第二章 需求預(yù)測

1、第二章第二章 需求預(yù)測需求預(yù)測 l2.1 2.1 基本概念基本概念 l2.2 2.2 定性預(yù)測定性預(yù)測 l2.3 2.3 定量預(yù)測定量預(yù)測 第二章第二章 需求預(yù)測需求預(yù)測 l2.1 2.1 基本概念基本概念 l2.2 2.2 定性預(yù)測定性預(yù)測 l2.3 2.3 定量預(yù)測定量預(yù)測 預(yù)測概念預(yù)測概念 預(yù)測預(yù)測是在掌握相關(guān)信息的基礎(chǔ)上,運用哲學(xué)、社會學(xué)、經(jīng)濟 學(xué)、統(tǒng)計學(xué)、數(shù)學(xué)、計算機、工程技術(shù)及經(jīng)驗分析等定性定 量的方法，研究事物未來發(fā)展及其運行規(guī)律，并對各要素的 變動趨勢作出估計、描述和分析的一門學(xué)科。 預(yù)測應(yīng)用于研究自然現(xiàn)象、社會現(xiàn)象自然現(xiàn)象、社會現(xiàn)象，如社會預(yù)測、經(jīng)濟預(yù) 測、政治預(yù)測、科技預(yù)測

2、、軍事預(yù)測、氣象預(yù)測等。 過去過去+ +現(xiàn)在現(xiàn)在=未來未來 預(yù)測作用預(yù)測作用 正確預(yù)測是進行科學(xué)決策的依據(jù)科學(xué)決策的依據(jù)。政府部門或企事業(yè)單 位制定發(fā)展戰(zhàn)略、編制計劃以及日常管理決策，都需要 以科學(xué)的預(yù)測工作為基礎(chǔ)。 l 制訂經(jīng)濟計劃的依據(jù)之一制訂經(jīng)濟計劃的依據(jù)之一 l 提高經(jīng)濟效益的手段之一提高經(jīng)濟效益的手段之一 l 提高管理水平的途徑之一提高管理水平的途徑之一 需求預(yù)測作用：需求預(yù)測作用：為企業(yè)戰(zhàn)略決策部門、生產(chǎn)計劃部門、 銷售部門、財務(wù)部門、采購部門、開發(fā)部門提供決策依 據(jù)。 預(yù)測基本原理預(yù)測基本原理 l可測性原理可測性原理 l連續(xù)性原理連續(xù)性原理 l類推性原理類推性原理 l相關(guān)性原理相

3、關(guān)性原理 l系統(tǒng)性原理系統(tǒng)性原理 預(yù)測的分類預(yù)測的分類 l1. 1. 按預(yù)測的范圍或?qū)哟畏诸惏搭A(yù)測的范圍或?qū)哟畏诸?l 宏觀預(yù)測宏觀預(yù)測 針對國家或部門、地區(qū)國家或部門、地區(qū)的活動進行的各種預(yù)測。 l 微觀預(yù)測微觀預(yù)測 針對基層單位（企業(yè)或個體）（企業(yè)或個體）的各項活動進行的各種預(yù) 測。 宏觀預(yù)測應(yīng)以微觀預(yù)測為參考；微觀預(yù)測應(yīng)以宏觀預(yù)測宏觀預(yù)測應(yīng)以微觀預(yù)測為參考；微觀預(yù)測應(yīng)以宏觀預(yù)測 為指導(dǎo)，二者相輔相成。為指導(dǎo)，二者相輔相成。 預(yù)測的分類預(yù)測的分類 l2. 2. 按預(yù)測的時間長短來分類按預(yù)測的時間長短來分類 l長期預(yù)測長期預(yù)測5 5年以上年以上 l中期預(yù)測中期預(yù)測1-51-5年年 l短期預(yù)測

4、短期預(yù)測3 3個月個月-1-1年年 l近期預(yù)測近期預(yù)測3 3個月以下個月以下 適用經(jīng)濟預(yù)測，不同行業(yè)時間長短標(biāo)準(zhǔn)不同！適用經(jīng)濟預(yù)測，不同行業(yè)時間長短標(biāo)準(zhǔn)不同！ 預(yù)測的分類預(yù)測的分類 l3. 3. 按預(yù)測方法的性質(zhì)分類按預(yù)測方法的性質(zhì)分類 l 定性預(yù)測定性預(yù)測 預(yù)測者憑自己的實踐經(jīng)驗和理論、業(yè)務(wù)水平，對事物發(fā) 展前景的性質(zhì)、方向和程度做出判斷進行預(yù)測的方法。 l 定量預(yù)測定量預(yù)測 根據(jù)準(zhǔn)確、及時、系統(tǒng)、全面的調(diào)查資料和信息，運用 軟計算方法軟計算方法和數(shù)學(xué)模型數(shù)學(xué)模型，對事物未來發(fā)展的規(guī)模、水平、 速度和比例關(guān)系的測定。時間序列預(yù)測、因果分析預(yù)測、時間序列預(yù)測、因果分析預(yù)測、 灰色系統(tǒng)預(yù)測、神經(jīng)

5、網(wǎng)絡(luò)預(yù)測法灰色系統(tǒng)預(yù)測、神經(jīng)網(wǎng)絡(luò)預(yù)測法等。 預(yù)測的分類預(yù)測的分類 l4. 4. 按預(yù)測時是否考慮時間因素來分類按預(yù)測時是否考慮時間因素來分類 l靜態(tài)預(yù)測靜態(tài)預(yù)測 指不包含時間變動因素，對事物在同一時期的因果關(guān)系 進行預(yù)測 l動態(tài)預(yù)測動態(tài)預(yù)測 指包含時間變動因素，根據(jù)事物發(fā)展的歷史和現(xiàn)狀，對 其未來發(fā)展前景做出的預(yù)測。 預(yù)測的程序預(yù)測的程序 l 1. 1.明確預(yù)測任務(wù)，制定預(yù)測計劃明確預(yù)測任務(wù)，制定預(yù)測計劃 預(yù)測計劃是根據(jù)預(yù)測任務(wù)制定的預(yù)測方案，包括預(yù)測的 內(nèi)容、項目，預(yù)測所需的資料，準(zhǔn)備選用的預(yù)測方法， 預(yù)測的進行和完成時間，編制預(yù)測的預(yù)算，調(diào)配力量， 組織實施等。 l 2.2.搜集、審核和整

6、理資料搜集、審核和整理資料 篩選資料的標(biāo)準(zhǔn)篩選資料的標(biāo)準(zhǔn)：（1） 直接有關(guān)性；（2）可靠性； （3） 最新性。 預(yù)測的程序預(yù)測的程序 l. .選擇預(yù)測方法和建立數(shù)學(xué)模型選擇預(yù)測方法和建立數(shù)學(xué)模型 數(shù)學(xué)模型指反映經(jīng)濟現(xiàn)象過去和未來之間，原因和結(jié)果 之間相互聯(lián)系和發(fā)展變化規(guī)律性的數(shù)學(xué)方程式。 l. .檢驗?zāi)Ｐ?，進行預(yù)測檢驗?zāi)Ｐ?，進行預(yù)測 評價模型優(yōu)劣的基本原則：評價模型優(yōu)劣的基本原則： (1) 理論上合理 (2) 統(tǒng)計可靠性高 (3) 預(yù)測能力強 (4) 簡單適用 預(yù)測的程序預(yù)測的程序 l5. 5. 分析預(yù)測誤差，評價預(yù)測結(jié)果分析預(yù)測誤差，評價預(yù)測結(jié)果 分析預(yù)測值偏離實際值的程度及其產(chǎn)生的原因。

7、l6. 6. 向決策者提交預(yù)測報告向決策者提交預(yù)測報告 提交給決策者時，應(yīng)說明假設(shè)前提、所用方法和預(yù)測結(jié) 果合理性判斷的依據(jù)等。 需求預(yù)測的步驟需求預(yù)測的步驟 l1.1.確定預(yù)測的目的和用途； l2.2.根據(jù)企業(yè)不同的產(chǎn)品及其性質(zhì)分類，并選擇預(yù)測對象； l3.3.決定影響產(chǎn)品需求的因素及其重要性； l4.4.收集和分析可利用的過去和現(xiàn)在的資料； l5.5.決定預(yù)測的時間跨度，并選擇適當(dāng)?shù)念A(yù)測方法和模型； l6.6.計算并核實初步預(yù)測結(jié)果； l7.7.評定企業(yè)的內(nèi)部和外部因素； l8.8.對預(yù)測結(jié)果進行綜合分析、估計預(yù)測誤差、修正預(yù)測值； l9.9.將預(yù)測結(jié)果應(yīng)用于生產(chǎn)計劃工作中； l10.10

8、.根據(jù)實際發(fā)生的需求對預(yù)測進行監(jiān)控。 需求分析需求分析 廣告 需求需求 質(zhì)量 銷售努力信用政策 服務(wù)信譽 產(chǎn)品和服 務(wù)的設(shè)計 企業(yè)企業(yè) 輸入 輸出 商業(yè) 周期 產(chǎn)品 生命 周期 時間顧客 購買 計劃 競爭者 的努力 與價格 顧客 偏好 隨機 變動 企業(yè)的努力 反饋 需求分析需求分析 l獨立需求（Independent demand） l相關(guān)需求（Dependent demand） E(1) 需求分析需求分析 B(4) E(1)D(2) C(2) F(2)D(3) 獨立需求 (與其他項目 (items)不相關(guān)的需求) 相關(guān)需求 (派生的) A 第二章第二章 需求預(yù)測需求預(yù)測 l2.1 2.1 基

9、本概念基本概念 l2.2 2.2 定性預(yù)測定性預(yù)測 l2.3 2.3 定量預(yù)測定量預(yù)測 定性預(yù)測方法概述定性預(yù)測方法概述 （1 1）定義）定義 是預(yù)測者憑借自己的實踐經(jīng)驗、理論和業(yè)務(wù)水平，對事物 發(fā)展前景的性質(zhì)、方向、程度作出判斷進行預(yù)測的方法。 包括一般預(yù)測方法、市場調(diào)研法、小組共識法、歷史類比一般預(yù)測方法、市場調(diào)研法、小組共識法、歷史類比 法、法、DelphiDelphi法法等。 （2 2）特點）特點 是一種利用非數(shù)據(jù)類型信息進行預(yù)測的非規(guī)范化方法，對 于同樣的信息，不同預(yù)測者可能做出不同的判斷。 定性預(yù)測方法概述定性預(yù)測方法概述 （3 3）優(yōu)、缺點）優(yōu)、缺點 優(yōu)點：優(yōu)點：簡單易行，所需數(shù)

10、據(jù)少，能考慮無法定量的因素； 缺點：缺點：主觀性強，結(jié)果因人而異，預(yù)測精度低。 （4 4）適用范圍）適用范圍 沒有數(shù)據(jù)或數(shù)據(jù)不多的情況。 一般預(yù)測方法一般預(yù)測方法 l匯總銷售人員的判斷形成預(yù)測的方法。 l優(yōu)點：優(yōu)點： 預(yù)測結(jié)果接近實際需求； 預(yù)測結(jié)果穩(wěn)定。 l缺點：缺點：主觀性強。 市場調(diào)研法市場調(diào)研法 l通過市場調(diào)研而進行相關(guān)預(yù)測的方法。 l特點：特點：比較反映顧客實際需求； l途徑：途徑：問卷調(diào)查、訪談（電話、上門） l適用范圍：適用范圍：新產(chǎn)品。 小組共識法、歷史類比法小組共識法、歷史類比法 l小組共識法：小組共識法：集中不同部門人員進行預(yù)測，對所有人 員提出的預(yù)測進行某種組合（平均或加

11、權(quán)）的方法。 l歷史類比法：歷史類比法：通過分析同類相關(guān)產(chǎn)品的發(fā)展趨勢而進 行預(yù)測的方法。 Delphi法法 lDelphi法法也稱專家調(diào)查法，是一種采用函詢函詢方式方式分別將 所需解決的問題單獨發(fā)送到各個專家手中，征詢意見， 然后回收匯總?cè)繉＜业囊庖?，并整理出綜合意見。隨 后將該綜合意見和預(yù)測問題再分別反饋給專家，再次征 詢意見；各專家依據(jù)綜合意見修改自己原有的意見，然 后再匯總。這樣多次反復(fù)，逐步取得比較一致的預(yù)測結(jié) 果的決策方法。 l特點：特點：匿名性、反饋性、收斂性。匿名性、反饋性、收斂性。 Delphi法的基本程序法的基本程序 l1 1、首先成立預(yù)測小組、首先成立預(yù)測小組 （1 1

12、）確定預(yù)測主題）確定預(yù)測主題 （2 2）選擇專家）選擇專家 選擇時要注意三個問題：首先是廣泛性；其次是自愿性； 最后是人數(shù)要適度。一般以20-50人為宜。 （3 3）編制預(yù)測事件一覽表）編制預(yù)測事件一覽表 預(yù)測某事件實現(xiàn)的時間；預(yù)測事件的相對結(jié)構(gòu)比重； 選擇性預(yù)測；排序性預(yù)測；簡明詢問。 Delphi法的基本程序法的基本程序 l2 2、其次進行輪番征詢工作、其次進行輪番征詢工作 l一般采用三輪制： 第一輪第一輪。發(fā)給專家預(yù)測主題及相應(yīng)的預(yù)測事件表，請其在一 定期限內(nèi)將應(yīng)答寄回。預(yù)測小組在對應(yīng)答結(jié)果整理、統(tǒng)計和 分析的基礎(chǔ)上，制定第二輪函詢表。 第二輪第二輪。將第一輪表的統(tǒng)計結(jié)果和第二輪函詢表發(fā)

13、給專家。 請專家提出或修改自己的預(yù)測，并說明理由，也可以對第一 輪統(tǒng)計結(jié)果提出質(zhì)疑。收到專家回復(fù)后進行統(tǒng)計分析，將分 析整理結(jié)果再反饋給專家。 第三輪第三輪。將第二輪初步所得預(yù)測結(jié)果制定成第三輪函詢表發(fā) 給專家，請其提出評價意見和理由，寄回。 應(yīng)答結(jié)果的最終處理。 第二章第二章 需求預(yù)測需求預(yù)測 l2.1 2.1 基本概念基本概念 l2.2 2.2 定性預(yù)測定性預(yù)測 l2.3 2.3 定量預(yù)測定量預(yù)測 定量預(yù)測概況定量預(yù)測概況 l（1 1）定義）定義 是指根據(jù)全面、準(zhǔn)確的調(diào)查數(shù)據(jù)和資料，運用統(tǒng)計方 法和數(shù)學(xué)模型，對事物未來發(fā)展的規(guī)模、水平、速度 和比例關(guān)系的測定。 l（2 2）類型）類型 時間

14、序列預(yù)測法、因果關(guān)系預(yù)測法、組合預(yù)測法。時間序列預(yù)測法、因果關(guān)系預(yù)測法、組合預(yù)測法。 定量預(yù)測概況定量預(yù)測概況 l（3 3）特點）特點 規(guī)范化方法。 l（4 4）優(yōu)、缺點）優(yōu)、缺點 優(yōu)點：優(yōu)點：預(yù)測結(jié)果“數(shù)字化”表示，客觀，預(yù)測精度高； 缺點：缺點：需要大量數(shù)據(jù)，不能考慮定性因素的影響。 l（5 5）適用范圍）適用范圍 定性影響因素較少，有大量歷史數(shù)據(jù)和資料的情況。 時間序列概述時間序列概述 l 時間序列時間序列 時間序列是指研究對象的某種統(tǒng)計指標(biāo)值，按照時間先后的時間序列是指研究對象的某種統(tǒng)計指標(biāo)值，按照時間先后的 順序排列所形成的一個序列，可用順序排列所形成的一個序列，可用y y1 1,

15、, y y2 2, , , , y yt t表示。表示。 l 時間序列預(yù)測時間序列預(yù)測 用被預(yù)測事物過去和現(xiàn)在的觀測數(shù)據(jù)，構(gòu)成依時間變化的時用被預(yù)測事物過去和現(xiàn)在的觀測數(shù)據(jù)，構(gòu)成依時間變化的時 間序列模型，并借助一定的規(guī)則來推斷未來；間序列模型，并借助一定的規(guī)則來推斷未來； l 基本思想基本思想 根據(jù)系統(tǒng)有限的觀測數(shù)據(jù)建立起能夠比較精確地反映時間序根據(jù)系統(tǒng)有限的觀測數(shù)據(jù)建立起能夠比較精確地反映時間序 列中所包含的動態(tài)依存關(guān)系的數(shù)學(xué)模型，并根據(jù)該模型對系列中所包含的動態(tài)依存關(guān)系的數(shù)學(xué)模型，并根據(jù)該模型對系 統(tǒng)的未來行為進行預(yù)測。統(tǒng)的未來行為進行預(yù)測。 時間序列分解時間序列分解 l時間序列影響因素

16、時間序列影響因素 趨勢：趨勢：需求的變化趨勢。 季節(jié)：季節(jié)：隨季節(jié)的變化增加或減少，具有重復(fù)發(fā)生的規(guī)律。 周期：周期：在較長的時間（1年以上）圍繞趨勢作有規(guī)律的上 下波動。這種波動被稱作經(jīng)濟周期。它可以沒有固定的 周期。 隨機：隨機：偶然、非經(jīng)常原因引起的數(shù)據(jù)變動。 時間序列分解時間序列分解 圖圖2.0 2.0 美國航空客流量美國航空客流量 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 100 200 300 400 500 600 700 Time Passenger 時間序列分解時間序列分解 圖圖2.1 2

17、.1 時間序列構(gòu)成時間序列構(gòu)成 觀 測 值 季節(jié)高峰 趨勢 實際曲線 平均值 隨機波動 時間 需求預(yù)測的組成需求預(yù)測的組成 l需求觀測值需求觀測值 = = 系統(tǒng)成分系統(tǒng)成分 + + 隨機成分隨機成分 預(yù)測都是對預(yù)測都是對“系統(tǒng)成分系統(tǒng)成分”進行預(yù)測！進行預(yù)測！ 水平（level） 趨勢（trend） 季節(jié)（Seasonality） 需求預(yù)測的組成需求預(yù)測的組成 l系統(tǒng)成分模型系統(tǒng)成分模型 l加法型：加法型：系統(tǒng)成分系統(tǒng)成分= =水平項水平項+ +趨勢項趨勢項+ +季節(jié)因素項季節(jié)因素項 l乘法型：乘法型：系統(tǒng)成分系統(tǒng)成分= =水平項水平項* *趨勢項趨勢項* *季節(jié)因素項季節(jié)因素項 l混合型：混

18、合型：系統(tǒng)成分系統(tǒng)成分= =（水平項（水平項+ +趨勢項）趨勢項）* *季節(jié)因素項季節(jié)因素項 預(yù)測誤差分析預(yù)測誤差分析 l預(yù)測精度：預(yù)測精度：指預(yù)測結(jié)果與實際情況相一致的程度； l預(yù)測誤差：預(yù)測誤差：是預(yù)測結(jié)果與實際的偏差。誤差越大，精度 就越低。 l1. 1. 預(yù)測誤差預(yù)測誤差（Error） eXX . . . eXX X X l2. 2. 相對誤差相對誤差( Percentage error )( Percentage error ) l預(yù)測誤差在實際值中所占比例的百分?jǐn)?shù)稱為相對誤差。 . . . 5.7143%2.439%03.125% eXX X X 100% XX X 100% eX

19、X XX 預(yù)測誤差分析預(yù)測誤差分析 l. .平均誤差平均誤差( Mean error )( Mean error ) . . . 0.075 eXX X X 11 11 () nn ii ii eeXX nn 11 11 () nn ii ii eeXX nn 11nn XXe 預(yù)測誤差分析預(yù)測誤差分析 l. .平均絕對誤差（平均絕對誤差（Mean absolute deviation, MADMean absolute deviation, MAD） . . . .00.2 0.125 eXX X X 11 11 () nn ii ii eeXX nn 11 11 () nn ii ii e

20、eXX nn e 預(yù)測誤差分析預(yù)測誤差分析 l5.5.平均相對誤差（平均相對誤差（Mean absolute percentage error, MAPEMean absolute percentage error, MAPE） . . . 5.7143%2.439%03.125% 2.82% eXX X X 100% XX X 11 11 | 100%| 100% nn iii ii ii eXX nXnX 11 11 | 100%| 100% nn iii ii ii eXX nXnX 預(yù)測誤差分析預(yù)測誤差分析 l6. 6. 均方誤差均方誤差(Mean squared error, MSE

21、)(Mean squared error, MSE) . . . 0.0225 eXX X X 222 11 11 () nn iii ii SeXX nn 222 11 11 () nn iii ii SeXX nn 預(yù)測誤差分析預(yù)測誤差分析 l7.7. 均方根誤差均方根誤差 (Mean squared root error)(Mean squared root error) . . . 0.0225 0.15 eXX X X 222 11 11 () nn iii ii SeXX nn 22 11 11 () nn iii ii SeXX nn 22 11 11 () nn iii ii

22、SeXX nn 預(yù)測誤差分析預(yù)測誤差分析 l8 8、跟蹤信號法、跟蹤信號法(Tracking signal, TS) (Tracking signal, TS) . . MAD.0.150.10.125 1 0.67 12 X X 預(yù)測誤差分析預(yù)測誤差分析 MAD e TS i MAD e TS i 1 1、簡單移動平均法、簡單移動平均法 例：例：某城市汽車配件某年某城市汽車配件某年1-121-12月的化油器需求量如下表月的化油器需求量如下表 所示，預(yù)測下年所示，預(yù)測下年1 1月的需求量？月的需求量？ 月份月份 123456789101112 實際值實際值423358434 44 5 5274

23、29426502480384427446 1 1、簡單移動平均法、簡單移動平均法 二次移動平均二次移動平均 三次移動平均三次移動平均 1 1、簡單移動平均法、簡單移動平均法 移動平均項數(shù)移動平均項數(shù)N N的選擇的選擇: :試算法！試算法！ 2 2、加權(quán)移動平均法、加權(quán)移動平均法 2 2、加權(quán)移動平均法、加權(quán)移動平均法 權(quán)重的選擇權(quán)重的選擇 選擇權(quán)重的方法：選擇權(quán)重的方法：經(jīng)驗法和試算法經(jīng)驗法和試算法。 一般而言，最近期的數(shù)據(jù)最能預(yù)示未來的情況，因而 其權(quán)重應(yīng)大些。但是，如果其數(shù)據(jù)是季節(jié)性的，故權(quán) 重也應(yīng)是季節(jié)性的，一般對季節(jié)性產(chǎn)品季節(jié)權(quán)重系數(shù) 要大。由于加權(quán)移動平均能區(qū)別對待歷史數(shù)據(jù)，因而 在

24、這方面要優(yōu)于簡單移動平均。 移動平均法移動平均法 優(yōu)點：優(yōu)點：簡單； 缺點缺點：存儲數(shù)據(jù)量較大; 只考慮最近的N期數(shù)據(jù)，而對t-N 期以前的數(shù)據(jù)則完全不考慮，這往往不符合實際情況。 3 3、一次指數(shù)平滑法、一次指數(shù)平滑法 4 4、一次指數(shù)平滑法、一次指數(shù)平滑法 3 3、一次指數(shù)平滑法、一次指數(shù)平滑法 初始值初始值S S0 0(1) (1)的選取 的選取 （1）數(shù)據(jù)在20個以上時，對預(yù)測值影響小，取S0(1) = y0； （2）數(shù)據(jù)較少（20個以下），取幾個最初期的實際值的平 均值。 適用場合適用場合 短期預(yù)測，預(yù)測對象發(fā)展趨勢變化不大的情況。 3 3、一次指數(shù)平滑法、一次指數(shù)平滑法 二次指數(shù)平

25、滑法、三次指數(shù)平滑法！二次指數(shù)平滑法、三次指數(shù)平滑法！ 4 4、回歸預(yù)測法、回歸預(yù)測法 1 1、定義、定義 是從各種經(jīng)濟現(xiàn)象之間的關(guān)系出發(fā)，通過對與預(yù)測對 象有聯(lián)系的現(xiàn)象變動趨勢的分析，推測預(yù)測對象未來 狀態(tài)數(shù)量表現(xiàn)的一種預(yù)測方法。 2 2、分類、分類 （1 1）根據(jù)自變量的多少）根據(jù)自變量的多少 一元回歸模型和多元回歸模型； （2 2）根據(jù)數(shù)學(xué)表達式是否是線性）根據(jù)數(shù)學(xué)表達式是否是線性 線性回歸模型和非線性回歸模型。 4 4、回歸預(yù)測法、回歸預(yù)測法 3 3、基本思想、基本思想 根據(jù)研究對象及其影響因素的觀測數(shù)據(jù)建立起能夠 精確反映他們之間關(guān)系的數(shù)學(xué)模型,并根據(jù)該模型對 系統(tǒng)的未來進行預(yù)測。

26、4 4、優(yōu)點及缺點、優(yōu)點及缺點 優(yōu)點：優(yōu)點：根據(jù)事物之間的因果關(guān)系來進行預(yù)測； 缺點：缺點：必須找到影響預(yù)測目標(biāo)的主要因素；需要影 響因素的歷史數(shù)據(jù)，數(shù)據(jù)收集工作量大；需要先對 影響因素進行準(zhǔn)確預(yù)測。 l理論回歸直線理論回歸直線 ubxay bxay uEbxEaEyE )()()()( 取數(shù)學(xué)期望 問題？尋找最佳估計！問題？尋找最佳估計！ 一元線性回歸模型一元線性回歸模型構(gòu)建模型構(gòu)建模型 455455450450445445405405365365345345330330 水稻產(chǎn)量水稻產(chǎn)量y y 454540403535303025252020 1515 施化肥量施化肥量x x 哪條直線最好

27、？哪條直線最好？ 一元線性回歸例子：水稻產(chǎn)量和施肥量。一元線性回歸例子：水稻產(chǎn)量和施肥量。 一元線性回歸模型一元線性回歸模型 (xn , yn) (x1 , y1) (x2 , y2) (xi , yi) ei = yi-yi 一元線性回歸模型一元線性回歸模型 一元線性回歸模型一元線性回歸模型參數(shù)估計參數(shù)估計 問題：問題：min 一元線性回歸模型一元線性回歸模型參數(shù)估計參數(shù)估計 一元線性回歸模型一元線性回歸模型參數(shù)估計參數(shù)估計 回歸模型的檢驗：理論意義檢驗、一級檢驗和二級檢驗?；貧w模型的檢驗：理論意義檢驗、一級檢驗和二級檢驗。 理論意義的檢驗理論意義的檢驗 主要涉及到參數(shù)估計值的符號和取值區(qū)間

28、。 一級檢驗一級檢驗 統(tǒng)計學(xué)檢驗，它是利用統(tǒng)計學(xué)中的抽樣理論來檢驗樣本回歸方程的可靠性， 具體又分為擬合程度評價和顯著性檢驗。一級檢驗是對所有現(xiàn)象進行回歸分 析時都必須通過的檢驗。 二級檢驗二級檢驗 經(jīng)濟計量學(xué)檢驗，它是對線性回歸模型的假設(shè)條件能夠得到滿足進行檢驗， 具體包括序列相關(guān)檢驗、異方差性檢驗等。 一元線性回歸模型一元線性回歸模型檢驗檢驗 舉例：線性回歸預(yù)測法舉例：線性回歸預(yù)測法 l 房地產(chǎn)公司近幾年在經(jīng)營商品房的過程中發(fā)現(xiàn)，公司收益取決于 家庭人均收入水平。下表為1993年至1998年該公司收益與其所在地 的家庭人均收入。當(dāng)1999年家庭人均收入為5500元時，請預(yù)測該公 司的收益值

29、。 年份公司收益y （百萬元） 家庭人均收 入x（千元） 2 x Xy 2 y 1993 1994 1995 1996 1997 1998 4.8 5.7 7.0 8.3 10.9 12.4 3.5 3.9 4.4 4.8 5.0 5.2 12.25 15.21 19.36 23.04 25.00 27.04 16.80 22.23 30.80 39.84 54.50 64.48 23.04 32.49 49.00 68.89 118.81 153.76 49.126.8121.90228.65445.99 舉例：線性回歸預(yù)測法舉例：線性回歸預(yù)測法 l 年份公司收益y （百萬元） 家庭人均收 入x（千元） 2 x Xy 2 y 1993 1994 1995 1996 1997 1998 4.8 5.7 7.0 8.3 10.9 12.4 3.5 3.9 4.4 4.8 5.0 5.2 12.25 15.21 19.36 23.04 25.00 27.04 16.80 22.23 30.80 39.84 54.50 64.48 23.04 32.49 49.00 68.89 118.81 153.76 49.126.8121.9022