第14期预测值.pptVIP

* * §4.3 趋势曲线模型的识别与应用 运用回归分析预测的关键在于相关因素的选择 运用时间序列分析法的关键在于模型的选择 根据样本序列选择合适的模型是成功预 测的关键. 4.3.1趋势曲线模型的识别 1．直接观察法 以时间t为横轴，以样本数据或其对数值为纵轴， 绘出散点图；然后根据散点的分布，选择形状与之 最接近的趋势曲线模型。 2．最优判别准则识别法 特点：简单，但是理论依据不足 用不同的趋势曲线，有不同预测值和剩余标准差 对于同一样本： ——剩余标准差 最优判别准则以 为选择模型的依据. 此方法较为客观科学,但只能表明样本数据的拟 合情况“最优”;不能表示外推预测功效也一定最优. 3．增长特征法 以各种趋势曲线理论上的变化规律作参照系，将样本序列的实际变动规律与之比较，根据二者的吻合程度选择模型 特点：精度较高有利于参数估计 连续型： 以差分代导数，建立样本序列的增长特征指标，研究样 本的变化趋势。 （1）直线: 特征指标：一阶差分是一个常数 特征指标：一阶差分是线性的 （2）二次抛物线 特征指标：二阶差分是常数 特征指标：二阶差分是线性函数 （3）三次曲线 特征指标：三阶差分是常数 （4）指数曲线 特征指标： 是一个常数 特征指标：环比指数是一个常数 （5）修正的指数曲线 特征指标： 是线性函数 特征指标： 的环比指数是常数 （6）逻辑曲线Ⅰ型 特征指标： 是线性的 （7）龚珀资曲线 特征指标： 是线性的 增长特征指标 常数（平稳）：直线、指数曲线 线性：2次、3次、修正、逻辑、 龚珀资 4.具体操作步骤： (1) 对样本序列作差分运算，计算增长特征指标值 (2) 计算变异系数，作平稳分析 如何判别某一特征指标的平稳性？ (2) 计算变异系数，作平稳分析 其中： 若 ，数据可当作平稳型处理，样本 序列可用直线或指数曲线拟合 为增长特征指标值均值 为增长特征指标标准差 （3）对其他增长特征指标与时间t是否有的线性 关系，要进行拟合优度分析，即建立线性回归模型 〔例4?3?1〕下表是某地区自行车的年销售量资 料，要求按增长特征法选择最合适的趋势曲线模型。 解：（1）计算增长特征指标列于表中 （2）计算 的变异系数： 所以判断样本序列不宜用直线和指数曲线模型拟合。 计算 的变异系数： （3） 直线 指数 指 修 龚 逻 3次 1，2 次 （5）分别估计它们对时间t的线性函数模型 （4）分别计算增长特征指标 依次为：二次、修正指数、龚伯资、逻辑 可决系数列于表中的最后一行。易于看出，在5%的显著性水平上，相关系数的临界值 因而只有 对t的线性模型可通过回归方程的显著性检验，显 然该样本序列宜用逻辑曲线拟合。 注意问题 在识别修正指数曲线、龚珀资曲线和逻辑曲 线的时候，对于衰减趋势的序列，或某些时期由 于随机因素的影响而出现绝对水平下降的上升趋 势序列，可先对一阶差分取绝对值再计算增长特 征指标 如果样本序列本身受随机干扰的影响明显、波 动厉害，则要计算中心移动平均值 来代替样本序 列值 ，对 计算平均一阶差分值 来代替 4.3.2、趋势曲线模型在商品 生命周期预测中的应用 ★ 销售量下降，但变 动率逐渐趋缓，商品处于消亡期。？ ★ 销售量加速或稳定 上升，商品处于成长期； ★ 销售量上升，但变 动率逐渐趋缓，商品处于成熟期； ★ 销售量加速或稳定 下降，商品处于衰退期； §4.4 变参数趋势曲线模型 前几节讨论的模型都具有常数参数（一旦求出不再 变化） 新增样本 静态参数不能及时反应新增样本的信息. 而由变参数求出的预测值具有递推形式，即最新预 测值能够从老的预测值中推出。 如： 求静态参数 求变参数 4.4.1 常数均值模型（0次） (1) 一次移动平均法（普通加权） 样本