10.预测与决.pptVIP

第十章预测与决策技术 2.指数平滑法 移动平均法受到两个方面的约束： 必须有若干历史数据， 预测值仅包含这若干历史数据，而不能反映更多的历史数据的信息。 我们希望找到一种更理想的方法，使预测值能较多地反映最新观察值的信息，同时也能反映大量的历史资料的信息，但计算量要尽可能少，需要储存的历史数据也不多。这种预测方法就是指数平滑法。 指数平滑法 一次指数平滑法√ 二次指数平滑法 三次指数平滑法 一次指数平滑法的基本公式是 式中 St ——第t期的一次指数平滑值，也就是第期的预测值； Xt ——第t期的实际发生值； St-1——第t-1期的一次指数平滑值，也就是第期的预测值； α ——加权系数，0≤α≤1。 从公式可见，加权系数α取值的大小直接影响预测值的计算结果。 α越大，其对应的实际值Xt在St中所占的比重越高，所起的作用也越大。在实际应用中，α值的选取，应经过反复试算来确定。 【例】对前例，采用一次指数平滑法预测第20个月的产值。见下表。分别取， α =0.1， α =0.5， α =0.9计算。 41.1 37.3 28.2 42 19 41.1（预测值） 37.3（预测值） 28.2（预测值） 20 32.9 32.5 26.7 33 18 31.9 31.9 26.1 32 17 31.3 31.7 25.4 31 16 33.8 32.3 24.8 34 15 31.8 30.6 23.8 32 14 29.7 29.1 22.9 29 13 35.8 29.2 22.2 37 12 24.6 21.3 20.6 26 11 11.6 16.5 20 10 10 25.8 23 21.1 27 9 14.6 19 20.4 13 8 29.1 25 21.2 30 7 20.5 20 20.2 21 6 15.8 19 20.1 15 5 22.7 22.9 20.7 22 4 28.6 23.8 20.6 30 3 15.5 17.5 19.5 15 2 20 20 20 20 1 α=0.9 α=0.5 α=0.1 St 产值Xi （万元）?? 月 数 【解】X1 ， X2 ，… X19 ，分别代表1，2，…，19月份的实际产值，。 当α＝0.1时，则2，3，…，19月份的指数平滑值为： …… S19即为第20个月的预测值。 同理计算当α=0.5， α=0.9时的预测值，见上表。 由计算结果可以看出， α的取值直接影响预测结果，当α 取值较大时，预测值较接近实际值。 （四） 回归分析预测法? 回归分析用于预测，主要就是研究Y与Xi之间是否存在相关关系，若存在，则找出其数学表达式，然后根据Xi的值来预测Y的值，并分析这种预测所能达到的精度等。 回归分析预测法经常用于因果关系预测、时间序列预测等。 按回归关系式所含自变量的多少，可分为一元回归和多元回归； 按回归关系式的性质又可分为线性回归和非线性回归。这里介绍一元线性回归预测法和一元指数回归预测法，以此来了解整个回归分析预测的思路。 1.一元线性回归预测 （1）一元线性回归方程的求法 对两个有相关关系的变量，若取x为自变量，则y为因变量，两变量间的相关关系可以表达为y = a + bx +ε，式中，ε为随机变量，即y值的变化不受x影响的部分。 建立一元线性回归预测方程： 式中，a、b称为回归系数。若已知自变量x的值，则通过预测方程可预测出因变量y的值，并给出预测值的置信区间。 （2）相关性检验 一元线性回归预测法只对具有线性关系的两个变量成立。两个变量之间的线性相关程度是用相关系数r来衡量的。 r的计算公式为 若｜r｜≥ rα ，则表明x与y之间的线性关系显著，检验通过，反之则不通过。 在实际分析时，当r＞0.49时，则认为x对y影响很大，称为强相关； 当r＜0.49时，则认为x对y影响不大，称为弱相关。 当｜r｜=1，为完全线性相关， 当｜r｜=0，为无线性相关。 （3）置信区间估计 剩余标准差计算公式如下： 由正态·分布的性质知道，实际值y与预测值y有如下关系：实际值y落在区间［ y －2S， y ＋2S］内的概率约为0.95。 由上述可知，S越小，用一元回归方程来预测y的值就越精确。因此，可以把剩余标准差S作为预测精度的标志。 【例】某项目经理部正在进行某工程项目的施工，3月至9月成本核算的