2014统计预测与决策总结.docVIP

一、经济预测的分类： （一）、按超前期分类：（1）短期经济预测：一年以内的预测；（2）中期经济预测：一年以上五年以内的预测；（3）长期经济预测：五年以内十年以内的预测；（4）超长期预测：十年以上的预测。 （二）、按预测结果的属性分类：（1）定性预测：在缺乏定量数据时，凭借预测者的直觉、经验、根据预测对象的性质、特点、过去和现在的延续状况及最新信息等对预测对象未来的发展趋势做出预测，并估计其可能达到的程度；（2）定量预测：是依据统计数据，建立数学模型，并用数学模型计算出预测目标未来值的一种预测方法。 二、提高经济预测精度的可能性： （1）经济现象的发展变化是连贯的、有规律的；（2）经济现象具有相对稳定性：经济发展中的稳定性，经济现象相互联系的稳定性。 三、定性预测方法中：专家预测法最常用的有头脑风暴法和德尔菲法。 头脑风暴法的优点：（1）最大限度地发挥专家的个人才智，且不受外界影响；（2）通过信息交流，进而激发创造性思维，并在短期内取得成果；（3）由于信息量大，考虑的因素多，因此所提供的方案也比较全面。缺点：（1）由于受专家个人在知识、爱好、经验、成见等方面的限制，预测结论易产生片面性；（2）是易受领导或权威的影响，不能真正畅所欲言和充分发表意见；（3）易受个人自尊心的影响，有的专家听不进不同意见或不能及时公开修正自己的意见等。 应用德尔菲法进行预测分为几个阶段：1.准备阶段：（1）选择专家，准备预测对象的背景资料；（2）预测问题的提出与调查表的编制。2.征询阶段：目前我国德尔菲法征询阶段主要进行四轮征询。 四、时间序列的平滑预测法为考试重点，要掌握具体公式： （一）一次移动平均预测：作为t+1期的预测值，记作： （二）加权移动平均法：一般情况下，最近期的经济数据比远期的数据包含了更多的信息，一般给予近期的数据以较大的权值，给远期的数据以较小的权值，然后进行移动平均： 即 （三）二次移动平均预测法：二次移动平均是在对时间序列做一次移动平均后，再对一次移动平均序列做一次移动平均。 先做第一次移动平均：，再做一次移动平均：，计算预测模型的平滑系数：预测模型为，：第t+T期的预测值；T：第t期后预测的期数；平滑系数，其估计值的计算公式为： （四）一次指数平滑预测法： 式中， （五）二次指数平滑预测法： 表示第i期第j次指数平滑值。预测模型为： 其中： （六）三次指数平滑预测法：它在二次指数平滑的基础上再进行一次指数平滑，其计算公式为： 三次指数平滑是利用一次、二次、三次指数平滑值求得二次曲线方程的参数，建立二次曲线模型进行预测： 其中 五、趋势外推预测法： （一）修正指数趋势模型：式中a、b、k为参数，t为时间变量。修正指数曲线描述的是发展过程有饱和现象的一种增长规律。针对a、b的不同取值范围，可以得到四个图像。可以利用修正指数趋势模型来预测产品的市场饱和点。将序列 进行一阶差分，有：一阶差分的环比是是以常数。所以可以当时间序列的一阶差分的画笔近似一常数时，可配合修正指数趋势模型来预测。 （二）龚伯兹曲线趋势模型：特点是初期增长速度很慢，随后增长速度逐渐加快，达到一定程度以后，增长量还在，但是增长率逐渐降低，最终趋于零。其模型的一般形式为：，式中k又称为极限参数，随着a、b取值的不同，曲线有四种类型。公式两边取对数; 该形式是一种修正的指数型曲线。因此根据修正指数曲线求参数的方法，来求lnk,b,lna。 （三）罗杰斯蒂曲线趋势模型： （b0）其图形与龚伯兹曲线十分相像。两边取倒数，得： 该式可用字母分别代替便化为：，可见，修正指数曲线的参数估计原理也可用于罗杰斯蒂曲线的参数估计。 六、一元回归预测法： （一）模型的建立： 模型的假设：1.预测对象与影响因素之间必须存在线性关系；2.过去和现在数据的规律性，其相关关系能够适应于未来；3.随机扰动项的数学期望为零；4.随机扰动项的方差相等；5.不同的随机扰动项之间不存在相关关系；6.随机扰动项和解释变量不相关；7.随机扰动项服从正态分布。 参数估计： 代入到中。 （二）回归方程的显著性检验：判定系数 （三）区间估计： 其中 七、多元回归分析预测法 （一）非线性回归模型的概念及其分类 可以使用直接换元法 原模型 模型代换 代换后模型 参数估计法 双曲线模型 一元线性回归 二次曲线模型 多元线性回归 对数模型 一元线性回归 三角函数模型 一元线性回归 可以使用间接还原法 原模型 模型代换 代换后模型 参数估计法 指数模型 高斯-牛顿迭代法 指数模型 高斯牛顿迭代法 幂函数模型 高斯牛顿迭代法 不可线性化的非线性回归模型 罗吉斯曲线 修正指数增长曲线 （二）自相关检验判别： D.W值 检验