大学计算机高级应用精品课件第13章 时间序列分析.pptVIP

需要指出的是，数据点的分布到底与哪一种函数的曲线更贴近，是一个根据经验进行尝试，然后根据拟合结果进行选择的过程。我们可以依次尝试列出的各种函数曲线，通过比较其R平方值来进行取舍。R平方值越大(也就是说越接近1)，则曲线拟合的效果越好，数据点的分布与这种函数的分布越接近。 多项式曲线 对比【例13-1】、【例13-2】和本例，我们发现，4阶多项式预测的结果明显好于移动平均法预测的结果。针对不同的问题，我们可以选用不同的模型来预测，以期收到较好的预测效果。 值得提醒大家注意的是，如果选用更高阶的多项式，比方说Excel提供的最高阶多项式是6次，预测拟合的情况可能会更好。但是随着阶次的升高，计算过程中引入各种误差的可能性也增大了，有可能发生x6超出Excel所能计算的范围，导致溢出错误，或者虽然没有溢出，但是精度损失太大，反而使得预测结果偏离较大。 指数曲线 【例13-7】根据表中的1990-2013年的货币供应量，使用指数曲线模型预测2014年的货币供应量。 指数曲线 根据已有数据生成图表，经过观察发现，数据点符合指数曲线分布。在数据图表中选中数据点，单击鼠标右键，在弹出菜单上选择【添加趋势线】。 在【类型】选项页选择趋势线类型为指数，在【选项】页选中“显示公式”和“显示R平方值”的复选框。 指数曲线 Excel根据数据找到了指数时间序列方程式 这里y为货币供应量，x为时间序数