基础统计（第四版）（凌明雁）长期趋势模型预测.pptVIP

(三)二元线性回归预测模型的运用 ［例10—11］设某地区卫生陶瓷需求量y与城镇竣工住宅面积x1和医疗卫生机构建筑面积先存在密切的复相关关系（其统计资料见表10-11）。 要求：建立二元线性回归方程，用最小平方法求估计参数，并预测当竣工的城镇住宅面积为2600万平方米、医疗卫生建筑面积为250万平方米时的卫生陶瓷需求量。 设二元线性回归方程为: 其中： 先按标准方程组的要求计算出有关数据， 将计算结果代入方程组，得： 求解b0，b1，b2： 三、回归预测应注意的问题 (一)对预测对象进行定性分析 (二)对回归系数进行分析 (三)注意样本资料的结构变形 (四)注意因变量的滞后变动 (五)注意变量间的非线性关系 (一)对预测对象进行定性分析 建立方程前，首先应对预测对象进行定性分析，以判断现象之间是否确实存在因果关系，如定性分析出错，没有因果关系，则建立的模型就失去了意义。 (二)对回归系数进行分析 回归模型中的回归系数b1,b2,…bp表示自变量x1,x2,…xp对因变量y的影响方向和影响程度，如例10-11中的模型： b1=0.121280,它表明卫生陶瓷需求量随竣工住宅面积的增加而增加；b2=58.48760，它表明卫生陶瓷需求量也随医疗卫生机构建筑面积的增加而增加。本例中，这种解释符合实际意义。 如果回归系数的符号与实际不符，如例10-11中的b1,b20，那么，就有理由怀疑所求模型的正确性，必须重新构建模型。 (三)注意样本资料的结构变形 回归模型的选择是根据样本资料确定的，模型中的参数也是根据样本资料计算出来的。因此，回归模型只能说明变量在一定范围内的因果关系。超过这一范围后，不仅模型的函数形式可能发生变化，如果由直线变为曲线，模型中的参数值也可能不再符合实际。如果这时仍以原模型进行外推预测就会出现较大偏差，甚至得出完全错误的结论。 (四)注意因变量的滞后变动 实践中，因变量与自变量的变动不是同时发生的，两者之间存在或长或短的时间差，一般是自变量变动在先，因变量变动在后。例如，存贷利率变化后，间隔一段时间才有储蓄额、基本建设投资额的变化。因此，进行回归预测还要考虑现象变动的时间差。 (五)注意变量间的非线性关系 线性回归分析法在预测中有着很重要的应用，但客观事物之间不一定都呈线性关系，在许多情况下，非线性回归模型更为合适。一些非线性形式的回归模型经过适当变换，可以成为线性形式。 一、分析预测误差的意义二、影响预测准确度的因素三、预测准确度的测量四、统计预测误差的计算 第五节 统计预测误差分析 一、分析预测误差的意义 研究产生预测误差的原因，计算与分析误差的数量，不但可以认识预测结果的准确性，为编制计划、进行决策提供可靠的依据，而且也有利于改进预测工作，发展和完善预测理论。 二、影响预测准确度的主要因素 (一)数据资料的真实性和准确性 (二)主观判断的客观性和正确性 (三)统计方法的完整性和可靠性 (四)模型的科学性和有效性 (一)数据资料的真实性和准确性 真实、准确、可靠的统计资料对预测的准确度有着重要影响，因为预测模型的选定、参数的计算都是依据统计资料而来的。如果资料失实或不全，或者经过整理的资料还缺乏可比性、系统性，满足不了预测的要求，那么，预测的准确度就要受到影响。可见，真实、准确、可靠的统计资料是获得准确预测的先决条件。 (二)主观判断的客观性和正确性 无论是定下预测，还是定量预测，都离不开预测者的主观判断，尤其是根据统计资料选择模型、确定参数估计方法时，主观判断极为重要。判断正确，就为准确的预测打下了基础；判断错误，则全盘皆输。所以，统计预测要求预测者有敏锐的观察力、严密的逻辑思维能力和丰富的实践经验，这是提高预测准确度的又一重要条件。 (三)统计方法的完整性和可靠性 统计预测的各个阶段都需要运用统计方法，各种方法都有优缺点，都有其适用的条件。不同的问题要用不同的方法，有时，同一问题还存在着处理方法优劣性的对比。因此，统计方法选择的适当完整与否，运用的正确与否，也是影响预测准确度不容忽视的一个因素。 (四)模型的科学性和有效性 模型本身是对客观现象的一种简化和模拟，它忽略了影响现象的某些因素。如果模型中没有包含哪些不该忽略的重要因素，势必要影响预测的准确度。同样，如果预测者构建了错误的预测模型，那么，预测就会产生较大偏差，甚至得出与实际完全相反的结论。因此，模型的科学性、准确性是保证预测准确度的关键。 三、预测准确度的测量 测量预测准确度，实质上就是测定预测误差预测误差是社会经济现象在某一时期的实际值与预测值之差。显然，预测误差越小