工程经济学第5章讲述.ppt

工程经济学─第五章 一、投资的构成与来源 定量预测法 定量预测法是在已有历史和现实数据资料的基础上，根据具体数据趋势的情况和以往的经验选择合适的数据模型，进行科学计算，得出初步预测结果，再根据企业外部环境和企业内部条件变化加以修正，以获得最终的预测结果。 定量预测法主要有时间序列法和回归分析法 研究预测对象与时间进程之间的演变关系，要求时间序列是按等间隔排列的。研究的要素有时间性，随时间而发展，根据其时间规律，对未来进行预测。 2.时间序列分析法 例 ? 51 50 48 45 43 45 50 销售额（万元） 8 7 6 5 4 3 2 1 月份 这种方法对一般状态比较稳定，没有什么大的动荡情况下效果较好。 64 61 (1) 移动平均数法 利用过去几个时期的实际数值的移动平均数作为下一期的预测值 上例 用5、6、7三个月的实际销售额预测8月份的销售额 若用4、5、6、7四个月的数值，则为 公式 yi为实际值，为n+1期的预测值，k为所取期数 这个方法与用几个时期的值有关系 注意：k值大小对预测结果影响巨大。 这种方法考虑到远近数据的差异，把它们分别乘以不同的指数，以使预测值受近期影响较大，远期影响较小。 (1) 指数平滑法 公式 为下期预测数 yi、 分别是本期实际值和预测值 例：取 ，则8月份的预测值为 注意： 按数据排列规律导出趋势模型，进行外推计算，得出预测结果 (3) 趋势外推法 范围不能太大 预测值 研究预测对象y与影响因素x之间的因果关系 3. 因果分析法（回归分析法） 大概思路：根据观测值得到散点图，用线性或非线性函数把这些点的大致规律描述出来。如果用直线或曲线代替这些点，则每一点与该线都有误差，回归分析法就是找到使误差最小的直线或曲线。可能有一元线性、非线性，多元线性、非线性。 例 y（冷饮销量） x（气温） 用线性或非线性函数把这些点表示出来 根据历史资料描出若干散布点，构造一个线性函数 a，b称为回归系数 来近似地代表二者的因果关系。 我们希望近似的误差越小越好。再根据回归函数进行预测。 设有n个观测点， i=1,…,n 如果用直线代替这些点，则每一点与该直线均有误差。 设实际值yi与线性函数y值的误差为 i=1,…,n 则 希望误差越小越好 因误差有正负，不好计算大小，为消除正负影响，故取其平方和最小 平方和越小越好 对a，b求导 解之有 亦可写为 为平均值，因此等号右边为已知 这样，a，b就可以求出来了。 近似函数建立了。只要知道未来因素x，即可预测将来值。例如根据预测可求未来一个时刻某产品的销量。 即现在的关键问题在于：拟合的曲线在多大程度上代表这些点。 相关系数 越接近1，相关程度越高。表明x越依赖于y，即可靠性越高，拟合性越好。 r表明了x对y的影响程度。 若r=64%，说明什么？ S检验 Yi — 第i个观察值 — 第i个回归值 n — 统计数据的个数 k — 参数个数 在一元线性回归方程中，参数为a、b，所以k=2 S值越小越好，通常以S和 的比值S/ 测定回归方程误差的大小，如果S/ 15%就认为S检验通过。 一元线性回归法 1）从一组历史数据出发，确定变量Y与X之间的定量关系式—回归方程 2）对这个关系式的可信程度进行统计检验 3）利用所求得的回归方程进行检验 例 某地区1989—1993年农村市场的实际商品销售量与农业产值见表，1994年农业产值预计300亿元，使用回归分析法预测1994年农村市场销售量。 216 195 168 156 102 农 业 产 值 X 504 483 460 447 401 实际销售量Y 1993 1992 1991 1990 1989 年 份 解 1）建立回归方程 57.441 398181 1059515 151641 855 2295 ? 6.165 506.483 108864 254016 46656 216 504 1993 1.753 484.324 94195 233289 38025 195 483 1992 17.356 455.834 77280 211600 28224 168 460 1991 14.661 443.176 69732 199809 24336 156 447 1990 17.506 405.184 48120 160801 14400 120 401 1989 Xi Yi Yi2 Xi2 Xi Yi 年 份 计算 a ,b n = 5 = 171 = 459 a = 2