第六讲 曲线趋势预测法.ppt

得： 求反对数，得： 于是，所求龚珀兹曲线预测模型为： 将 代入模型中，得到2006年的预测值为： 逻辑曲线预测模型（也称皮尔曲线预测模型） 1）模型的形式 回总目录 回本章目录 皮尔(Pearl)是美国生物学家和人口统计学家,提出了 此种S型生长曲线模型: 其中,参数K、a、b为正数。 2）模型的识别 3）模型参数 k、a、b 的三和值估计法 取观察值yt的倒数1/yt ，仿照修正指数曲线参数的确定方法，计算出倒数的三段和 a、b、K 的求解方程为: 例4.6 根据某小镇2000-2005年年底的人口数，如表4.17所示，试用逻辑曲线模型对该镇2006年年底的人口数进行预测。 解：绘制散点图，如图4.17所示。 得： 因此，小镇人口数的逻辑曲线预测模型为： 将 代入模型中得2006年小镇人口数的预测值为13.7456万人。  通过解以下方程组得到指数曲线预测模型的参数估计值 a、b ，从而可以得到指数曲线预测模型。 例4.3 仍以某地税局的税收总收入为例,试建立指数曲线模型。 解： 首先计算出一次比率（即环比发展速度）如表4.9所示，可见它接近于常数120%，因此可选择指数曲线模型对税收总收入进行预测。 得： 因此所求的税收总收入的指数曲线模型为： 例:某自行车厂最近几年产量数据如下表所列,试预测该厂1999年的产量。 指数曲线预测模型: 预测1999年的产量 年份 1993 1994 1995 1996 1997 1998 t值 -5 -3 -1 1 3 5 产量yt (万辆) 8.7 10.6 13.3 16.5 20.6 26.0 环比 _ 1.2 1.3 1.2 1.2 1.3 曲线的拟合优度分析 实际的预测对象往往无法通过图形直观确认某种模型，而是与几种模型接近。这时，一般先初选几个模型，待对模型的拟合优度分析后再确定究竟用哪一种模型。 评判拟合优度的好坏一般使用标准误差来作 为优度好坏的指标： 例 下表是我国1952年到1983年社会商品零售总额(按当年价格计算），分析预测我国社会商品零售总额 。 年份 时序 （t） 总额 （ yt ） 年份 时序 （t） 总额 （ yt ） 年份 时序 （t） 总额 （ yt ） 1952 1 276.8 1963 12 604.5 1974 23 1163.6 1953 2 348.0 1964 13 638.2 1975 24 1271.1 1954 3 381.1 1965 14 670.3 1976 25 1339.4 1955 4 392.2 1966 15 732.8 1977 26 1432.8 1956 5 461.0 1967 16 770.5 1978 27 1558.6 1957 6 474.2 1968 17 737.3 1979 28 1800.0 1958 7 548.0 1969 18 801.5 1980 29 2140.0 1959 8 638.0 1970 19 858.0 1981 30 2350.0 1960 9 696.9 1971 20 929.2 1982 31 2570.0 1961 10 607.7 1972 21 1023.3 1983 32 2849.4 1962 11 604.0 1973 22 1106.7 （1）对数据画折线图分析，以社会商品零售总额为 y轴，年份为x轴。 （2）从图形可以看出大致的曲线增长模式，较符合的模型有二次曲线和指数曲线模型。但无法确定哪一个模型能更好地拟合该曲线，则我们将分别对该两种模型进行参数拟合。 适用的二次曲线模型为： 适用的指数曲线模型为： （3）进行二次曲线拟合。首先产生序列 ，得到估计模型为： 其中调整的 ， ， 则方程通过显著性检验，拟合效果很好。标准误差为151.7。 ( 4 ) 进行指数曲线模型拟合。对模型 两边取对数： 产生序列 ，之后进行普通最小二乘估计该模型,最终得到估计模型为： 其中调整的 ， ， 则方程通过显著性检验，拟合效果很好。标准误差为175.37。 （5）通过以上两次模型的拟合分析，我们发现采用二次曲线模型拟合的效果更好。因此，运用方程：