第3章 趋势外推预测法.pptVIP

第3章 趋势外推预测法 3.1 直线趋势外推预测法 3.1.1 线性趋势时间序列的特点 时间序列的变化趋势从图形上看,就是序列呈现某种增长或衰减的趋势,这种趋势是长期趋势。尽管时间序列的项值是各方面因素综合作用的结果,但序列呈现的线性趋势,说明其中有的因素是长期起决定作用而致。必须把这个长期趋势研究清楚,才能进行外推预测。  线性趋势预测的基本思想就是假定影响时间序列的项值的主要因素过去、现在和将来都大体相同,因而只要将其趋势直线加以延伸,便可预测未来的项值。一般而言,这种预测方法只适用于短期或经济平稳发展时期的预测。常用的预测方法有拟合直线方程法和加权拟合直线方程法（又称折扣最小平方法）。 3.1.2 拟合直线方程法 1． 拟合直线方程法的原理 拟合直线方程法的原理就是最小二乘原理。它是依据时间序列数据拟合一条直线形态的趋势线,使该直线上的预测值与实际观察值之间的离差平方和为最小。 设有n个时间序列观察值(x1, y1), (x2, y2), …, (xn, yn),待求的拟合直线为AB,它使n个观察值对该直线的离差分别为e1, e2, …, en。其中在AB直线上方一侧的离差为正离差,下方一侧为负离差。如果简单地以离差代数和 的大小来反映该直线是否是最佳拟合直线,则可能出现正、负离差的相互抵消使离差代数和变小甚至为0的情况,这说明 并不能真正反映拟合直线的优劣。 因此,为了避免正、负离差的相互抵消,应采用离差平方和 来反映拟合直线的拟合效果。最小二乘法就是利用数学上的微分求极值原理,将离差平方和最小时的拟合直线作为最佳的一条预测直线方程,从而提高预测的精度。 2．拟合直线方程法的数学模型 设拟合直线方程为 式中, 为第t期的预测值；xt为自变量,表示第t期的编号的取值；为趋势直线在y轴上的截距； 为趋势直线的斜率。 假设yt为时间序列第t期实际观察值(t=1, 2, …, n),为趋势直线的第t期预测值,et为第t期实际观察值与其预测值的离差, 假设Q为总离差平方和,则 式中,yt、xt的取值均已确定; Q的大小实际上取决于待定系数 的取值,也就是说,Q实际上是以 为自变量的二元函数。所以,为使Q值为最小,可分别对  求偏导,并令之为0。 即  将式(3.2)和(3.3)联立求解,得 式中  此处自变量xt的取值为1到n, 也就是说,自变量xt的取值等于其下标t,如x1=1,xt=t。 实际上,从直线趋势外推预测法的原理来讲,时间变量xt的取值代表的是时间变量的编号。这种编号不一定要从1开始,可以从任一个自然数开始顺序编号,如x1 =0, x1 =-3。利用这样的便利可以减少我们的工作量,这种方法称之为正、负对称编号法。即当时间序列的数据长度n为奇数时,取中数(n+1)/2的编号为0,那么, xt就构成了以0号为中心的正、负数对称的顺序编号,也就是令 ,使得 。如n=7, ,那么xt的取值为x1=-3, x2=-2, …, x4=0, …, x7=3,此时显然有 ,从而达到简化计算的目的。 使用正、负对称编号法时,式（3.4）、(3.5)可以简化为 和 3． 拟合直线方程法的预测步骤 例3.1 某家用电器厂1993～2003年利润额数据资料如表3.1所示。试预测当时间变量的编号分别为-5、-4、-3、-2、-1、0、1、2、3、4、5和0、1、2、3、4、 5、6、7、8、9时, 2004、2005年该企业的利润。  解 (1) 绘制时间序列数据散点图如图3.1所示。观察各散点的变化趋势是否可用直线方程来拟合。 (2) 列表计算求待定系数所需的数据资料。  (3.8) 表3.1的左边(第3列)以 来进行自变量xt的取值， 求得 。表3.1的右边(第7列)以0,1,2,…,10对自变量xt进行取值,并求得 。 (3) 确定待定系数,建立预测模型。 按表3.1左边的编号方法