第七讲定量预测技术.ppt

* 因变量观测值与均值之间差异的偏差平方和SSt=SSr+ SSe，其中回归平方和SSr反映了自变量x的重要程度；残差平方和SSe，反映了实验误差以及其他意外因素对实验结果的影响。? D-W的取值是0-4，如果误差项不独立，那么对回归模型的任何估计和假设结论都是不可靠的。 D-W约等于2,当残差与自变量互为独立时， D-W2,当相邻两点的残差为正相关时； D-W2,当相邻两点的残差为负相关时；? * ?在多元回归模型中，多重共线性是难以避免的，只要多重共线性不太严重就行了。 降低多重共线性的办法可转换自变量的取值，如变绝对数为相对数或平均数，或更换其他的自变量,或增大数据样本量, 或剔除不重要的自变量。 * ?Casewise Diagnostics —— 检查异常值是否错误录入，否则，一般应予剔出。 * ?降低多重共线性的办法可转换自变量的取值，如变绝对数为相对数或平均数，或更换其他的自变量,或增大数据样本量, 或剔除不重要的自变量。 * 选择模型：二次quadratic、三次cubic、指数compound模型?; 降低多重共线性的办法可转换自变量的取值，如变绝对数为相对数或平均数，或更换其他的自变量,或增大数据样本量, 或剔除不重要的自变量 * ?data09-05是美国人口变化数据，单位为百万。pop——人口，year——年代 Model expression 估计的模型表达式：c/(1+2.718**(a+b*deacde)) 人口数量模型常用：Yi=[c/(1+e**(a+b*ti))]+误差项ei 降低多重共线性的办法可转换自变量的取值，如变绝对数为相对数或平均数，或更换其他的自变量,或增大数据样本量, 或剔除不重要的自变量。 * ?降低多重共线性的办法可转换自变量的取值，如变绝对数为相对数或平均数，或更换其他的自变量,或增大数据样本量, 或剔除不重要的自变量。 * 优点：便于计算，易于理解。 缺点：赋予各期相同的权重，如果在时间序列中发生了非随机性变动，滑动平均预测法对这种变化的反应不敏感。 * 季节差分（计算季节差异）——比如是季度数据，y5=y5-y1,y6=y6-y2 SPSS 分析注意： 1、Function设置好移动平均算法后，必须点击“change”按钮使之生效！！ 2、可以用graphs——sequence作时间序列图来做比较分析趋势 3、如果需要往下新预测值，比如1-12预测13的值，则增加一行13序号的空行即可。 ！！！——如果要用二次移动平均，则应该加一个空行得到所有的移动平均值。或者将一次移动平均上移一行。这样才能保证a,b计算的正确。如例3.sav 。 4、function-…详细信息如下： Time Series Transformation Functions Difference.逐期差分 Nonseasonal difference between successive values in the series. The order is the number of previous values used to calculate the difference. Because one observation is lost for each order of difference, system-missing values appear at the beginning of the series. For example, if the difference order is 2, the first two cases will have the system-missing value for the new variable. Seasonal difference. 季节差分 Difference between series values a constant span apart. The span is based on the currently defined periodicity. To compute seasonal differences, you must have defined date variables (Data menu, Define Dates) that include a periodic component (such as months of the year). The order is the number of seasonal periods used to compute the difference. The number of cases with the system-missing valu