第三章_趋势外推法.pptVIP

第3章 趋势外推预测法 基本思想 拟合直线法 曲线趋势外推法 趋势外推法概述 某一些客观事物（如：经济现象）的发展相对于时间推移，常常有一定的规律。这时，若预测对象变化无明显的季节波动，又能找到一条合适的函数曲线反映其变化趋势，即可建立其趋势模型： 当有理由相信这种趋势可能会延伸到未来时，对于未来的某个 t 值就可得到相应时序未来值，这就是趋势外推法。 假设条件： 技术（或经济）发展的因素，不但决定了过去技术的发展，而且在很大程度上决定了其未来的发展。即某项技术在其过去、现在、未来的发展过程中，内、外因相对保持不变。 其变化属渐进式变化，而不属于跳跃式变化。 3.1 直线趋势外推法 适用于时间序列观察值数据呈直线上升或下降的情形。 此时，该变量的长期趋势就可用一直线来描述，并通过该直线趋势的向外延伸，估计其预测值。 最小二乘法 离差与离差平方 最小二乘原理 简单讲，使历史数据到拟合直线上的离差平方和最小，从而求得模型参数的方法。 法国数学家勒让德于1806年首次发表最小二乘理论。事实上，德国的高斯于1794年已经应用这一理论推算了谷神星的轨道，但迟至1809年才正式发表。 最小二乘法也是数理统计中一种常用的方法，在工业技术和其他科学研究中有广泛应用。 3.2 加权拟合直线方程法 拟合直线方程法的基本思想是要使预测结果与实际数据的误差的平方和达到最小。 离差平方和 是每期的实际值 　与该期的预测值 的偏差值的平方和，意味着：　　　　中的每一项都有同样的重要性，即无论这个误差是近期的或是远期的，都赋予同等的权重。 实际上，对于预测精度来说，近期的误差比远期的误差更为重要。 加权拟合直线方程法 在实践中，要按照时间先后，本着重今轻远的原则，对离差平方和进行赋权，然后再按最小二乘原理，使离差平方和达到最小，求出加权拟合直线方程。 由近及远的离差平方和的权重分别为　　　　　　　　其中　　　　　　 ，说明对最近期数据赋予最大权重为 1 ，而后由近及远，按 比例递减。 各期权重衰减的速度取决于 的取值。 加权拟合直线方程法的数学模型 加权拟合直线方程法的数学模型 结论分析 由于时间序列线性趋势比较明显，又由于加权系数较大(0.8)，使得，加权与不加权拟合结果相近。 加权的重近轻远原则，使其预测结果更接近于实际观察值。 3.3 拟合直线方程的特殊运用 在实际生活中，常常会遇到比线性发展趋势更为复杂的问题。 例： 3.3 拟合直线方程的特殊运用 在实际生活中，常常会遇到比线性发展趋势更为复杂的问题。 在某些情况下，可以通过适当的变量变换，将变量间的关系式化为线性的形式。 例如：变量满足 的关系，其中，a、b，均为与 t 无关的未知参数，只要令 ，即可化为 的线性形式。 常用模型分析 同理：对于模型 常用模型分析 常用模型分析 某公司1993～2005年产品的销售额如下表，试预测2006年的产品销售额。 3.4 曲线趋势外推预测法 变量间的关系由于受到众多因素的影响，其变动趋势并非总是一条直线方程，往往会呈现出不同的形态的曲线变动趋势。 曲线趋势外推法：根据时间序数据资料的散点图走向趋势，选择恰当的曲线方程，利用最小二乘法或拟合法（三点法、三和法）等来确定待定的参数，建立曲线预测模型，并用它进行预测的方法。 常用的曲线趋势外推预测法 二次曲线趋势外推预测法 二次曲线趋势外推预测法：研究时间序列观察值数据随时间变动呈现一种由高到低再到高（或由低到高再到低）的趋势变化的曲线外推预测法。 由于时间序列观察值的散点图呈现抛物线形状，故也称之为二次抛物线预测模型。 二次曲线趋势外推预法的待定系数也可以根据其误差最小的标准确定的。 1、用最小二乘法确定待定参数 例： 某公司1997～2005年的商品销售收入如下表，试预测该公司2006年的销售收入。 2、用三点法确定待定系数 思路： 在二次曲线模型上选取远、中、近三点坐标作为预测模型待定参数a、b、c的估计值。 具体做法 使时间序列的总项数 n 为奇数（若为偶数，可删去最初的一个观察期数据）； 如果 n ?15 ，则在时间序列的远、中、近三期各取5个数据项，用权数 ? =1，2，3，4，5 由远及近分别赋权并进行加权平均； 如果9 ? n ? 15 ，则在时间序列的远、中、近三期各取3个数据项，用权数 ? =1，2，3 由远及近分别赋权并进行加权平均； 以此三个加权平均值作为该二次曲线预测模型上远、中、近三点的纵坐标的数值。 即假设远、中、近三期的坐标分别为M1 (t1