统计预测1.pptVIP

统计预测 中国人民大学统计学院 教师简介 王燕 风险管理与精算教研室 电话箱：wy08@ 坐班时间：周一全天（明德主楼1034）  课程简介 统计预测：在大量统计资料的基础上，研究事物的影响因素，分析事物的发生变化规律，预测事物未来走势的多种统计分析方法的统称。 纵向数据预测：时间序列分析（Time series Analysis） 横截面数据预测：回归分析方法（Regression Analysis ） TS-CS数据预测：面板数据分析方法（Panel Data Analysis）  课程基础与授课内容 Contents 1.一元线性回归 （回归与相关的关系，回归模型的构造，约束条件，最小二乘估计，回归检验） 2.多元线性回归 （多重共线性） 3.曲线回归 （参数估计的迭代方法） 4.时间序列分析 （因素分解法，ARIMA模型） 1.波动性建模 （ARCH和GARCH） 2.包含趋势的模型 （趋势平稳和差分平稳，单位根检验） 3.多方程时间序列模型 （干扰分析，结构性多元估计的约束，结构性向量自回归模型） 4.协整和误差修正模型 （协整检验，协整模型，误差修正模型） 5.非线性时间序列模型 （非线性调整，门限自回归TAR模型） 课程基础 授课内容 教材与教辅资料 教材: Walter Enders, Applied Econometric Time Series (3nd),2009. 该书相关数据及新增案例网页： /~wenders/applied-conometric-time-series/ 教辅资料： 练习数据库1：Time series data library /TSDL/ 练习数据库2：Ruey S.Tsay /fac/ruey.tsay/teaching/fts/ 应用软件：EVIEWS或 SAS  授课与考核方式 授课时间：16周 授课方式：教师授课+案例练习 考核方式：课程论文  统计预测方法基础与应用 回归分析方法 时间序列因素分解法 Box-Jenkins方法 1 回归分析方法 案例1_1：犯罪现场留有疑犯的一个脚印，鉴证人员测量该脚印长25.4cm，请估计该疑犯的身高。  案例1_1分析步骤 身高(cm)：150 160 170 180 190 脚印(cm)：21.8 22.9 24.2 25.7 27.1 R-square：0.9969 案例1_1 收集身高与脚印长度的数据 考察数据之间的相关关系 构造一元线性回归模型 线性回归用于预测要注意的问题 1.相关性判别，相关系数绝对值低不表示不相关，有可能存在曲线相关。 2. 线性相关系数绝对值高，并不等于变量间存在因果关系，预测之前需要从逻辑上确定因果关系存在。 1、多重共线性问题：多元场合要关注多重共线性问题。多重共线性通常通过逐步回归解决。 2、示性变量的处理。 3、非线性回归时的处理技巧和估计方法选择。 因果关系 严格的约束条件 其他注意事项 练习1_1 下列数据是关于瘦肉体重（一个人把脂肪除外的体重）与新陈代谢率的一组观察值，根据自身的情况预测一下，体重不变，但是肥肉减少1公斤，基础代谢率增加多少。  参与者 性别 体重 （千克） 代谢率 （卡路里） 参与者 性别 体重 （千克） 代谢率 （卡路里） 1 男 62 1792 11 女 40.3 1189 2 男 62.9 1666 12 女 33.1 913 3 女 36.1 995 13 男 51.9 1460 4 女 54.6 1425 14 女 42.4 1124 5 女 48.5 1396 15 女 34.5 1052 6 女 42 1418 16 女 51.1 1347 7 男 47.2 1362 17 女 41.2 1204 8 女 50.6 1502 18 女 51.9 1867 9 女 42 1256 19 男 46.9 1439 10 男 48.7 1614 统计预测方法基础与应用 回归分析方法 时间序列因素分解法 Box-Jenkins方法 1 时间序列因素分解法 案例1_2：根据1993年——2000年中国社会消费品零售总额序列，预测2001年各月度中国社会消费品零售总额数据。  　 1993 1994 1995 1996 1997 1998 1999 2000 1 977.5 1192.2 1602.2 1909.1 2288.5 2549.5 2662.1 2774.7 2 892.5 1162.7 1491.5 1911.2 2213.5 2306.4 2538.4 2805 3 942.3 1167.5 1533.3 1860.1 2130.9 2279.7 2403.1