预测模型.pptVIP

預測模型 謝邦昌 蔣妍 江志民 輔仁大學統計資訊學系 中國人民大學統計學系 預測 鑒往知來 通古博今 掌握趨勢 預測模型 迴歸模型 Regression Model 時間數列模型 Time Series 迴歸分析 迴歸分析就是統計分析,分析兩個或兩個以上關係的相互變化統計方法根據。 迴歸分析可經由另外一個變數之數值或另外多個變數以上之數值來加以分析預測。 因果關係 例： 銷售量與廣告費用之間的變化關係 迴歸模型 迴歸預測模型 簡單線性迴歸 Simple Linear Regression 多元線性迴歸 Multiple Linear Regression 廣義線型模式 GLM (function relation) 迴歸分析目的 1.敘述(description)：例:節目製作費用與收視率之關係 (了解變數之關係) 2.控制(control)：例:商品價格與需要量之關係,故控制價格,控制需要量(以價制量) 3.預測(prediction)：例:製作費與收視率之關係(可預估收視率) 實例研究一～年齡與血壓（簡單線性迴歸） 今欲研究成人年齡與血壓之間是否呈線性關係，調查10位男性之年齡與血壓如下： 實例研究二～膽固醇預測研究（多元線性迴歸） 有位醫生想要探討成人血液中的膽固醇(serun cholesterol)是否受到體重、血壓及年齡的影響，調查10位20至30歲成人男性得到如下結果： 時間數列分析 時間數列係指隨時間順序出現之一連串觀測值數列 日常生活中所熟悉的數值資料絕大部份皆為隨時間連續觀察所得有順序的觀測值數列集合 如失業率，股價，工廠生產線每日產能，季度GNP，及每月某廠牌之化妝品銷售量..等。 時間數列分析～目的 對數列未來趨勢作預測（Forecasting） 透析數列的各種趨勢，如主要趨勢成份(Trend Components)、季節變化成份(Seasonal Components) 對理論性模式與數據進行適合度檢定，以討論模式是否能正確地表示所觀測之現象，如一些常見的經濟模式。 時間數列分析～假設前提 數列為平穩型（stationary） 或者是透過某些的方法使其平穩 最常用的方法是對資料差分(differencing) 實務分析時經常以數列走勢圖形及一些統計檢定量對數列的基本性質做初步的判斷。 一般可利用隨機變數 (觀測值) 建構時間數列 但是時間數列的特殊情況是這些變量卻僅能觀測一次，這是與其他統計分析法所不同的地方。 利用數列的參數模式(parametric modeling)的ARIMA (autoregressive integrated moving average) 模式及較為複雜的多變數 ARMA 模式 ARMA模式則包含二個重要的子模式 AR(autoregressive) MA(moving average) 當利用ARMA模式對一平穩型數列建模時，即是利用參數來描述資料的記憶型態。 時間數列建模時最重要的觀念即是如何利用過去的資料來判定一個變量的未來走向及不同變量間同期(concurrent)或前後期(lead-lag)之關聯性。 單變數時間數列模型~Box 和Jenkins 多變數時間數列模型~如 Box 和 Tiao (1982) 及 Tiao 和 Tsay (1983)。 近年來在非線性及多變數時間數列分析法的領域中有許多新的進展，包含 ARCH models, threshold AR model, co-integration, reduced rank models, scalar component models, state-space models。 在此介紹最廣為使用及實用的方法 Box在1980年提出進階的建模技術，並且探究以遞迴的方式對時間數列資料建構模式，及進行預測。 時間數列～Box-Jenkins實例 平穩型數列~ 化學反應產出量(每次觀測間隔兩小時) 無定向型或非平穩型數列~美國電冰箱月度需求(仟台)(1957年六月至1961年九月) 季節型數列~美國月度國際航空旅遊人數(1949年一月 至1960年十二月) 季節型數列~Magnavox牌彩色電視機月度銷售量(仟台)(1976年一月 至1983年十二月) 多變量時間數列~美國及泰國月度米價(美元/噸)(1969年一月至1991年七月) 美國米價 泰國米價 行銷案例~食品業銷售 銷售量 廣告支出 介入因子~英國汽車乘客配置安全帶法規對車禍死亡之效果 駕駛人死亡人數 駕駛人死亡或受重傷人數 時間數列～型態 平穩型(Stationary) 無定向型(Drifting) 趨勢型(Trend) 季節型(