高等运筹十六讲分解.pptVIP

高等运筹学;目录;第六篇 运筹学中的管理科学;第十六章? 预测理论与方法;第1节 预测概述; 预测概述;定量预测法;1. 时间序列法;;;;2. 回归分析法;3.计量经济学模型;; 选择统计预测方法时，主要考虑下列三个问题：;方法;方法;方法;第2节 一元线性回归预测法; 很多社会经济现象之间都存在相关关系，因 此，一元线性回归预测有很广泛的应用。进 行一元线性回归预测时，必须选用合适的统 计方法估计模型参数，并对模型及其参数进 行统计检验。 ;一、建立模型; 用最小二乘法进行参数的估计时，要求; 用最小二乘法进行参数估计 ，得到的估计表达式为：; 三、进行检验;可决系数：衡量自变量与因变量关系密切程度的指标，表示自变量解释了因变量变动的百分比。;相关系数 ; 相关系数测定变量之间的密切程度，可决系数测定自变量对因变量的解释程度。相关系数有正负，可决系数只有正号。 正相关系数意味着因变量与自变量以相同的方向增减。 如果直线从左至右上升，则相关系数为正； 如果直线从左至右下降，则相关系数为负。;回归系数显著性检验;回归模型的显著性检验 ;德宾—沃森统计量（D—W） ; 检验法则：; 四、进行预测; ? 例 1 已知身高与体重的资料如下表：; 解答： （1）n=8，经计算得： ;因此，建立的一元线性回归方程为： ;（3）;;第3节 多 元 线 性 回 归 预 测 法; 多元回归与一元回归类似，可以用最小 二乘法估计模型参数。也需对模型及模 型参数进行统计检验。 选择合适的自变量是正确进行多元回归预 测的前提之一，多元回归模型自变量的选 择可以利用变量之间的相关矩阵来解决。; 一、建立模型（以二元线性回归模型为例 ）; 二、拟合优度指标 ;可决系数： ; 三、 置信范围;;多重共线性检验：;任何两个自变量之间的相关系数为： ;第4节 非 线 性 回 归 预 测 法;一、选配曲线问题;确定相关函数中的未知参数;二、一些常见的函数图形;抛物线函数; 应用回归预测法时应注意的问题;正确应用回归分析预测时应注意： ;第5节 趋 势 外 推 法 ; 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， 其条件是不变或变化不大。 ; 二 、趋势模型的种类 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：; 指数曲线预测模型： 一般形式 ： 修正的指数曲线预测模型 ： ; 对数曲线预测模型： 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 ： ; 三、趋势模型的选择 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。 ;四、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。 ; 例 题;年份;（1）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。 ;（2）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： ;（3）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 ， ， 则方程 通过显著性检验，拟合效果很好。标准误差为151.7。 ;(4) 进行指数曲线模型拟合。对模型 ： 两边取对数： 产生序列 ，之后进行普通最小二乘估计该模型。 最终得到