第十章增长型曲线外推预测解析.pptVIP

第十 章 增长型曲线外推预测 第一节 趋势外推法的概念和假定条件 1 .原理： 二、增长曲线的基本类型和特征 1 、多项式增长曲线模型： （1）模型：P146 1）一次（线性）模型：yt=a0+a1t 2)二次模型（抛物线）：yt=a0+a1t+a2t2 3) 三次多项式： yt=a0+a1t+a2t2+a3t3 4) m次多项式： yt=a0+a1t+…+amtm 其中a0 ,a1,am为模型参数,t是时间变量 续二 （2）特征： 若增长曲线为一次曲线，则一阶差分为常量； 若增长曲线为二次曲线，则二阶差分为常量； 余此类推； 由此特征，便可由n 阶差分为常量推断多项式增长曲线的类型。 2.简单指数型增长曲线 （2）特征： 3.修正指数型增长曲线 (2)特征： 1）lgut依时间变化成线性变化规律； 4.双指数曲线 (2)特征： 1） 依时间变化成线性变化规律 （ut=yt’) 5.龚伯资曲线 (1)模型： 其中a 、b 、c为参数， t为时间变量P150 可变化为： lgyt=lgk+btlga 类似修正指数曲线 (2)特征： 1) 依时间变化成线性变化规律 6.逻辑增长曲线 该曲线多用于生物繁殖、人口发展统计方面的分析，也适用于对产品生命周期的分析，尤其适用于处于成熟期的商品的市场需求饱和量的分析和预测 （1）模型： ，其中a,b,k为参数，k为变量yt的极限值，它表示商品量 、销量等处于 饱和状态的值。P151 (2)特征： 依时间变化成线性 变化规律 二. 增长型曲线模型的识别方法 1.目估法（图形识别方法） 方法：绘制散点图，以时间为横轴，实际值yt为纵轴，由此可直观选择适合的曲线模型。 2.残差平方和最小的识别方法： 选择准则： 为最小 注意：此法不适合对多项式曲线模型的识别 应用举例 例1：某商场某种产品的销量如下表所示，试预测04年的销量。 续应用举例 例2：某市91年 97年某产品的产量时间序列资料如下表所示，试预测98年的产量。 续应用举例 例3：某商品89年 97年投入市场以来，社会总需求量统计资料如下表所示，试预测98年的社会总需求量。 3.差分法 当序列随机波动较大时，可用滑动平均消除 （2）改进差分法：P153 步骤：1）计算时间序列的滑动平均值 （目的：消除序列的随机波动，使序列本身的发展趋势能显现出来） 滑动平均值的计算公式： 其中2p+1为滑动时段长 续3.差分法 2）计算序列的平均增长。 公式： （是以时间原点作为序列的中心点） 当p=1时， 续3.差分法 3）计算时间序列的增长特征：为消除序列随机干扰影响，序列值yt常用滑动平均值代替；增长值ut也常用平均增长值代替。 4. 应用举例：P155 见excel 三 .参数估计 1.三和法：就是将整个时间序列等分为三组，再对每组数据求和来估计参数的方法。 下面以龚伯资曲线模型为例学习此法 （修正指数曲线模型也适用） 龚伯资曲线模型： 可变化为： lgyt=lgk+btlga 形似修正指数曲线 续三 .参数估计 1）步骤 （1）收集历史统计数据，且要求收集的样本点数能被3整除。 （2）要求取第一年（或第一个时间序列值）对应的时期t0=0,其余类推：t1=1…. (3)计算出各样本数yt的对数lgyt(修正指数曲线模型无此步） （4）按时间顺序把整个时间序列等分为三组，再分别计算出每组数据之和。 2)举例：P157 * * 2 .方法： 3 .假定条件： （1）模型：yt=abt ,其中a 、b为参数 可将其线性化：lgyt=lga+tlgb (1)模型：yt=k+abt , 其中k 、a 、b为参数 (b0)，该曲线描绘了发展过程有 饱和现象的一种增长现象 （1）模型： , 其中a 、b 、c为参数，t为时间变量 可将其变化为：lgyt=lga+tlgb+t2lgc 也称为对数抛物线； 16 9 4 1 0 1 4 9 16 t2=t2 -1.0 -1.5 -1.0 -1.5 -1.0 -2.5 -1.0 ut(2) 8 7 5.5 4.5 3 2 -0.5 -1.5