回顾一：经典预测方法20150901教程.ppt

经典预测方法;目 录;概述;分类 按预测的目标范围不同分为：宏观预测和微观预测； 按预测的时间长度不同分为：长期预测、中期预测、短期预测、近期预测； 按预测的手段不同分为：定性预测和定量预测，其中定量预测方法又分为：因果模型预测方法和时间序列预测方法等。 。 ;;;第一节 回归分析预测法;二、利用回归分析解决实际问题的流程图;三 、应用举例;1、绘制散点图;2、建立一元线性回归模型;最小值;则所求的预测模型为：; 第二步，根据回归模型的自由度（n-2)和给定的显著性水平?，在相关系数表临界表中查出临界值r ?（n-2);（2）拟合优度r2检验;第一步，计算统计量F的值。;5、预测;;含虚拟变量的预测方法 ;问题的引入; 含虚拟变量的单项预测方法;;;;含虚拟变量的回归预测方法 例1 男女个体消费者每年的食品支出(美元);含虚拟变量的回归预测方法 例2 食品支出与税后收入和性别的关系;;第二节 时间序列预测法;一 、概述; 一些可能的时间序列形态的例子;2、周期趋势;时间序列的趋势因素和周期因素（各数据点以1年为间隔）;3、季节因素;（二）时间序列预测法的预测模型;加法型预测模型图; 由于不规则变动值（It）往往是一种随机变动，长期来看，多种随机变动因素对经济现象的作用刚好相反，可互相抵消。因此，时间序列预测中主要考虑长期趋势变动值（Tt ）和季节变动值（St）。乘法模型方式及加法模型方式的简便形式如下： Yt ＝Tt ·St Yt＝Tt ＋St;二、时间序列预测法; 例：一个汽油经销商在佛蒙特州的本宁顿过去12周的汽油销售量如下图;3周平均移动的计算结果;由此，对13周的预测为19千加仑汽油。;结论:;2、加权移动平均法;3、指数平滑法 包括：一次指数平滑法、二次指数平滑法、高次指数平滑法;则预测模型可改写为：? t+1= ?t+α(yt-?t);;初始平滑值的确定;案例应用;平滑指数常数α＝0.3时汽油销售预测的平均预测误差的平方; 注释： 另一个经常使用的对预测精确度的度量法是平均绝对偏差（MAD).这一度量法只是所有预测误差绝对值的平均数。 均方误差与平均绝对偏差一个很大的区别是均方误差法受较大预测误差的影响要比受较小误差的影响大得多。（对均方误差法而言，误差都被平方了.）选择对预测精确度得最好度量法并不是一件小事。; 对于13周的售出量指数平滑预测值为19.18千加仑汽油。根据这一预测，公司可以制定计划或进行决策。;第三节 时间序列趋势外推预测;一、线性趋势预测模型及适用条件;案例; 对于一个线性趋势而言，估计销售量为： Tt=b0+b1t Tt=阶段t的自行车销售趋势值 b0 ＝趋势线的截距 b1＝趋势线的斜率;t;通过利用b0和b1的这些关系，得到如下结果：;二、非线性趋势模型外推预测法;2、简单指数曲线;3、修正指数曲线;4、双指数曲线;5、龚泊兹(Gompertz)曲线;6、逻辑（logistic）曲线;二、非线性趋势曲线的选择;2、数据分析法;（1）二次多项式;（3）指数曲线模型;（5）双数曲线模型;（7）逻辑曲线模型;三、序列有线性趋势和季节波动的外推预测法;（2）对yt分解出季节因素与随机因素。 yt/MAyt=Tt *St *It/Tt =St It;第五步，根据第三、四步得到的季节指数St和Tt，即可按要求预测，预测公式为：;案例;;电视销售时间序列的中心移动计算结果;第二步;第三步;第四步; 上图中时间序列似乎存在一个向上的线性趋势，为确定这一趋势，所使用的数据为每季度非季节化销售量的值。因此，表达为时间函数的预计销售量为： Tt=b0+b1t