常用统计预测方法的.pptVIP

第二十二章 常用统计预测方法;; 一、基本任务和意义; 统计预测的作用; 二、统计预测的分类;1、定性预测;德尔菲法Delphi; 2、定量预测方法;（1）时间序列法： 确定性时间序列预测，如移动平均法（一、二次），指数平滑法（一 、二、三次），季节周期法 随机性时间序列预测，如平稳时间序列预测(ARMA，ARIMA等)， 回归预测（线性、非线性、自回归预测等） 马尔柯夫（Markov）预测 系统动力学（S—D）预测 （2）模糊预测 （3）灰色系统预测 ; 三、预测步骤; 预测结果的检验评价;第二节 指数平滑方法; 分析要求：序列的平稳 即：1.均数不随时间变化（差分） 2.方差不随时间变化（对数和平方根转换） 3.无周期性变化；（季节差分） 4.自相关系数只与时间间隔有关，于所处的时间无关。 ; 指数平滑方法;1、一次指数平滑; 值的选择; 初始值的估计;2、多次指数平滑预测;例;预测结果;优缺点; 第三节 ARIMA预测方法 (autoregressive integrated moving average);1、自回归模型（AR）; 2、滑动平均模型（MA）;3、自回归滑动平均模型（ARIMA）; 运用的前提条件;Y1,Y2,Y3, ……,Yt 一阶差分(t1)： △Y2 (Y2-Y1) ,△Y3 (Y3-Y2),△Y4 (Y4-Y3), ……,△Yt (Yt-Yt-1), 二阶差分(t2)： △2Y3 ( △Y3 - △Y2 ),△2Y4 ( △Y4 – △Y3 ),……, △2Yt ( △Yt - △Yt-1 ) ……………………………………. ; 预测的三个阶段; 二、 ARIMA自相关分析;Yt ：Y1,Y2,Y3, …, Yn-k, …, Yn-2, Yn-1, Yn Yt+1 (k=1) ：Y2, Y3,Y4, ……,Yn Yt+2 (k=2) ：Y3, Y4,Y5, ……,Yn ………………………………….. Yt+k ：Y1+k, Y2+k,Y3+k, ……,Yn; 由随机数字构成的序列，其各阶自相关系数应该是0。当序列诸项之间没有相关时，样本自相关系数的抽样分布近似于以0为均值的正态分布。这样，可以建立序列自相关系数的随机区间。将时间系列的自相关系数与偏自相关系数绘制成图，并在图上标出随机区间就是自相关分析图，它可以用来分析时间序列的随机性、平稳性、季节性特性。 ;2. 偏自相关系数; 三、ARIMA的计算步骤;2、模型诊断;例22－3：某医院90.1～01.12逐月门诊量数据： 112 118 132 129 121 135 148 148 136 119 104 118 115 126 141 135 125 149 170 170 158 133 114 140 145 150 178 163 172 178 199 199 184 162 146 166 171 180 193 181 183 218 230 242 109 191 172 194 196 196 236 235 229 243 264 272 237 211 180 201 204 188 235 227 234 264 302 293 259 229 203 229 242 233 267 269 270 315 364 347 312 274 237 278 284 277 317 313 318 374 413 405 355 306 271 306 315 301 356 348 355 422 465 467 404 347 305 336 340 318 362 348 363 435 491 505 404 359 310 337 360 342 406 396 420 472 458 559 463 407 362 405 417 391 419 461 472 535 622 606 508 461 390 432;data ar; date=intnx(month,31dec1989d,_n_); input x@@; cards; 112 118 132 129 121 135 148 148 136 119 104 118 115 126 141 135 125 149 170 170 158 133 114 140 145 150 178 163 172 178 199 199 184 162 146 16