最小平方法在回分析和趋势预测中的应用.doc

最小平方法在回归分析和趋势预测中的应用 ? 最小平方法，又称最小二乘法。其方法的计算依据是利用算术平均数的数学性质，在我们介绍算术平均数的数学性质时，有两条性质分别是：一、各个变量值与平均数的离差之和等于零，用表达式表示即；二、各个变量值与平均数的离差平方之和为最小值，用表达式表示为。这两条数学性质已证明过，我们把它们应用到回归分析和趋势预测中来。回归分析和时间序列趋势预测中，主要是为求得回归方程或趋势方程，但在求得方程的参数时，就要用到上面的两条数学性质。 最小平方法的数学依据是实际值(观察值)与理论值(趋势值)的离差平方和为最小。据此来拟合回归方程或趋势方程。 1、利用最小平方法拟合直线回归方程 拟合直线回归方程的主要问题就在于估计待定参数和之值，而用最小平方法求出的回归直线是原有资料的“最佳”拟合直线。 假设直线回归方程为：，其中是直线的截距，是直线的斜率，称回归系数。和都是待定参数。将给定的自变量之值代入上述方程中，可求出估计的因变量之值。这个估计值不是一个确定的数值，而是许多可能取值的平均数，所以用表示。当取某一个值时，有多个可能值。因此，将给定的值代入方程后得出的值，只能看作是一种平均数或期望值。配合直线方程的具体方法如下： (1) 用直线方程代入式(1)得： (2) 分别求Q关于和Q关于的偏导，并令它们等于0： 整理后得出由下列两个方程式所组成的标准方程组： (3) 根据已知的或样本的相应资料、值代入式(3)，可求出和两个参数： (4) 只要把和两个参数代入，就可得到直线回归方程。并根据此方程在自变量给定的条件下估计因变量的平均可能值。这里要说明的是回归系数的含义，它表明自变量每增加(或减少)一个单位，因变量将平均增加(或减少) 个单位。 上述标准方程组也可从另外的角度理解和获得： 根据平均数的数学性质一(开头提到的)，。用代入。 可得： 整理后得： (5) 然后，在式(5)等式两边同时乘以，又可得： (6) 联列式(5)和式(6)，即能得到解直线回归方程参数的标准方程组： 和式(3)一样再解和两个参数，求得直线回归方程。此方法也可推广到求解非直线回归方程。譬如二次曲线回归方程，。其中有三个待定系数，要设立三个方程求解。用上述同样的思维，能得到如下的标准方程组： (7) 这样也能求解、、三个参数。 在回归分析中，采用回归估计标准误这一指标来衡量样本观测值对回归直线的离散程度。回归估计标准误，又称估计标准误差，它是衡量回归估计精确度高低或回归方程代表性大小的统计分析指标，用表示。越大，表示回归估计结果越不精确，回归直线方程的代表性越差；反之，恰好相反。回归估计标准误的计算公式如下： (8) 2、利用最小平方法拟合直线趋势方程 在时间序列分析中，我们也常常利用最小平方法拟合直线趋势方程，直线趋势方程与直线回归方程基本原理相同，只是直线回归方程中的自变量被时间变量所取代，方程中的两个待定系数也用同样的方法求得。 如果时间数列的一级增长量(即环比增长量)大致相等，则可拟合直线趋势方程。设直线趋势方程为：。 如上面介绍方法可得出求解和两个参数的标准方程组： 解方程组同样能得： (9) 直线趋势方程中，是时间序数，往往间隔相等且连续。为了简化计算过程，直线趋势方程还可以采用简捷法的计算形式，求解参数。 简捷法求解直线趋势方程，前提是设，这要用坐标移位的方法。将代入式(9)，其结果就简化为： (10) 用式(10)求解和两个参数肯定会方便不少，但这里有两个假设要注意：其一，；其二，的间隔相等。具体操作中的设定为，当时间数列为奇数项时，取中间一项(原点)为0，原点以前的时期分别设为-1，-2，-3，… ，原点之后各期设为1，2，3，…；当时间数列为偶数项时，原点就在中间两