基于两种模型的学科发展趋势预测.docVIP

基于两种模型的学科发展趋势预测 　　〔摘要〕运用回归分析预测法和时间序列分析法两种模型，以文献计量学为例，对近年来相关文献量的统计数据进行拟合与预测，并对两种预测模型的结果进行对比分析。结果表明，时间序列预测模型对文献计量学研究的模拟预测效果较好。两种预测模型不仅适用于文献计量学发展研究，对于其他领域也同样适用。针对不同领域的学科发展趋势，在进行数据模拟和分析预测时要根据统计数据的多少和分布情况，选取一种相对效果更好并且方便可行的预测方法。 　　〔关键词〕文献计量学；回归分析；时间序列分析；发展趋势 　　〔中图分类号〕G255〔文献标识码〕A〔文章编号〕1008-0821（2013）02-0162-04 　　目前信息的分析与预测活动已越来越深入到社会发展、经济生活、科技进步等各个领域，成为社会发展与进步的标志[1]。针对某一学科专业研究的发展趋势进行分析与预测，不仅可以揭示该学科研究的特点和发展规律，而且为今后的研究和工作提供科学的依据。如今，无论是情报学还是文献学的发展都与文献计量学息息相关，文献计量学也是情报学等相关学科的重要研究方法。对文献计量学的发展趋势进行预测，不仅可以预测出未来文献计量学的发展趋势，而且可为其他学科尤其是图书馆学、情报学领域的理论研究提供了参考和借鉴[2]。 　　本文以文献计量学为实例，通过定量的方法分析其论文数量的变化情况，应用回归分析模型和时间序列分析模型，对文献计量学的发展趋势进行拟合和预测，并针对两种预测模型的预测结果进行比较分析[3]。 　　1统计数据的来源与统计结果 　　利用中国知网（CNKI）数据库检索系统，以文献计量学为关键词，统计时间为1996.01.01-2010.12.31进行模糊检索，对所检索到的数据进行处理后共得到论文2 100篇，按发表年份排列的论文篇数2.1回归分析模型介绍 　　回归分析法，是从各种现象之间的因果关系出发，通过对与预测对象有联系的事物或现象的变动趋势进行分析，进而推算出对象的未来数量状态的一种预测方法。根据散布的数据点求出理想的回归直线或曲线，建立起确定的回归方程进行预测[4]。 　　一元线性回归方程的一般形式： 　　时间序列分析是以研究对象的历史数据为基础，将研究对象的发展变化过程表述成时间序列，首先要识别时间序列的特征，进而分析它随时间的变化趋势，建立相应的时间序列分析模型，并通过一定的时间序列预测方法，推测出研究对象的未来变化趋势。 　　通过分析统计数据，应用时间序列分析法中的移动平均法（M法）对文献计量学的发展趋势进行拟合和预测。其基本方法是每次在时间序列上移动一步求平均值。这样的处理可对原始的无规则数据进行“修匀”，消除样本中的随机干扰成分，形成平滑的趋势线，突出序列本身的固有规律，从而为进一步的建模和参数估计做好基础[5]。 　　为进一步提高预测值和实际值的吻合度，可以采用在一次移动平均的基础上再进行一次移动平均法，称为二次移动平均法。二次移动平均是在一次移动平均的基础上，对具有线性趋势的数据再进行一次移动平均。其计算公式为： 　　在利用时间序列模型进行预测时，可将对应的T值代入式（7）中，通过线性时间关系模型求出i+T即为所要预测年份的论文篇数。 　　3文献计量学研究发展趋势的预测 　　3.1回归分析预测模型 　　以文献计量学发表论文的年份为自变量，各年份的论文篇数为因变量。通过散布的数据点绘制出散点图，发现两变量的关系近似于一条直线。为了方便计算，设1996-2010年时间t的取值分别为-7，-根据一元线性回归方程的计算公式计算相关数据结果如下： 　　由此可知，回归方程的拟合程度很好，可以应用回归分析预测模型对未来的文献计量学相关文献量进行预测。 　　通过回归分析预测模型可预测2011年文献计量学的相关论文篇为2011=140+22.78t=322.24。 　　3.2时间序列分析预测模型 　　根据公式（4），分别取移平跨度n=3和n=5进行一次移动平均，如表3。 　　通常采用均方误差（MSE）来检验n值选择的效果。表3一次平均移动数据表 　　年份11论文篇数依据上述两种预测模型，分别计算两种模型1996-2010年的模拟值以及2011年、2012年的预测值，如表5。其中， 　　两种预测模型的相关系数比较得：r1r2，即时间序列预测模型的相关系数相对于回归分析预测模型的相关系数较大，可见时间序列预测模型更适用于文献计量学研究发展的分析预测。 　　5结语 　　以文献计量学为例，采用两种预测模型对其发展趋势进行拟合及预测，克服了单一模型拟合和预测的局限性。预测结果表明，文献计量学研究的论文篇数在未来3年将超过500篇，并且增长趋势较快。通过对两种预测模型相关系数的比较，得出时间序列模型对