southwestjiaotonguniversity李远富yfli@homeswjtueducn.ppt

第四节 时间序列预测技术 它的特点是： 1.由于时间序列观察值在季节性变动和不规律的影响下，有的在平均值以上变动，有的在平均值以下变动，通过中心化移动平均的调整，可以使观察值消除季节性变动和不规律变动的影响，而得到比较平滑的平均值。 2.时间序列观察值由于消除了季节性变动和不规律变动而呈现长期趋势，以适当数学方法加以延伸，便可以预测建筑市场未来的长期趋势值； 第四节 时间序列预测技术 （三）它的特点： 3.因时间序列观察值具有季节性变动，并非单纯的长期趋势变动，因此，仅预测长期趋势变动和预测长期趋势值还不能反映实际的季节性变动，而季节指数则可以根据预测的长期趋势值求得季节变动值，从而近似地反映市场未来的每月变动趋势。 运用季节指数法进行预测，其步骤与算术移动平均法基本相同，只是增加了计算季节指数以及运用季节指数预测每月季节变动值的内容。 第五章 建筑企业的经营预测 第四节 时间序列预测技术 （四）季节指数法的预测步骤 第五章 建筑企业的经营预测 (二)二元线性回归方程的求法 设自变量为x1，x2，因变量为 ，则二元线性回归方程为 此方程在几何上表示一个平面，因此，称它为 对x1,x2 的回归平面，b0为常数项，b1，b2分别称 为对x1,x2 的回归系数。 第五章 建筑企业的经营预测 (二)二元线性回归方程 预测实例 [例5-3] 某建筑企业拟对木材加工厂木制品总成本进行预测，y代表总成本，x1代表直接劳动量，x2代表耗用的木材量。有关记录资料列于表5－11。要求建立二元线性回归方程。 解：1）设所求的二元线性方程 2）计算有关参数 3）计算回归系数 b0,b1,b2 4）求二元回归方程 第五章 建筑企业的经营预测 (四)多元线性回归模型的R检验 R检验即是通过偏差分析检验多元线性回归的预测模型及其区间。关键是求出复相关系数R。一般计算公式为： R 描述自变量对因变量y的相关程度。 复相关系数的值在0和1之间，且只取正值，判别依据以靠近1的程度来衡量。通常R?0.7称为高度相关，0.7?R?0.3称为中度相关，R?0.3称为低度相关。 第五章 建筑企业的经营预测 三、非线性回归预测技术 在自变量与因变量不呈现线性关系时，就需要运用非线性回归预测方法。 非线性回归预测模型的一般式为： （5—27) 可以是多项式、指数、三角函数或其它函数形式。 第四节 时间序列预测技术 一、时间序列预测技术的基本概念 （一）时间序列的概念与特点 实际生产经营管理中，时间序列组成十分复杂。但通过对大量时序数据变动做分解，可认为一般经济变量时间序列数据的变动特点有以下几点： 一是其短期的偶然性或随机性波动； 二是其季节性和周期性变动； 三是体现长期发展趋势的线性或非线性变动。其中随机性变动是不规则的，周期性或季节性变动和长期趋势变动是有规律的。 第四节 时间序列预测技术 长期变动 周期性变动 随机变动 t 图5—3 时间序列的各种变动 0 yt 第四节 时间序列预测技术 用时间序列预测技术预测，先需进行数据处理，设法消除随机变动，找出预测对象的长期发展趋势和周期变动的规律，并建立相应预测模型。 （二）时间序列分析方法及其特点 该预测技术是据预测对象的时间序列数据，找出预测对象随时间推移的变化规律，通过趋势外推预测未来的一种方法。该方法早已在国外得到广泛应用，国内也早在60年代初就应用于水文预测。70年代，随着电子计算技术发展，水文、气象、地震等方面已广泛采用时间序列的预测方法。 第四节 时间序列预测技术 时间序列分析有三个基本特点： 其一，它是根据市场过去的变化趋势预测未来发展的，它的前提是假定事物的过去会同样延续到未来； 其二，它承认事物发展规律性中有不规则因素，并着眼于如何消除那些不规律因素(偶然性因素)的干扰和影响； 其三，它撇开市场发展因果关系去分析市场过去和未来联系。在一般情况下，它求得的预测值只是过去历史发展结果的反映。 第四节 时间序列预测技术 二、简易平均法 在运用时间序列分析进行市场预测时，最简单的方式是采用求一定观察期的数据平均数，以平均数为基础确定预测值的方法，即简易平均法。简易平均法是市场预测的最简单的数学方法，