 52 1993 2 52 53 1994 3 53 53 1995 4 53 55 1996 5 55 56 1997 6 56 58 1998 7 58 59 1999 8 59 60 2000 9 60 61 2001 10 61 61 2002 11 61 62 2003 12 62 ? 首先，计算r=0.9761,样本数n=11，自由度f=11-2=9，在置信水平α=0.001下查相关系数的临界值为0.8471。所以可以建立线性自回归模型。 用最小二乘法估计模型参数，得到如下回归方程 （Yt=5.289+0.92527*Yt-1 r=0.976 Y2004=62.656） 基本步骤 （1）对原时间序列求移动平均，以消除季节变动和不规则变动，保留长期趋势； (2）将原序列y除以其对应的趋势方程值（或平滑值），分离出季节变动（含不规则变动），即 三、季节性预测法 季节系数= TSCI/趋势方程值（TC或平滑值）=SI （3）将月度（或季度）的季节指标加总，以由计算误差导致的值去除理论加总值，得到一个校正系数，并以该校正系数乘以季节性指标从而获得调整后季节性指标。 （4）求预测模型，若求下一年度的预测值，延长趋势线即可；若求各月（季）的预测值，需以趋势值乘以各月份（季度）的季节性指标。 求季节变动预测的数学模型（以直线为例）为 式中： 是t+k时的预测值; at、bt为方程系数; 为季节性指标。 例题：如表3.3.3所示，下面我们用上述步骤，预测该旅游景点2005年各季度的客流量。 表3.3.3 某旅游景点2002—2004年各季度客流量 解题步骤： （1）求时间序列的三次滑动平均值，见表3.3.3第5列。 （2）求季节性指标：将表3.3.3中第4列数据分别除以第5列各对应元素，得相应的季节系数。然后再把各季度的季节系数平均得到季节性指标，见表3.3.4。 季节性指标之和理论上应等于4。现等于 3.951 5，需要进行校正。校正方法是： 先求校正系数：θ=4/3.951 5=1