统计建模类-(时间序列、回归、层次分析法).pptxVIP

A B C AHP-层次分析法 回归预测 时间序列预测 学习分享-数据篇 A AHP-层次分析法 产生背景 美国运筹学家A.L.Saaty于本世纪70年代提出的层次分析法（Analytical Hierar-chy Process，简称AHP方法)，是一种定性与定量相结合的决策分析方法。它是一种将决策者对复杂系统的决策思维过程模型化、数量化的过程 AHP法首先把问题层次化，按问题性质和总目标将此问题分解成不同层次，构成一个多层次的分析结构模型，分为最低层（供决策的方案、措施等），相对于最高层（总目标）的相对重要性权值的确定或相对优劣次序的排序问题。 基本原理 step3 step4 step5 step2 step1 明确问题 建立递阶层次结构 建立两两比较的判断矩阵 层次单排序 层次综合排序 具体步骤 标 度 定义与说明 1 两个元素对某个属性具有同样重要性 3 两个元素比较，一元素比另一元素稍微重要 5 两个元素比较，一元素比另一元素明显重要 7 两个元素比较，一元素比另一元素重要得多 9 两个元素比较，一元素比另一元素极端重要 2,4,6,8 表示需要在上述两个标准之间拆衷时的标度 1/bij 两个元素的反比较 重要性标度 Cs p1 p2 … … pn p1 b11 b12 … … b1n p2 b21 b22 … … b2n … … … … … … … … … … … … pn bn1 bn2 … … bnn 判断矩阵 step1λmax C.I. step2 step3 判断矩阵一致性检验 C.I. = max – n n-1 C.R. C.R. = C.I. R.I. λmax =∑1 n (Aw)i nWi n 1 2 3 4 5 6 7 8 RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 n 9 10 11 12 13 14 15 RI 1.46 1.49 1.52 1.54 1.56 1.58 1.59 平均随机一致性指标 R.I.(Random Index) C.R.＜0.1，一致性检验通过。 B 回归预测 产生背景 回归分析起源于生物学，由英国生物学家兼统计学家高尔登在19世纪末叶研究遗传学特性时首先提出。 对有相关关系的变量之间的数量变化规律进行测定，研究某一随机变量与其他一个或几个普通变量之间的数量变动关系，并据此对因变量进行估计和预测的分析方法。 基本原理 01 一元线性回归预测 02 多元线性回归预测 03 非线性回归预测 成对的两个变量数据分布大体上呈直线趋势时，根据自变量与因变量之间的关系，预测因变量的趋势。 包含两个或两个以上自变量的回归称为多元回归。 通过变量代换，可以将很多的非线性回归转化为线性回归。因而，可以用线性回归 方法解决非线性回归预测问题。 step3 step4 step5 step2 step1 确定预测目标和影响因素 进行相关分析 建立回归预测模型 回归预测模型的检验 进行实际预测 具体步骤 01 R2 02 F 03 T 拟合优度检验 04 D-W C 时间序列预测 1 04 3 Thank you.