趋势外推预测法.ppt

预测与决策分析技术 主讲: 安小会 5趋势外推预测法 5.1趋势外推法概述 5.2多项式曲线趋势外推法 5.3指数曲线趋势外推法 5.4生长曲线趋势外推法 5.1趋势外推法概述 1趋势外推法概述 （1）趋势外推法概念和假定条件 趋势外推法概念： 当预测对象依时间变化呈现某种上升或下降趋势，没有明显的季节波动，且能找到一个合适的函数曲线反映这种变化趋势时，就可以用趋势外推法进行预测。 趋势外推法的两个假定： （1）假设事物发展过程没有跳跃式变化； （2）假定事物的发展因素也决定事物未来的发展， 其条件不变或变化不大。 5.1趋势外推法概述 （2）常见的趋势预测模型 ①多项式曲线外推模型： 一次（线性）预测模型： 二次（二次抛物线）预测模型： 三次（三次抛物线）预测模型： 一般形式： 5.1趋势外推法概述 ②指数曲线预测模型： 一般形式 ： 修正的指数曲线预测模型 ： 5.1趋势外推法概述 ③对数曲线预测模型： ④生长曲线趋势外推法： 皮尔曲线预测模型 ： 龚珀兹曲线预测模型 ： 模型的基本类型和特征 1.一次（线性）预测模型： 一阶差分： 特征：增长曲线为一次曲线，则其一阶差分为常数。 适用于时间序列数据呈直线趋势的上升（或下降）变化。 模型的基本类型和特征 2.多项式非线性曲线预测模型： 一阶差分： 特征：若增长曲线为二次抛物线，则其二阶差分为常数。 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。。 模型的基本类型和特征 3.简单指数曲线预测模型： 或 特征： 线性依赖时间t， 的增长速率与 成正比。 若对象增长速度越来越快，其趋势 近似指数函数曲线，且判断其在预 测期限内不会出现突然变化，可考 虑采用。 模型的基本类型和特征 4.修正指数曲线预测模型： 描述对象在发展的初期和中期增长速度较快，随后增长速度 逐渐下降，其图形接近于渐近线。其中k为饱和值。 特征： 线性变化。 模型的基本类型和特征 5.皮尔曲线预测模型： 特征： 是t的线性函数。 模型的基本类型和特征 6.龚珀兹曲线预测模型： 取对数： 修正指数曲线。 特征： 线性变化。 5.1趋势外推法概述 3趋势模型的选择 （1）图形识别法： 这种方法是通过绘制散点图来进行的，即将时间序列的数据绘制成以时间t为横轴，时序观察值为纵轴的图形，观察并将其变化曲线与各类函数曲线模型的图形进行比较，以便选择较为合适的模型。 5.1趋势外推法概述 （2）差分法： 利用差分法把数据修匀，使非平稳序列达到平稳序列。 一阶向后差分可以表示为： 二阶向后差分可以表示为： 5.1趋势外推法概述 4 参数的估计 1）对于线性模型，用最小二乘法处理。 2）一些非线性模型，可化为线性模型处理。 3）其他类型，有一些特殊方法处理。 5.2多项式曲线趋势外推法 5.2.2 二次抛物线模型及其应用 二次抛物线预测模型为： 5.2多项式曲线趋势外推法 设有一组统计数据 ， ，…， ，令 即： 解这个三元一次方程就可求得参数。 5.2多项式曲线趋势外推法 例 题 下表是我国1952年到1983年社会商品零售总额（按当年价格计算），分析预测我国社会商品零售总额 。 对数据画折线图分析，以社会商品零售总额为 y轴，年份为x轴。 5.2多项式曲线趋势外推法 从图形可以看出大致的曲线增长模式，较符合 的模型有二次曲线和指数曲线模型。但无法确 定哪一个模型能更好地拟合该曲线，则我们将 分别对该两种模型进行参数拟合。 适用的二次曲线模型为： 适用的指数曲线模型为： 5.2多项式曲线趋势外推法 进行二次曲线拟合。首先产生序列 ，然后运用普通最小二乘法对模型各参数进行估计。得到估计模型为： 其中调整的 ，