- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Document number:PBGCG-0857-BTDO-0089-PTT1998
Document number:PBGCG-0857-BTDO-0089-PTT1998
高压锅销售量模型
高压锅销售量模型
背景和问题高压锅是当今家庭不可或缺的用具之一,近十年来高压锅的使用得到了极大的普及因此全国各地区的高压锅销售量与年俱增,据资料显示高压锅的销售量增长趋势与种群的增长过程相似,即在开始阶段高压锅的销售量呈指数增长,随着国民经济发展以及国民需求的改变,高压锅的销售量受到社会各方面因素的影响,销售量不再呈指数增长,而趋向一个上限,即销售量会出现一个最大值。为更好的了解高压锅销售量的增长趋势,制定相应的销售计划,可以对未来的高压锅市场起到一定的调节作用,因此对高压锅的销售量增长趋势进行分析是必要的。
表1中给出的是某地区高压锅的销售量(单位:万台),为给出此两模型的拟合结果,请参考如下问题:
(1)Logistic增长曲线模型是一个可线性化模型吗。如果给定,是否是一个可线性化模型,使用线性化模型给出参数和的估计值。
(2)利用(1)所得的和的估计值和作为Logistic模型的拟合初值,对Logistic模型作非线性回归。
(3)取初值,拟合Gompertz模型。并与Logistic模型的结果进行比较。
表1某地区高压锅销售量
年份
年份
1981
0
1988
7
1982
1
1989
8
1983
2
1990
9
1984
3
1991
10
1985
4
1992
11
1986
5
1993
12
1987
6
分析与假设记高压锅的销售量为,与高压锅销售量相关的时间为,由市场经济的规律可知,高压锅的销售量增长趋势与种群的增长过程相似,即在开始阶段高压锅的销售量呈指数趋势增长,随着国民经济发展以及国民需求的改变,高压锅的销售量受到社会各方面因素的影响,销售量不再呈指数增长,而趋向一个上限,即销售量会出现一个最大值记为。因此高压锅的销售量的增长趋势可以用Logistic增长曲线模型和Gompertz增长曲线模型来拟合。
Logistic增长曲线模型:
(1)
Gompertz增长曲线模型:
(2)
线性化模型
Logistic增长曲线模型是计量经济学中的常用模型,可以用来拟合销售量的增长趋势,因受到社会各方面的影响高压锅的销售量增长呈现Logistic增长曲线的趋势,下对Logistic增长曲线模型进行讨论。
Logistic增长曲线模型为:
。
Logistic增长曲线模型是非线性的,对进行数学变换,两边取倒数:
(3)
对(1)式两边取的对数可以得到:
(4)
为使等式等号左右两边的量纲一致,对(2)式进行化简后可以到:
令,那么可以得到:
(5)
由(3)式可以明显看到是关于和的函数,由线性的定义显然可知函数(3)是非线性的,因此Logistic增长曲线模型不是一个可线性化模型。但当给定,(3)式可以转变为:
(6)
那么关于的项就转变成为常数项,即模型可以线性化,其中令,那么(4)式可以写成:
(7)
则当给定时,Logistic增长曲线模型是一个可线性化模型。
用matlab软件作出与对应年份编号的散点图(源程序见附录程序1),如图1所示:
图1销售量对数与对应时间编号散点图
可以发现销售量对数在时间较小时有较好的线性关系而,在较大时则出现较大的起落。
如果单从线性回归模型的角度出发计算,通过matlab软件利用最小二乘拟合可以很容易得到线性化模型(7)的参数和的估计值,再根据与的关系,算出的估计值。结果如表2所示(源程序见附录程序(2))
表2线性化模型(7)参数估计结果
参数
参数估计值
参数置信区间
[
由表可得和,那么可以求得。
所以线性化后的回归方程为:
Logistic非线性模型
由图1可以看到销售量对数与时间的线性拟合程度并不高,为解决线性化模型中拟合欠佳的问题,考虑非线性模型(1).
以问题一解得的和以及为拟合初值,作Logistic模型的非线性回归。运用matlab软件进行非线性回归拟合,可以得到回归参数和的估计值,结果如表二所示(源程序见附录程序(3))
表2非线性模型(1)参数估计结果
参数
参数估计值
置信区间
33.9114
可以得到和的值,那么Logistic的非线性回归模型为:
拟合的结果如图2所示,可以直接看到因变量销售量的拟合值与真实值之间的差异很小,说明Logistic的非线性回归模型可以很好的拟合销售量的增长趋势。
图2模型(1)的拟合图
增长曲线模型
由市场经济学可知,高压锅的销售量增长趋势受到社会诸多因素的影响,而Logist
文档评论(0)