經(jīng)濟(jì)預(yù)測與決策實驗報告

1、學(xué)生實驗報告實驗課程名稱開課實驗室學(xué) 院年級專業(yè)班學(xué)生姓名學(xué)號開課時間 至 學(xué)年第 學(xué)期總成績教師簽名經(jīng)濟(jì)預(yù)測與決策實驗報告實驗一實驗名稱：一元線性回歸預(yù)測上機(jī)實驗。實驗?zāi)康模和ㄟ^實驗掌握一元線性回歸預(yù)測的數(shù)學(xué)模型、參 數(shù)估計方法、誤差分析和檢驗，掌握一元線性回歸的點預(yù)測 和區(qū)間預(yù)測。實驗內(nèi)容：1. 對下表所給數(shù)據(jù)，用excel直接計算一元線性回歸模型 的參數(shù)估計、可決系數(shù)、相關(guān)系數(shù)、標(biāo)準(zhǔn)差、f統(tǒng)計量 和斜率系數(shù)的t統(tǒng)計量。2. 分析模型的優(yōu)劣，a =0.05,作f檢驗和t檢驗3. 若2011年月人均可支配收入xo=5ooo元，預(yù)測該商品的 銷售量，并給出置信度為95%的區(qū)間預(yù)測。4. 用ex

2、cel中的數(shù)據(jù)分析直接進(jìn)行回歸，寫出問題1屮的參數(shù)和指標(biāo)，對a =0.10,作f檢驗和t檢驗?zāi)攴菰氯司芍涫?入x（單位：元）商品銷售量 y （單立:件）199052206700199153907316199257707658199361308784199464408408199567007583199669508600199771308442199874107158199976908683200080109317200185509675200284207542200386007084200489008612200592609119寫出實驗報告：1、用excel直接計算，得:年份xyxyxv

3、199052206700349740002724840019915390731639433240290521001992577076584418666033292900199361308784538459203757690019946440840854147520414736001995670075835080610044890000199669508600597700004830250019977130844260191460508369001998741071585304078054908100199976908683667722705913610020008010931774629170

4、6416010020018550967582721250731025002002842075426350364070896400200386007084609224007396000020048900861276646800792100002005926091198444194085747600116570130681960033150873794100ave7285. 6258167.562560002071.8854612131.25s總uqy“2(yi-y廠2y(yiy 廠 2(yi-yi廠2(xi-x廠2448900002153739. 697498.33875447860.42463

5、7344. 7644266806.653523856725158. 6917553.41556377176. 4656366158644964259653. 9417676. 52843241114.454343.3028692297119.177158656379995. 1917793.16168140175.974981760. 5761335469. 17069446457810. 19147893.5958675057.7174264611.615715081.6457501889341713.3167977.8309935998.0471155891.50

6、8342956. 6473960000187002. 1918058.826311823.5619292868.977112644.147126736475315. 94148117.142922542 12324219. 141512369641019216. 448207.857671623. 700461102201. 1215469. 14175394489265675.8168298.5724117163. 5975147784. 569163519. 14868064891321206. 578402.2464155076. 5377836774. 135

7、24719. 14936056252272367. 828577.19628167799. 8331205173.011598644. 156881764391328. 4418535.07872135068. 171986205. 3411286806. 6501830561174107. 698593.39534181333.6092278274. 31727581.674166544197524.6918690.58971273557.4666176.343042606206.683156161905233.3168807. 22296409165. 50397204.923389815

8、6.6sum1.08e+0911727049.92572537. 199154512.7524508794ave67442018由公式計算求得:b0.323981a5807.156683it20.219367804r0. 468367168f3.934182154o八2653893.7676t1.983477288分析該模型的優(yōu)劣：m2和i都很小，模型較差。 當(dāng)a =0.05,作f檢驗和t檢驗f統(tǒng)計量=3. 934182154<4. 6,故方程不顯著； t統(tǒng)計量二1983477288<2. 15,故方程不顯著。若2011年月人均可支配收入xo=5ooo元 該商品的銷售量 為7427

9、. 06288,并給出置信度為95%的預(yù)測區(qū)間為5688.49337, 9165.632392、用excel中的數(shù)據(jù)分析直接進(jìn)行回歸，得summ aryoutput回歸統(tǒng)計multiple r0.46837r square0.21937adjusted r square0.16361標(biāo)準(zhǔn)誤差808.637觀測值16方差分析dfssmsfsignificance f1回歸分析13e+0625725373.93420.0673殘差149e+06653894總計151e+07coefficients標(biāo)準(zhǔn)誤差t statp-valuelower 95%upper 95%intercept5807.16

10、1207.14.81090.00033218.28396.09x variable 10.323980.16331.983480.0673-0.0260.67431b0. 32398a5807. 16rj0.21937r0. 46837f3. 9341802653894t1. 98348080& 637當(dāng)a =0.10,作f檢驗和t檢驗：f統(tǒng)計量=3. 934182154>3. 10,故方程顯著; t統(tǒng)計量二1983477288>1. 76,故方程顯著。經(jīng)濟(jì)預(yù)測與決策實驗報告實驗二實驗名稱：多元線性回歸預(yù)測上機(jī)實驗。實驗?zāi)康模和ㄟ^實驗掌握多元線性回歸預(yù)測的數(shù)學(xué)模型、參 數(shù)估

11、計方法、誤差分析和檢驗，掌握多元線性回歸的點預(yù)測 和區(qū)間預(yù)測。實驗內(nèi)容：1. 對下表所給數(shù)據(jù)，用excel中的數(shù)據(jù)分析直接進(jìn)行回歸。2. 寫出該二元線性回歸模型。3. 寫出可決系數(shù)、相關(guān)系數(shù)、標(biāo)準(zhǔn)差，簡單判別該預(yù)測模型 的優(yōu)劣。4. 寫出f統(tǒng)計量和斜率系數(shù)的t統(tǒng)計量，a =0.10,作f檢驗 和t檢驗。5. 若勞動量為25人工小時，木材耗用量為30m3,預(yù)測總成本，并給出置信度為95%的總成本的區(qū)間預(yù)測。月份總成本勞動量木材耗用量yxlx213. 13.92.422.63.62. 132.93.82. 342. 73.91.952. 83. 71.9633.92. 173. 23. 82.4寫

12、出實驗報告:1、用excel中的數(shù)據(jù)分析直接進(jìn)行回歸，得:月份總成本y勞動量xl木材耗 用量 x213.13.92.422.63.62.132.93.82.342.73.91.952.83.71.9633.92.173.23.82.4summaryoutput回歸統(tǒng)計multiple r0. 8491r square0. 7209adjusted rsquare0. 5814標(biāo)準(zhǔn)誤差0. 1398觀測值7方差分析dfssmsfsignificancef回歸分析20.2018540.10095.1660. 078殘差40. 0781460.0195總計60. 28coefficients標(biāo)準(zhǔn)誤差

13、t statp-valuelower 95%upper95%下限95. 0%上限95. 0%intercept-1. 3961. 889056-0. 7390. 501-6. 643. 8492-6. 64053. 8492x variable 10. 74610. 504521. 47890.213-0. 652.1469-0. 65462. 1469x variable 20. 6770. 2710642. 49740. 067-0. 081.4296-0. 07561. 4296該二元線性回歸模型為y=-1.396+0.7461 x 1 +0.677x2可決系數(shù)=0.8491,相關(guān)系數(shù)&

14、quot;2=0.7092,標(biāo)準(zhǔn)差0.1398。 由可決系數(shù)r=0.8491.,相關(guān)系數(shù)"2=0.7092都接近于1,所 以模型較優(yōu)。當(dāng)a =0.10, f統(tǒng)計量=5.166>4.32力程顯著；tl統(tǒng)計量=1.4789086>1.414,方程顯著;,t2統(tǒng)計量=24974377>1.414,方程顯著。若勞動量為25人工小吋，木材耗用量為30m3,預(yù)測總成本 為37. 56676 ,置信度為95%的總成本的區(qū)間預(yù)測為 【37.28511, 37. 8484經(jīng)濟(jì)預(yù)測與決策實驗報告實驗三實驗名稱：非線性回歸預(yù)測上機(jī)實驗。實驗?zāi)康?通過實驗掌握非線性回歸預(yù)測的數(shù)學(xué)模型、參數(shù)

15、估計方法、誤差分析和檢驗，掌握非線性回歸的點預(yù)測和區(qū)間預(yù)測。實驗內(nèi)容：1. 對下表所給數(shù)據(jù)，在excel中作xy散點圖，觀察xy的數(shù)據(jù)適合哪 幾類曲線？由下圖觀察得，數(shù)據(jù)適合二次曲線模型、幕指數(shù)函數(shù)模型等。2. 用二元線性回歸模型參數(shù)估計的方法估計二次曲線模型并分析和檢驗該模型的優(yōu)劣，若2011年的銷售量為500千噸，預(yù)測當(dāng)年的利潤并給出置信度為95%的區(qū)間預(yù)測。得二次曲線模型為 y=0.0038xa2+0.8997x-38.482（l）ra2=0.9942,接近于1,模型較優(yōu)。若2011年的銷售量為500千噸，預(yù)測當(dāng)年的利潤為1438.332其置信度為95%的區(qū)間預(yù)測為【1374.64024

16、, 1502.023763. 用幕函數(shù)模型預(yù)測若2011年的銷售量為500千噸，預(yù)測當(dāng)年的利潤。方法、兩邊同時取對數(shù)，轉(zhuǎn)化為二元線性模型，在excel中計算，得時間銷量x （千噸）利潤y uj 元）lgxlgy199630121.4771212551.079181246199760301.778151251.477121255199890701.9542425091.8450980419991201102.0791812462.04139268520001351502.1303337682.17609125920011802202.2552725052.34242268120022103202

17、.3222192952.50514997820032554502.406540182.65321251420042704902.4313637642.6901960820053005402.4771212552.7323937620063306502.518513942.81291335720073458002.5378190952.90308998720083909112.5910646072.95951837720094059602.6074550232.982271233201045011002.6532125143.041392685總和3570681334.2196122136.24

18、144514ave238454.22.281307482.416096342qsu八 yi(yi-yi/廠 2(yi-y-廠 2(yi-y210.56969672.045767528195540.842. 04576752835.0674853225.67940744179945. 6425.6794074470.725775840.526750573147609. 640.526750573116.344731740.25561999118473. 6440.25561999142.643115854.1237453592537. 6454.12374535234.6496003214.61

19、0788454849. 64214.6107884306.3734691185.682344418009.64185.6823444428.6898003454.124610617. 64454.1246106473.2524982280.47881771281.64280.4788177567.8877824777.72840747361.64777.7284074669.6997691388.080901938337. 64388.0809019723.23915275892. 227682119577.645892.227682894.1436847284.1353657208666.2

20、4284.1353657954.478195430.49032638255833. 6430.490326381145.3431472056. 001008417057.642056. 0010086773.10790510686. 191541855100.410686. 19154451.540527712.4127696123673.36712.4127696o "2二822.01470 二28.6708a 二0.029444b=1. 7302y-=230559.2y(500)幕函數(shù)二1376. 442區(qū)間估計(t0. 05(13)1314.5131438.371lg(500)

21、 =2. 69897八y =3.138758y=1376.442所得二元線性回歸模型如下圖，lgy=1.7302x-l532圖表標(biāo)題y 二 1. 7302x - 1.531lgy所得點估計值為3.1387579,所以¥=1376.44195方法、用幕函數(shù)模型預(yù)測，作趨勢線得預(yù)測模型為y=0.0294*xa 1.7302點估計值：1376.4424. 判斷2和3的預(yù)測，哪一個準(zhǔn)確性更高。時間銷量x （t噸）利潤y （萬元）1996 年3012. 001997 年6030. 001998 年9070. 001999 年120110. 002000 年135150. 002001 年180

22、220. 002002 年210320. 002003 年255450. 002004 年270490. 002005 年300540. 002006 年330650. 002007 年345800. 002008 年390911.002009 年405960. 002010 年4501100.00經(jīng)濟(jì)預(yù)測與決策實驗報告實驗四實驗名稱：帶需變量的回歸預(yù)測上機(jī)實驗。實驗?zāi)康模和ㄟ^實驗掌握帶需變量的回歸預(yù)測的數(shù)學(xué)模型、參數(shù)估計 方法、誤弟分析和檢驗，掌握帶需變量的回歸的點預(yù)測和區(qū)間預(yù)測。 實驗內(nèi)容：1. 對教材pl23的習(xí)題2中的數(shù)據(jù)作散點圖，分析該數(shù)據(jù)的特征。2. 用最一般的帶虛變量的線性回歸模

23、型開始，通過多元線性回歸的 顯著性檢驗t檢驗和f檢驗，確定一個最合適的預(yù)測模型，預(yù)測對 于三等地若平均每畝施肥量為32公斤時，平均畝產(chǎn)量的值和置信 度95%的區(qū)間預(yù)測。y=bd+ 匕2。2+ 匕3。3+（ bddi+ bsd2+ bed3）x=bdi+ 匕2。2+ 匕3。3+ b4（d x）+ b5（d2 x ）+ b6（d3 x）3. 寫出實驗報告。平均每畝施肥 量x平均畝產(chǎn) 量y實驗出等級d1d2d3246.2001216. 1001266.4001226.6010276.8010296.8010236.5100256.8100286.9100平均每畝 施肥量x平均畝 產(chǎn)量y實驗田等級d1

24、d2d3dl*xd2*xd3*x246.20010024216. 10010021266.40010026226.60100220276.80100270296.80100290236.51002300256.81002500286.91002800summary output回歸統(tǒng)計multiple r0. 99998r square0. 99995adjusted rsquare0. 66654標(biāo)準(zhǔn)誤差0. 07991觀測值9方差分析dfssmsfsignificaneef回歸分析6388. 7364.810146.2ie-04殘羌30.01920.01總計9388. 75coeffici

25、ents標(biāo)準(zhǔn)誤差tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#/ax variable 14.80. 57078.410. 003532.9846.616x variable 25. 933330.410114.50. 000724. 6287. 238x variable 34.863160. 53349. 120. 002793. 1666. 561x variable 40. 076320. 02253.40. 042490. 0050. 148x variable 50. 030770.01571.960. 1444-0

26、. 020. 081x variable 60. 057890. 02252. 580. 08188-0.010. 129由于第五個變量的p值最大，去掉第五個變量，回歸得summary output冋歸統(tǒng)計multiple r0. 99994r square0. 99989adjusted rsquare0.74977標(biāo)準(zhǔn)誤差0. 10461觀測值9方差分析dfssmsfsignificaneef冋歸分析5388.7177.77104.213e-06殘差40. 04380.01總計9388. 75coefficients標(biāo)準(zhǔn)誤tstatp-valuelower 95%upper95%inter

27、cept0#n/a#n/a#n/a#n/a#/ax variable 14.80. 74716. 430. 003022. 7266. 874x variable 26.733330. 06041113. 9e-086. 5666. 901x variable 34.863160. 69826. 960. 002232.9256. 802x variable 40. 076320. 02942.60. 06027-0.010. 158x variable 50. 057890. 02941.970. 1202-0. 020. 14由于第五個變量的p值最大，去掉第五個變量，再次回歸得summar

28、y outputlh|歸統(tǒng)計multiple r0. 99989r square0. 99978adjusted rsquare0. 79965標(biāo)準(zhǔn)謀羌0. 13132觀測值9方差分析dfssmsfsignificancef冋歸分析4388. 6697.25634.249e-08殘差50. 08620. 02總計9388. 75coefficients標(biāo)準(zhǔn)誤 差tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#n/ax variable 14.80. 93785. 120. 003712. 3897.211x variable 26

29、. 733330. 07588& 83. 4e-096. 5386. 928x variable 36. 233330. 075882.25e-096. 0386. 428x variable 40. 076320. 03692.070. 0934-0. 020. 171由于第四個變量的p值最大，去掉第四個變量，回歸得summary output回歸統(tǒng)計multiple r0. 99979r square0. 99959adjusted rsquare0.83278標(biāo)準(zhǔn)誤差0. 1633觀測值9方差分析dfssmsfsignificaneef冋歸分析3388.591304857. 38

30、4e-09殘差60. 160. 03總計9388. 75coefficients標(biāo)準(zhǔn)誤tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#/ax variable 16. 733330. 094371.45. ie-106. 5036. 964x variable 26.733330. 094371.45. ie-106. 5036. 964x variable 36. 233330. 094366. 18. ie-106. 0036. 464此時變量的p值都很小，模型較顯著。故預(yù)測模型為y=673333d1+673333d2+623

31、333d3當(dāng) d3 等于 1 時，y=6.23333經(jīng)濟(jì)預(yù)測與決策實驗報告實驗五實驗名稱：一次移動平均預(yù)測、一次指數(shù)平滑預(yù)測和二次移動平均預(yù) 測上機(jī)實驗。實驗?zāi)康模和ㄟ^實驗掌握移動平均預(yù)測、一次指數(shù)平滑預(yù)測和二次移 動平均預(yù)測的計算公式和預(yù)測方法。實驗內(nèi)容：1. 對下表所給數(shù)據(jù)，首先作折線圖，觀察數(shù)據(jù)的特征觀察數(shù)據(jù)，數(shù)據(jù)在某一水平線上波動上升，樣本序列具有非 水平趨勢的外推預(yù)測，故用一次移動平均預(yù)測法和一次指數(shù) 平滑預(yù)測法來進(jìn)行預(yù)測。2. 取不同的整數(shù)n二4和5和常數(shù)（1=0.3和0.01計算一次移動平均mt和一次指數(shù)平滑st,計算作短期預(yù)測的平均絕對誤差，比較和評價哪一種方法預(yù)測的效果更好?

32、月ytmt(n=4)mt(n=5)mt2 (n=5)st (a =0. 3)st(a =0. 01)120202022120.320.0132321. 1120. 03994242221.97720. 07950152523. 2522.622.883920.12870662724. 752424.1187320.197418972625.52524.68311120.255444782525. 7525.424.778177720.30289039262625.824. 5625.1447243920.3598614102826. 2526.425. 3226.0013070720.4362

33、628112726.526.425.826.3009149520.5019001122927.52726.227.1106404720.586881113242726.826. 4826.1774483320.621012314282727.226. 7626.7242138320.6948022153027. 7527.62727.7069496820.78785421634292927. 5229.5948647820.919975617363230.428.231.5164053421.0707759183132. 7531.829.231.3614837421.170068119353

34、433.230.432.4530386221.308367520383534.831.8434.1171270321.47528383533. 0434.6666733. 89333平均絕 對誤差與mt(n二4)與mt(n二5)與 st( a =0. 3)與 st (a=0.01)112.72. 992. 893. 96013. 0234.92049934. 11616.871294013. 754.41.881275.802581071.2520.3168894.7445552590.501.22182235.6971097070. 250.62.855275617.6401386122.2

35、0.9986929276.5637372230. 750.62.6990850498.4980998512.52.63. 1106404663.4131188533.531.8225516747.37898766411.23. 2757861729.30519778832.86.2930503213.212145816. 256.46.40513522415.08002435770.5164053439.92922410810.63.6385162613.829931872. 253.25.54696138216.6916325544.8avc2. 6252. 762.8584832497.7

36、64651459由平均絕對誤差最小得，一次滑動平均預(yù)測法中當(dāng)n取4時 的預(yù)測效果更好。3. 取n=5,用二次移動平均預(yù)測法預(yù)測未來3個月每月的yt。at二bt=yt+t 二（t二 1）a9 二27. 04b9 二0. 62y10 二27. 66al0=27.48bl0=0. 54yll=28. 02all=27bll=0.3y12 二27.3al2=27.8bl2 二0.4y13=28.2al3=27. 12bl3 二0. 16y14 二27. 28al4=27. 64bl4 二0. 22y15 二27. 86al5=28.2bl5=0.3y16=2& 5al6=30. 48bl6=0

37、. 74y17=31.22al7 二32.6bl7 二1. 1y18 二33. 7al8=34.4bl8 二1.3y19 二35. 7al9=36bl9 二1.4y20=37.4a20=37. 76b20=1.48y21=39. 24a21=36. 96b21 二0. 98y22 二37.94a22=35.44b22 二0. 387y23 二35. 82667未來三個月的y值分別為39.24,37.94,35.826674. 寫出實驗報告月12345678910yt20212324252726252628月11121314151617181920yt27292428303436313538經(jīng)濟(jì)

38、預(yù)測與決策實驗報告實驗六實驗名稱：時間序列的分解預(yù)測法上機(jī)實驗。實驗?zāi)康模和ㄟ^實驗掌握時間序列的分解預(yù)測法的加法模型和乘法模 型的步驟和預(yù)測方法。實驗內(nèi)容：1. 對下表所給數(shù)據(jù)，首先作折線圖，觀察數(shù)據(jù)的線性和季節(jié)性特征。觀察得，數(shù)據(jù)具有線性增長趨勢，且季節(jié)性因索影響明顯， 故用吋間序列的分解預(yù)測法。2. 按照時間序列分解預(yù)測法的加法模型的步驟進(jìn)行預(yù)測，比較預(yù)測效果。季度銷售mytyt-ttmtyat（y 估 計）12225.5045-3.504521.1307523226.3333327.8224.17833.1307532528.3333330.1395-5.139534.930754282

39、7.6666732.457-4.45726.7307553033.3333334.7745-4.774530.400756423937.0924.90842.400757454039.40955.590544.200758333841.727-8.72736.000759363944.04458.044539.67075104844.6666746.3621.63851.6707511504648.67951.320553.47075124044.6666750.997-10.99745.2707513444753.3145-9.314548.94075145754.3333355.6321.

40、36860.9407515625757.94954.050562.74075165256.3333360.267-8.26754.54075175558.3333362.5845-7.584558.21075186865.6666764.9023.09870.2107519746867.21956.780572.01075206269.537 7.53763.81075a=2.3175b=23.1871234-3.50454.178-5.1395-4.457-4.77454.9085.5905-8.727-8.04451.6381.3205-10.997-9.31451.3684.0505-8.267-7.58453.0986.7805-7.537sumave-6.64453.0382.5205-7.997-9.083修正后-4.373755.308754.79125-5.