[高等教育]信息分析与决策Chapert5-1 分析与预测1.ppt

第5章分析与预测 5.1 概述 管理者所面临的主要问题就是预测未来事件，以便做出正确的决策。例如， 财务计划 银行利率，能源的价格和其他的经济指标 长期战略计划 人口趋势，消费者行为 ，技术革新等技术 国家的经济形势的走向 各项商业情况的指标，各种形式的商业体的经营状态 5.1 概述 采用何种预测技术取决于待预测问题的特点，预测的时间范围，可获取的资料等等诸多因素。 定性判断，统计时间序列分析和因果分析模型是三种主要的预测方法。 5.1 概述 定性判断技术 这类方法依赖于经验和直觉，主要适用于历史数据不可得或需进行长期预测的情况。 Ex: 新一代微处理器何时问世，下一代互联网的发展趋势，这类问题将很大程度上取决于业界专业人士的观点。 5.1 概述 时间序列分析模型 事物随时间的变化规律是科技、社会、经济等领域的信息分析活动中经常遇到的问题。我们将事物本身随时间变化规律的研究称为时间序列分析time series analysis. 时间序列的分析适用于短期预测。利用现有的数据推断将来。 5.1 概述 因果关系模型 从统计学上寻找和识别因素解释等待预测变量所存在的模式，通常采用回归分析来进行。时间序列模型以时间作为唯一的自变量。因果模型则考虑更多的因素。 例如，预测石油的价格需要综合考虑石油的需求量，OPEC国家的石油储备量，及当前的税率等等因素。我们将寻求诸多因素对石油价格的影响，从而做出预测。 5.2 时间序列分析 时间序列分析主要阐述线性时间序列模型及其依时间次序而采集数据的建模和预测等方面的应用。在工程技术，自然科学，社会科学等领域发挥重要的应用。 5.2 时间序列分析 时间序列数据的概念 把研究事物的特征统计值数据按其发生时间的先后顺序排列起来所形成的数列。这一数列能够反映事物发展变化的动态，也称为动态数列。通常这些数据由统计观测值和观测值对应的时间点或时间段构成。 5.2 时间序列分析 Ex：下图显示了美国从20世纪50年代到90年代的能源消耗生产的相关数据。 从图中，我们看到60年代的能源生产增长十分迅速，但70年代之后开始倾斜减少。图中大致判断能源生产以每年500,000的速度增加，为我们提供了未来态势的预测依据。 5.2 时间序列分析 Ex：时间序列也展示短期季节性影响和长期周期性影响或非线性的趋势。下图为消费价格指数的变化的序列图。 我们可从长期的周期性观察到时间序列预测未来的消费价格指数具有增长潜力。 5.2 时间序列分析 单纯从历史数据的简单序列图得出的预测结论显得过于粗略和缺乏严谨。时间序列分析是针对时间序列数据而形成和发展起来的一系列统计分析方法的一个完整的体系。 5.2 时间序列分析 时间序列分析的步骤 数据准备 数据观察与检验 数据的预处理 数据分析和建模 模型评价 模型实施 5.2.1 数据准备 依据分析目的收集数据，并将数据按恰当格式组织在统计分析软件中。时间序列数据有严格的先后顺序，且与时间点或时间点相对应。这是时间序列数据最显著地特点。 5.2.1 数据准备 SPSS 软件中时间序列数据的定义 Step-1: 打开数据文件“时间序列分析(出口总额)” Step-2: Date Define Dates 输入起始年份“1993”和月份“1”，表明数据从1993年开始的月数据。 5.2.1 数据准备 5.2.2 数据序列的图形化观察及检验 在时间序列分析的第一步，应对时间序列发展变化的特征有初步的整体的把握。通过图形化观察和检验能够把握时间序列的诸多特征。 例如：整体发展趋势(上升，下降)，波动幅度的变化，上下波动的规律，波动序列的周期性变化等等。观察序列图形把握以下几点： 5.2.2 数据序列的图形化观察及检验 时间序列的平稳性。了解时间序列数据适合于什么样的模型，是否可直接用来建立模型。对非平稳序列数据，要进行平稳化处理。 时间序列的周期性。观察时间数据序列随时间推移呈现出的有规律的周期性波动特征。 5.2.2 数据序列的图形化观察及检验 其他特性 数据序列中异常值Outliar的出现。另外，一些高频波动的数据还存在“簇集性”等特点。 时间序列的正态性。考察数据是否符合正态假定，一般情况下对模型残差序列的检验要包括这项内容。 5.2.2 数据序列的图形化观察及检验 时间序列的图形化观察工具 1. 直方图Histogram Command: Graphs Histogram 直方图是体现序列数据分布特征的一种图形，通过直方图可以了解序列的平稳性，正态性等特征。 5.2.2