第14章 预测方法.ppt

* * * * * * * * * * * * * * * * * * 弹性系数法 弹性概念 弹性是一个物理学名词。经济学借用这个名词，衡量1个变量的变化引起另1变量的相对变化。 弹性是指：两个或多个经济变量之间存在着函数关系，用弹性来表示因变量对自变量变化的反应程度、敏感程度。 两个变量越相关，弹性值越大 优点：计算方便，需要数据少； 缺点： 1、分析带有局部性和片面性，只考虑了两个变量的关系，忽略了其他因素； 2、弹性系数随着时间推移可能会变化，预测结果粗糙，需要根据弹性系数的变动系数来修正结果。 弹性系数法 [例题]我省2002年-2009年宽带用户及人均收入见下表，预计到2010年每年人均收入年增长10%，用弹性系数法，预测2010年全省宽带用户数。 项目 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 全省户数（万户） 2655.52 2685.28 2714.25 2740.22 2789.63 2851.4 2908 2922 人均收入（元） 6245.4 6926.12 7704.9 8667.97 9810.26 11477.05 13231 14371.56 全省宽带用户（万户） 13.7 41.6 87 139 203.23 288.93 384.17 508.1147 　 　 　 　 　 　 　 　 　 人均收入变化率 　 10.90% 11.20% 12.50% 13.20% 17.00% 15.30% 8.60% 全省宽带用户变化率 　 203.60% 109.10% 59.80% 46.20% 42.20% 33.00% 32.30% 宽带用户的收入弹性 　 18.68 9.74 4.78 3.50 2.48 2.16 3.76 1、宽带用户的收入弹性=全省宽带用户变化率/人均收入变化率 2、从表中可以看出05-09年收入弹性变化率较为稳定，故2010年弹性取这5年均值作为收入弹性=3.34 3、2010年全省宽带用户数=2009年全省宽带总户数X（1+2010年全省宽带用户变化率） =508.1147（1+3.34X0.1） =680.54（万户） 一元线性回归分析 定义：一元线性回归分析就是通过建立模型来模拟两个变量之间的线性关系，并利用最小二乘法（OLS)和已知历史数据求出模型中的未知参数，使得模型计算得出的拟合值与实际值的误差最小，然后将自变量X代入模型对因变量Y进行预测的方法。 1.一元线性回归模型： 2.对于每组可以观察到的变量x，y的数值xi，yi， 满足关系： 3.利用普通最小二乘法原理（OLS）求出回归系数: a=回归常数 b=回归系数 e=误差项或回归余项 一元线性回归分析-预测流程 预测结果分析 合理 合理 输入历史统计数据 计算回归参数a、b 回归检验 计算 输出预测结果分析 不合理 原因分析： -数据处理 -影响因素选择 -预测模型选择 不合理 选择其他方法 回归检验方法： 1、方差分析；（基础） 2、相关检验（描述两变量间相关程度，R越趋近于1越好） 3、t检验（回归系数b的显著性检验，判定XY线性假设合理性） 一般选择一项检验即可 一元线性回归分析 1.方差分析 基本公式： 可决系数： ，称为偏差平方和，又称总变差，反映y的分散程度 ，称为回归平方和，又称可解释变差，反映x对y线性影响的大小 ，称为残差平方和，由误差项e造成 一元线性回归分析 2．相关系数检验 R的绝对值越接近1，变量x和y线性关系越好；反之，R的绝对值越接近0，变量x和y线性关系越不好。 计算出R值后，可以查相关系数检验表，在自由度（n－2）和显著性水平α（一般取α=0.05）下，若R大于临界值，则变量x和y之间的线性关系成立。 n=总样本数 一元线性回归分析 3．t检验 tb服从t分布，可以通过t分布表查得显著性水平为α，自由度为n－2的数值t（α/2,n-2)。与之比较，若tb的绝对值大于t，表明回归系数显著性不为0，参数的t检验通过，说明变量X和Y之间线性假设合理。 否则不合理。 回归标准差 一元线性回归分析 4、点预测与区间预测 点预测（点估计）：给定未来x值预测y值 置信水平 的预测区间 置信区间预测： 显著性水平（阿尔法）一般取0.05 一元线性回归分析 [例题]我省2002年-2009年宽带用户及GDP水平见下表，预计到2010年GDP年增长10%，用一元线性回归法，预测2010年全省宽带用户数。 方法一：复杂数理分析EXCEL2003:工具-加载宏-