(SIR方法在小型二次电池市场分析上的应用.docVIP

SIR方法在小型二次电池市场分析上的应用 周文琴 冯鸣鸣 王惠文 （1．北京航空航天大学理学院，北京 100083 ） （2．北京航空航天大学经管学院，北京 100083 ） （3．北京航空航天大学经管学院，北京 100083 ） 摘要：在新型电池的研究与发展过程中，日本小型电池市场发展最具代表性。本文采用分片逆回归方法（Sliced Inverse Regression，简称SIR），在非线性模型的假设下，利用日本小型二次电池市场的数据，对影响小型二次电池市场销售额的主要因素进行综合与提炼，以较高的精度将高维自变量集合综合成一维变量，并建立了镍镉电池、镍氢电池和锂离子电池市场年销售额的预测模型。由于经SIR降维后，三种电池的预测模型均为一元回归模型，因此更容易观察和比较三种电池市场的发展趋势。 关键字：SIR方法，主成分，预测模型，小型二次电池市场 引 言 随着经济、技术和通信设备的发展，以及对环保重视程度的提高，电池行业的发展在工业和科技发展过程中起着越来越重要的作用。有人预测高性能电池将是二十一世纪最具活力的十大产业之一。日本小型二次电池市场相对于其它各国发展比较成熟，它的发展很大程度上代表了世界小型二次电池的发展。目前，Cd-Ni电池正逐渐被淘汰掉，MH-Ni电池将会取代其位置，并且随着各种电池制造工艺及熟练程度的提高和方法的改进，各种电池的价格会逐年下降，LiB电池将成为比较普遍的家用电池，其市场会非常广阔。 本文采用日本小型二次电池市场的数据，对影响日本小型二次电池市场年销售额的主要因素和发展趋势进行分析和预测。由于预测中涉及多个解释变量，并且模型具有非线性性，因此文中采用简单而又十分有效的SIR方法进行信息筛选和变量降维。以较高的精度将高维自变量集合综合成一维变量，并建立了镍镉电池、镍氢电池和锂离子电池市场年销售额的预测模型。最后得到与实际情况相符合的预测模型和分析结果。 二. SIR方法的原理和算法 Ker-Chau Li（1991年）提出的分片逆回归方法（Sliced Inverse Regression，简称SIR）[1]，是一种十分有效的非参数模型降维技术。它一经提出，便受到统计理论研究人员的广泛重视，并已被大量应用于实际工作的分析和研究中。SIR的主要特点是能够在非线性模型的假设下，对高维自变量系统进行综合降维，得到一个“有效降维空间”（Effective Dimension Reduction Space，简称e.d.r空间），使得在e.d.r空间中，信息成分更有效，而建模分析也变得更简洁。 在SIR分析中，设数据模型为y=f(X,X,…,X,)，其中y是因变量，X为p维自变量的数据矩阵，f（?） 是 R:R 上的一个非线性算子。SIR的工作目标就是要求参数向量 =[,,…,]， 使得 Z={[z,…,z]┃z=X,1≤j≤k}张成e.d.r空间。 SIR 是一种基于逆回归思想的非参数统计方法。它的工作过程是 在X已标准化的前提下首先将因变量y的数值进行排序，同时，对标准化后的X也按对应的y值重新排序。再将排序后的y数值分成若干片，同时，自变量也被相应分片。[Zhu and Fang（1996）证明SIR的分片个数对其计算结果有很好的稳定性。]。对每一片X求平均值，再对X分片平均值的数据表应用主成分分析方法，从而得到降维子空间，即e.d.r 空间。SIR方法的主要特点是在运用时无须对f（?）的函数形式做任何估计，这为复杂非线性模型的降维和建模提供了一种有效的途径。 对于样本容量为n的数据集合　Ｓ＝{（y，X）┃ y=[], X=[x,…,x]; 其中 , 1≤i≤n}，SIR 方法的工作步骤如下[1]。 标准化X：， ( i=1,….n)，其中是X的协方差阵，是X的平均值向量。为方便起见，仍记X=[,…,]。 将y排序分片，同时对于X也做相应排序分片：将排序后的y的取值区间分成H片()，记为落入第h片的比例，即=(1/n)，其中当时, 当时。 计算分片后X各片的样本平均值(h=1,…, H )： 。 对X分片平均值数据表进行主成分分析，得出对应K个最大特征值的特征向量：由来形成加权协方差阵，然后求出相应的特征值和特征向量。记对应前k个最大特征值的特征向量为(k=1, ?, K)。 输出e.d.r方向：(k = 1,…, K)。 得到e.d.r空间：　Z={[z,…,z]┃z=X,1≤j≤k}　。 三. 小型二次电池市场分析和SIR成分提取 目前日本市场上小型二次电池主要是指镍镉