定量分析方法(信息分析課件)

定量分析方法(信息分析課件)第一頁，共113頁。信息分析查先進(jìn)第二頁，共113頁?！?定量分析方法第三頁，共113頁?！?.1多元分析法§5.2時(shí)間序列分析法§5.3系統(tǒng)動(dòng)力學(xué)方法§5.4文獻(xiàn)計(jì)量學(xué)方法第四頁，共113頁?！?.1多元分析法第五頁，共113頁。變量之間本身具有某種關(guān)系（如線性關(guān)系），但因各種誤差使之不具備該關(guān)系，通過回歸，使之恢復(fù)該關(guān)系。變量之間本身不具有某種關(guān)系，通過回歸，抓主要矛盾，使之近似具有某種關(guān)系。5.1.1回歸分析回歸分析可能應(yīng)用的領(lǐng)域

處理兩個(gè)或兩個(gè)以上變量之間的相關(guān)關(guān)系第六頁，共113頁。樣本觀察（散點(diǎn)圖）選擇恰當(dāng)?shù)哪Ｐ痛_定模型參數(shù)回歸效果檢驗(yàn)預(yù)測和控制數(shù)據(jù)采集第七頁，共113頁。一元線性回歸分析一元線性回歸方程參數(shù)的求解有聯(lián)系的兩個(gè)變量：X與Y由觀察和實(shí)驗(yàn)得到n對(duì)數(shù)據(jù)：(x1,y1),(x2,y2),······,(xn,yn)用散點(diǎn)圖描述收集到的點(diǎn)：兩變量之間大致成線形關(guān)系：數(shù)學(xué)公式表達(dá)yx0第八頁，共113頁。方法和過程設(shè)

可得一元線性回歸方程參數(shù)的求解第九頁，共113頁。由此得出回歸方程：求解得第十頁，共113頁。分析可表示為lyy=U+Q通過x對(duì)y的線性相關(guān)關(guān)系而引起的分散性剩余部分引起的y的分散性回歸方程效果的檢驗(yàn)1）平方和分解公式第十一頁，共113頁。F體現(xiàn)了x與y的線性相關(guān)關(guān)系的相對(duì)大小F值相當(dāng)大F值比較小x與y有線形相關(guān)關(guān)系x與y沒有線形相關(guān)關(guān)系2）F檢驗(yàn)第十二頁，共113頁。F檢驗(yàn)的一般程序計(jì)算U、Q，得出F值對(duì)給定的檢驗(yàn)標(biāo)準(zhǔn)α，查自由度為1，n-2的F分布臨界值表，得臨界值λ：P（F>λ）＝α

比較F值與λ值的大小

F>λ

F<λx,y間具有線性相關(guān)關(guān)系x,y間不具有線性相關(guān)關(guān)系第十三頁，共113頁。t服從自由度為n-2的T分布

3）t檢驗(yàn)第十四頁，共113頁。t檢驗(yàn)的一般程序計(jì)算t值對(duì)給定的檢驗(yàn)標(biāo)準(zhǔn)α，查自由度為n-2的t分布臨界值表，得臨界值λ：P（t>λ）＝α

比較t值與λ值的大小

t>λ

t<λx,y間具有線性相關(guān)關(guān)系x,y間不具有線性相關(guān)關(guān)系第十五頁，共113頁?？删€性化的非線性回歸指數(shù)函數(shù)模式冪函數(shù)模式雙曲線模式對(duì)數(shù)函數(shù)模式第十六頁，共113頁。線性化可線性化的非線性回歸指數(shù)函數(shù)模式兩邊取對(duì)數(shù)，并令a’=lnab’=b第十七頁，共113頁。線性化

兩邊取對(duì)數(shù)，并令a’=lnax’=lnx冪函數(shù)模式第十八頁，共113頁。線性化雙曲線模式令第十九頁，共113頁。線性化令x’=lnx對(duì)數(shù)函數(shù)模式第二十頁，共113頁。設(shè)y與x1，x2，…，xk有線性關(guān)系，通過觀測或?qū)嶒?yàn)得到n組數(shù)據(jù)：（x11，x21，…，xk1，y1）（x12，x22，…，xk2，y2）…………（x1n，x2n，…，xkn，yn）則它們之間的線性關(guān)系可表示成：(對(duì)于某些非線性的關(guān)系，可通過適當(dāng)?shù)淖儞Q化為形式上的線性模式。)

多元線性回歸分析多元線性回歸方程參數(shù)的求解第二十一頁，共113頁。設(shè)Q（b0，b1，…，bk）=∑[yt-（bo+b1x1t+…+bkxkt）]2

為了使Q達(dá)到最小值，應(yīng)滿足：第二十二頁，共113頁。由上式可以推得：其中，第二十三頁，共113頁。lyy=Q+U回歸方程效果的檢驗(yàn)1）平方和分解公式第二十四頁，共113頁。F服從自由度為k，n-k-1的F分布。F檢驗(yàn)的一般程序如下：①計(jì)算F值；②對(duì)于給定的檢驗(yàn)標(biāo)準(zhǔn)α，查自由度為k，n-k-1的F分布臨界值表，得臨界值λ:P（F>λ）=α；③比較F值與λ值的大小。如果F>λ，則認(rèn)為線性回歸方程效果是顯著的；反之，則認(rèn)為是不顯著的。2）F檢驗(yàn)第二十五頁，共113頁。3）各自變量影響程度大小的判別在實(shí)際的信息分析工作中，我們還經(jīng)常會(huì)關(guān)心在y對(duì)x1，x2，…，xk的線性回歸中，哪些因素很重要，哪些因素不太重要。這就需要對(duì)回歸方程的每個(gè)自變量都進(jìn)行顯著性檢驗(yàn)。第二十六頁，共113頁。關(guān)于xi變量顯著性檢驗(yàn)的一般程序：①計(jì)算ti值；②對(duì)于給定的檢驗(yàn)標(biāo)準(zhǔn)α，查自由度為n-k-1的t分布臨界值表，得臨界值λ：P（t>λ）=α；③比較ti值與λ值的大小。如果ti>λ，則說明xi對(duì)y的影響顯著，必須保留xi在回歸方程中；否則，應(yīng)去掉xi重新建立回歸方程。3）各自變量影響程度大小的判別第二十七頁，共113頁?；貧w分析的實(shí)際應(yīng)用例：已知某年中國各地區(qū)城鎮(zhèn)居民平均每人全年可支配收入和消費(fèi)性支出兩個(gè)變量，試?yán)蒙鐣?huì)科學(xué)統(tǒng)計(jì)分析軟件SPSS對(duì)上表中的數(shù)據(jù)進(jìn)行回歸分析。第二十八頁，共113頁。第二十九頁，共113頁。（1）作散點(diǎn)圖

第三十頁，共113頁。（2）方差分析

第三十一頁，共113頁。查自由度為1，29的F分布臨界值表得λ=7.60(α=0.01)F=862.501>7.60，所以可支配收入與消費(fèi)性支出之間具有強(qiáng)線性相關(guān)關(guān)系?；貧w方程為消費(fèi)性支出=0.772×可支配收入+126.005

第三十二頁，共113頁。（3）預(yù)測值與殘差

通過SPSS，可以按要求輸出消費(fèi)性支出的預(yù)測值、殘差和標(biāo)準(zhǔn)化殘差。第三十三頁，共113頁。（3）預(yù)測值與殘差

通過SPSS，可輸出消費(fèi)性支出的預(yù)測值、殘差和標(biāo)準(zhǔn)化殘差。第三十四頁，共113頁。5.1.2聚類分析

聚類是把一組個(gè)體按照相似性歸成若干個(gè)類別，即物以類聚。其目的是使得屬于同一類別的個(gè)體之間的距離盡可能地小，而不同類別上的個(gè)體間的距離盡可能地大。

第三十五頁，共113頁。聚類分析的基本思想是在樣品之間定義距離，在變量之間定義相似系數(shù)。距離或相似系數(shù)代表樣品或變量之間的相似程度。例如，在分層聚類中，按相似程度的大小，將樣品或變量逐一歸類，關(guān)系密切的樣品或變量聚集到一個(gè)小的分類單位，然后逐步擴(kuò)大，使得關(guān)系疏遠(yuǎn)的樣品或變量聚集到一個(gè)大的分類單位，直到所有的樣品或變量都聚集完畢，形成一個(gè)表示親疏關(guān)系的譜系圖，再對(duì)譜系圖進(jìn)行分析，并按照要求對(duì)樣品或變量進(jìn)行分類。相似性程度是聚類所依據(jù)的標(biāo)準(zhǔn)，樣品間的相似性通常用距離進(jìn)行度量，而變量間的相似性通常用相似系數(shù)進(jìn)行度量。

第三十六頁，共113頁。分層聚類——HierarchicalClusterAnalysis分層聚類一開始將每個(gè)樣品看成是一類或一簇（cluster），然后從低到高創(chuàng)建一個(gè)聚類的層次。其中，最低層次的簇合并在一起創(chuàng)建下一個(gè)較高層次的簇；這一層次的簇再合并在一起，進(jìn)一步創(chuàng)建更高層次的簇。

第三十七頁，共113頁。用分層聚類法聚類時(shí)，聚多少類為合適是一個(gè)很實(shí)際的問題。一個(gè)較好的聚類應(yīng)該在類內(nèi)各樣品盡可能相似的前提下，使得類的個(gè)數(shù)盡可能少。對(duì)于相同的樣品對(duì)象，分層聚類在具體操作中，可采取不同的類間距離進(jìn)行計(jì)算，并得到不同的分類結(jié)果。哪個(gè)結(jié)果更能反映樣品對(duì)象本身的客觀分類，這種判斷的正確與錯(cuò)誤將直接決定分層聚類法在實(shí)際應(yīng)用中的價(jià)值。第三十八頁，共113頁。例：表中顯示的是某年度20個(gè)代表性地區(qū)農(nóng)村居民家庭平均每人生活消費(fèi)現(xiàn)金支出情況。試用SPSS進(jìn)行分層聚類。在層次聚類的參數(shù)選擇中，選擇按樣品聚類；聚類指標(biāo)為食品、衣著、居住、家庭設(shè)備及服務(wù)、醫(yī)療保健、交通和通訊、文教娛樂用品及服務(wù)、其他商品及服務(wù)；樣品間的距離采用歐式距離；類間距離分別采用最短距離、最長距離和重心距離，不同的類間距離算法適合不同的聚類形狀，在不了解聚類形狀之前，可嘗試多種類間距離算法并對(duì)不同的分類效果進(jìn)行比較分析。

第三十九頁，共113頁。第四十頁，共113頁。①最短距離法譜系圖第四十一頁，共113頁。聚類過程第四十二頁，共113頁。②最長距離法譜系圖第四十三頁，共113頁。聚類過程第四十四頁，共113頁。③重心距離法譜系圖第四十五頁，共113頁。聚類過程第四十六頁，共113頁。主要特征——可以根據(jù)需要預(yù)先確定k個(gè)聚類。根據(jù)選定的k值，聚類可以產(chǎn)生兩個(gè)完全極端的結(jié)果。如果設(shè)k等于1，就可能會(huì)得到一個(gè)沒有意義的結(jié)果，因?yàn)樗械臄?shù)據(jù)會(huì)歸類到一個(gè)節(jié)點(diǎn)中。另一個(gè)極端是設(shè)k等于樣品數(shù)，同樣也會(huì)得到一個(gè)毫無意義的結(jié)果。任何其他的聚類個(gè)數(shù)取決于k值，對(duì)于k值的選取沒有一個(gè)固定的規(guī)則，常常需要對(duì)各種取值進(jìn)行反復(fù)試驗(yàn)。

快速聚類——K-meansClusterAnalysis

第四十七頁，共113頁。快速聚類示意圖第四十八頁，共113頁。例：對(duì)上例表中顯示的某年代20個(gè)代表性地區(qū)農(nóng)村居民家庭平均每人生活消費(fèi)現(xiàn)金支出情況，用SPSS進(jìn)行快速聚類。第四十九頁，共113頁。第五十頁，共113頁。第五十一頁，共113頁。在降維思想指導(dǎo)下產(chǎn)生的一種有效處理高維數(shù)據(jù)的方法。在實(shí)際問題研究中，往往會(huì)涉及眾多相關(guān)的變量。雖然所涉及的每個(gè)變量都提供了一定的信息，但其重要性不同，且在很多情況下，變量間有一定的相關(guān)性，從而使得這些變量所提供的信息在一定程度上有所重疊。信息的重疊越大，變量間的相關(guān)性也越大。如何對(duì)這些變量加以“改造”，用為數(shù)較少的、互不相關(guān)的、不可直接測量的新變量來反映原變量所提供的絕大部分信息，并通過對(duì)新變量的分析達(dá)到解決問題的目的，是基于主成分的因子分析法核心思想。5.1.3主成分分析第五十二頁，共113頁。實(shí)踐中，反映某個(gè)問題的可直接測量的變量很多（例如國家信息化測評(píng)指標(biāo)），并且這些變量之間存在相關(guān)性。因此，該方法的應(yīng)用極其廣泛。通常，在分析過程中，選取m（m<p）個(gè)主成分，使前m個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到較高的比例（如80%～90%）。這樣，用前m個(gè)主成分Z1，Z2，…，Zm代替原始變量X1，X2，…，Xp，不但使變量維數(shù)降低（在原始變量反映信息重疊較多的情況下，基于主成分的因子分析往往可以只取1～3個(gè)主成分來代替十多個(gè)甚至數(shù)十個(gè)原始變量），而且也不致于損失原始變量中太多的信息。第五十三頁，共113頁。國家信息化測評(píng)指標(biāo)每千人廣播電視播出時(shí)間人均帶寬擁有量人均電話通話次數(shù)長途光纜長度微波占有信道數(shù)衛(wèi)星站點(diǎn)數(shù)每百人擁有電話主線數(shù)每千人有線電視臺(tái)數(shù)每百萬人互聯(lián)網(wǎng)用戶數(shù)

每千人擁有計(jì)算機(jī)數(shù)每百戶擁有電視機(jī)數(shù)網(wǎng)絡(luò)資源數(shù)據(jù)庫總?cè)萘侩娮由虅?wù)交易額

企業(yè)信息技術(shù)類固定投資占同期固定資產(chǎn)投資的比重信息產(chǎn)業(yè)增加值占GDP比重信息產(chǎn)業(yè)對(duì)GDP增長的直接貢獻(xiàn)率信息產(chǎn)業(yè)研究與開發(fā)經(jīng)費(fèi)支出占全國研究與開發(fā)經(jīng)費(fèi)支出總額的比重信息產(chǎn)業(yè)基礎(chǔ)設(shè)施建設(shè)投資占全部基礎(chǔ)設(shè)施建設(shè)投資比重每千人中大學(xué)畢業(yè)生比重信息指數(shù)第五十四頁，共113頁。例：表中顯示了某年省會(huì)城市和計(jì)劃單列市的主要經(jīng)濟(jì)指標(biāo)，通過主成分分析，試圖得出各城市的綜合經(jīng)濟(jì)得分并排列名次。第五十五頁，共113頁。第五十六頁，共113頁。第五十七頁，共113頁?！?.2時(shí)間序列分析法第五十八頁，共113頁。時(shí)間序列分析方法的類型第五十九頁，共113頁。第六十頁，共113頁。移動(dòng)平均法是對(duì)簡單平均法的改進(jìn)。簡單平均法不能反映時(shí)間序列中的高數(shù)點(diǎn)和低數(shù)點(diǎn)，也不能反映變量的發(fā)展過程和變化趨勢。5.2.1移動(dòng)平均法第六十一頁，共113頁。一次移動(dòng)平均基本公式和遞推公式第六十二頁，共113頁。二次移動(dòng)平均基本公式和遞推公式第六十三頁，共113頁。模型建立與預(yù)測

在移動(dòng)平均方法中，n值是關(guān)鍵參數(shù)，n值越大，波動(dòng)曲線的“修勻”效果越顯著，但對(duì)變化反映的靈敏度降低，對(duì)趨勢反映滯后大。

第六十四頁，共113頁。一次指數(shù)平滑1）基本公式5.2.2指數(shù)平滑法第六十五頁，共113頁。2）平滑指數(shù)α的含義及取值當(dāng)α=0時(shí)，即平滑值維持不變；當(dāng)α=1時(shí)，即平滑值等于最新的觀察值。通常，α選得小一些，預(yù)測值趨向就較平穩(wěn)，“修勻”效果越顯著；α選得大一些，近期數(shù)據(jù)所占的比重越大，對(duì)變化的反映越靈敏，但“修勻”的效果越不明顯。α的取值反映新舊數(shù)據(jù)的分配比例直接影響預(yù)測結(jié)果依賴于影響程度遠(yuǎn)期近期未來預(yù)測結(jié)果對(duì)α的依賴性第六十六頁，共113頁。α值越小，“修勻”效果越顯著。即：

在實(shí)際應(yīng)用中，一般取α值與n值的關(guān)系第六十七頁，共113頁。

α的選擇影響預(yù)測效果。一般根據(jù)時(shí)間序列的特點(diǎn)和經(jīng)驗(yàn)確定：α取值的經(jīng)驗(yàn)選擇1）如果時(shí)間序列的長期趨勢較穩(wěn)定，應(yīng)取較小值，如0.05～0.202）如果時(shí)間序列具有迅速明顯的變動(dòng)趨向時(shí)，應(yīng)取較大值，如0.3～0.7第六十八頁，共113頁。當(dāng)實(shí)際數(shù)據(jù)較多（50個(gè)以上）時(shí)，初始值的影響將逐步被平滑而降低到很小，此時(shí)，可取最早的數(shù)據(jù)作初始值，即：當(dāng)實(shí)際數(shù)據(jù)較少（20個(gè)以內(nèi)）時(shí)，初始值影響較大，可以取最初幾個(gè)實(shí)際值的平均值作初始值。值的確定第六十九頁，共113頁。二次指數(shù)平滑——對(duì)一次指數(shù)平滑值再進(jìn)行一次平滑

第七十頁，共113頁。線性指數(shù)平滑模型的一般形式：at與bt為平滑系數(shù)（at為截距，bt為斜率）

模型與計(jì)算

——為改善預(yù)測效果，建立線性指數(shù)平滑模型再預(yù)測第七十一頁，共113頁。三次指數(shù)平滑1）基本公式第七十二頁，共113頁。2）平滑模型的建立第七十三頁，共113頁。

對(duì)稱的生長曲線又稱：邏輯（Logistic）曲線或珀?duì)枺≒earl）曲線

不對(duì)稱的生長曲線又稱：龔珀茲（Gompertz）曲線

生長曲線法是利用生長曲線模型來描述事物發(fā)生、發(fā)展和成熟的全過程的方法。5.2.3生長曲線法第七十四頁，共113頁。邏輯曲線1）數(shù)學(xué)模型

——由美國統(tǒng)計(jì)學(xué)家珀?duì)枺╬earl）提出（其中，k>0，a>0，b>0）第七十五頁，共113頁。邏輯曲線具有的數(shù)學(xué)特征：①當(dāng)t→∞

時(shí)，y→k，即k是y值變化的上限；

②在（－∞，＋∞）上，y’>0，該曲線單增，無極值。③當(dāng)y=0，y=k和y=k/2時(shí)，y”=0，表明該曲線在其單增區(qū)間內(nèi)，y=k/2是唯一拐點(diǎn)，拐點(diǎn)的上下兩部分相對(duì)于拐點(diǎn)是對(duì)稱的。又求得：t=(lna)/b∴該曲線的拐點(diǎn)為((lna)/b，k/2)④通過改變a或b的數(shù)值，可以對(duì)它的形狀和位置獨(dú)立地進(jìn)行控制。改變a只影響曲線位置，而不改變其形狀；相反，改變b只影響形狀而不改變其位置。第七十六頁，共113頁。2）模型系數(shù)的確定

確定系數(shù)k,a,b的方法

①線性回歸法第七十七頁，共113頁。②三段和值法第七十八頁，共113頁。三段和值法解決問題的基本出發(fā)點(diǎn)是將整個(gè)時(shí)間序列分為三個(gè)相等的時(shí)間周期。假定有3n組數(shù)據(jù)（t0，Y0），（t1，Y1），…，（tn-1，Yn-1）；（tn，Yn），（tn+1，Yn+1），…，（t2n-1，Y2n-1）；（t2n，Y2n），（t2n+1，Y2n+1），…，（t3n-1，Y3n-1），n為任意整數(shù)。一般來說，n值越大，估計(jì)的精度就越高。如果該時(shí)間序列不是3的倍數(shù)，即存在3n+1或3n+2組數(shù)據(jù)的情形，可采取舍去遠(yuǎn)期1組或2組數(shù)據(jù)的方式，預(yù)先對(duì)該時(shí)間序列進(jìn)行處理。上述3n組數(shù)據(jù)應(yīng)分別滿足式5-34。若以i代ti（i=0，1，…，（3n-1）），則可得下述三組方程組：第七十九頁，共113頁。第八十頁，共113頁。第八十一頁，共113頁。龔珀茲曲線1）數(shù)學(xué)模型由英國統(tǒng)計(jì)學(xué)家和數(shù)學(xué)家龔珀茲（B.Gompertz）提出

其中，k>0，0<a<1，0<b<1第八十二頁，共113頁。龔珀茲曲線具有的數(shù)學(xué)特征：

①當(dāng)t→-∞時(shí)，y→0；當(dāng)t→∞時(shí)，y→k，即y值在0～k之間變化，k為上限；②將代入得由上式可知，除y=0和y=k外，在0～k之間的一切y值均不能使等于0，即該曲線是單調(diào)的，無極值。第八十三頁，共113頁。龔珀茲曲線具有的數(shù)學(xué)特征：③

曲線的拐點(diǎn)

由于k/e<k/2，故龔珀茲曲線的拐點(diǎn)位置比邏輯曲線的拐點(diǎn)更低，龔珀茲曲線拐點(diǎn)前后兩部分是不對(duì)稱的。

④t=0時(shí)，y=ka，即曲線與y軸相交點(diǎn)為（0，ka）。

第八十四頁，共113頁。2）模型系數(shù)的確定

具有代表性的模型系數(shù)確定的方法：線性回歸法三段和值法第八十五頁，共113頁。時(shí)間序列的結(jié)構(gòu)形式

影響時(shí)間序列值的因素趨勢（T）因素：當(dāng)時(shí)間序列值依時(shí)間變化時(shí)，表現(xiàn)出某種傾向（如線性、指數(shù)曲線或S型曲線趨勢）。它影響時(shí)間序列值的主導(dǎo)因素；循環(huán)（C）因素：它是周期不固定的波動(dòng)變化（如經(jīng)濟(jì)危機(jī)）產(chǎn)生的原因；季節(jié)變動(dòng)（S）因素：它是周期相對(duì)固定（如一年四季）的波動(dòng)變化產(chǎn)生的原因；不規(guī)則變動(dòng)（I）因素：它是指許多外生的不易控制的因素。這些因素的出現(xiàn)帶有很大的隨機(jī)性。

時(shí)間序列分解法第八十六頁，共113頁。若以Yt表示時(shí)間序列值，Tt、Ct、St、It分別表示趨勢、周期、季節(jié)變動(dòng)和不規(guī)則變動(dòng)，則時(shí)間序列值可分解為以下3種模式：①加法模式：Yt=Tt＋Ct＋St＋I(xiàn)t②乘法模式：Yt=TtCtStIt③混合模式：Yt=TtCtSt＋I(xiàn)t第八十七頁，共113頁。分解出Tt與Ct

分解出St與It從StIt中分解出St

從TtCt序列中分解出Ct時(shí)間序列的傳統(tǒng)分解第八十八頁，共113頁。常用時(shí)間序列分解預(yù)測法1）同季平均法同季平均法分析具有季節(jié)變化的時(shí)間序列并在此基礎(chǔ)上進(jìn)行預(yù)測的最簡單的方法，主要適用于受季節(jié)變化影響而無明顯趨勢變化的時(shí)間序列。包括兩個(gè)步驟：一是將歷年同季數(shù)據(jù)的平均值與各季總平均值相比，求得季節(jié)系數(shù)；二是以最近一年的各季平均值分別乘以各季節(jié)系數(shù)，即得來年各季的預(yù)測值。

第八十九頁，共113頁。常用時(shí)間序列分解預(yù)測法2）季節(jié)系數(shù)法季節(jié)系數(shù)法：分析具有趨勢變化和季節(jié)變化的時(shí)間序列并在此基礎(chǔ)上進(jìn)行預(yù)測的一種方法。步驟：通過分析數(shù)據(jù)的趨勢變化和季節(jié)波動(dòng)規(guī)律，建立趨勢變動(dòng)模型，求出季節(jié)系數(shù)，然后再用季節(jié)系數(shù)去修正反映趨勢變化的模型。方法基于的思想：趨勢是時(shí)間序列在整個(gè)長時(shí)期內(nèi)的平均運(yùn)動(dòng)，是制約時(shí)間序列波動(dòng)的主導(dǎo)因素，而其它各因素引起的波動(dòng)只能算是對(duì)趨勢的偏離。

第九十頁，共113頁?！?.3系統(tǒng)動(dòng)力學(xué)方法第九十一頁，共113頁。系統(tǒng)動(dòng)力學(xué)（SystemDynamics）是一門認(rèn)識(shí)系統(tǒng)問題和解決系統(tǒng)問題的交叉的綜合性新學(xué)科。該方法所要解決的，主要是如何定量地分析各類復(fù)雜系統(tǒng)的結(jié)構(gòu)與功能的內(nèi)在聯(lián)系，如何定量地分析系統(tǒng)的各種特性等問題。

第九十二頁，共113頁。5.3.1系統(tǒng)動(dòng)力學(xué)的概念和特點(diǎn)基本概念系統(tǒng)與邊界因果鏈及因果關(guān)聯(lián)圖反饋、反饋系統(tǒng)與反饋回路流圖

第九十三頁，共113頁。流圖

系統(tǒng)動(dòng)力學(xué)把系統(tǒng)中物質(zhì)和信息的運(yùn)動(dòng)都想象成流體的運(yùn)動(dòng)，物質(zhì)的運(yùn)動(dòng)形成物質(zhì)流，信息的運(yùn)動(dòng)形成信息流，流圖就是為描述系統(tǒng)的運(yùn)動(dòng)而專門設(shè)計(jì)的一套特殊的符號(hào)圖。第九十四頁，共113頁。5.3.1系統(tǒng)動(dòng)力學(xué)的概念和特點(diǎn)特點(diǎn)1）系統(tǒng)動(dòng)力學(xué)把相關(guān)問題作為信息反饋系統(tǒng)來研究，認(rèn)為在每個(gè)系統(tǒng)中都存在著信息反饋機(jī)制。這正是控制論的主要觀點(diǎn)，系統(tǒng)動(dòng)力學(xué)以此為理論基礎(chǔ)。2）系統(tǒng)動(dòng)力學(xué)把一切社會(huì)經(jīng)濟(jì)系統(tǒng)的運(yùn)動(dòng)都假想成流體的運(yùn)動(dòng)。3）系統(tǒng)動(dòng)力學(xué)特別適于研究與處理高階數(shù)、多回路、非線性的復(fù)雜系統(tǒng)問題。

第九十五頁，共113頁。5.3.2系統(tǒng)動(dòng)力學(xué)建模步驟

福瑞斯特教授建議按照下列10個(gè)步驟來建立系統(tǒng)動(dòng)力學(xué)模型：

（1）明確問題。（2）找出造成問題癥狀的因素。（3）找出決策與行為間的因果信息反饋環(huán)路。（4）定出可采納的正式政策。（5）建立數(shù)學(xué)模型。（6）以計(jì)算機(jī)模擬產(chǎn)生隨系統(tǒng)時(shí)間變化的模型行為。（7）將模擬的結(jié)果與真實(shí)系統(tǒng)進(jìn)行比較。（8）修正模型設(shè)計(jì)，以符合真實(shí)情況。（9）針對(duì)系統(tǒng)問題癥狀的改善，重新設(shè)計(jì)模型內(nèi)各元素間的組成關(guān)系與政策。（10）參考模型政策模擬的結(jié)果，應(yīng)用于真實(shí)系統(tǒng)以期改變系統(tǒng)現(xiàn)狀及改善和解決問題。第九十六頁，共113頁。5.3.3系統(tǒng)動(dòng)力學(xué)建模軟件DYNAMO模型軟件

美國麻省理工學(xué)院的普夫（AlexanderPughL）依據(jù)系統(tǒng)動(dòng)力學(xué)中無限分割、以不變代變和遞推的思想方法，設(shè)計(jì)了系統(tǒng)動(dòng)力學(xué)專用仿真語言DYNAMO，其基本思想是充分認(rèn)識(shí)系統(tǒng)中的反饋和延遲，并按一定規(guī)則建立流圖式的結(jié)構(gòu)模型，從而實(shí)現(xiàn)對(duì)復(fù)雜大系統(tǒng)的模擬。

第九十七頁，共113頁。5.3.3系統(tǒng)動(dòng)力學(xué)建模軟件Vensim模型軟件

Vensim是一個(gè)可視化的建模工具，可用于抽取、驗(yàn)證、模擬、分析和優(yōu)化動(dòng)態(tài)系統(tǒng)模型。它是一個(gè)基于視窗界面的系統(tǒng)動(dòng)力學(xué)建模工具，提供了功能強(qiáng)大的圖形編輯環(huán)境。

第九十八頁，共113頁。5.3.4系統(tǒng)動(dòng)力學(xué)模型的建立

以網(wǎng)絡(luò)系統(tǒng)為例,分析步驟:①明確實(shí)際問題，界定網(wǎng)絡(luò)系統(tǒng)。②根據(jù)實(shí)際網(wǎng)絡(luò)系統(tǒng)，構(gòu)造因果反饋環(huán)。③根據(jù)經(jīng)驗(yàn)數(shù)據(jù)資料，分析反饋環(huán)，繪制系統(tǒng)流圖。④建立系統(tǒng)動(dòng)力學(xué)模型。⑤模型檢驗(yàn)、調(diào)試和運(yùn)行。⑥仿真結(jié)果分析。⑦提出結(jié)論或建議。第九十九頁，共113頁。5.3.4系統(tǒng)動(dòng)力學(xué)模型的建立系統(tǒng)動(dòng)力學(xué)方法研究網(wǎng)絡(luò)系統(tǒng)的適用性分析①可以很好地適用于研究網(wǎng)絡(luò)系統(tǒng)的動(dòng)態(tài)性。②可以很好地適用于研究網(wǎng)絡(luò)系統(tǒng)的復(fù)雜性。③可以很好地適用于研究網(wǎng)絡(luò)系統(tǒng)的反饋性。④可以很好地適用于研究網(wǎng)絡(luò)系統(tǒng)的長期性、周期性。⑤可以很好地適用于對(duì)數(shù)據(jù)不足的問題進(jìn)行研究。

第一百頁，共113頁。模型1）模型的流圖第一百零一頁，共113頁。2）反饋環(huán)分析

原因樹用來跟蹤原因，這可以有效地發(fā)現(xiàn)什么導(dǎo)致了某件事的發(fā)生。圖5-14結(jié)果樹可使用戶跟蹤使用所選中變量的所有變量，顯示所選中變量對(duì)哪些變量的結(jié)果產(chǎn)生影響。圖5-15在原因樹和結(jié)果樹的基礎(chǔ)之上，我們可以進(jìn)一步分析流圖中的反饋環(huán)。3）模型的系統(tǒng)動(dòng)力學(xué)方程4）模型語法和單位錯(cuò)誤檢測

第一百零二頁，共113頁。模擬結(jié)果和分析基于實(shí)際問題從不同角度研究模擬模型的行為特征，如新增網(wǎng)民的變化、網(wǎng)民的增減、站點(diǎn)的變化、實(shí)際共享的變化等。在同一個(gè)圖中比較國際出口帶寬、網(wǎng)站數(shù)、網(wǎng)民和實(shí)際共享的動(dòng)態(tài)趨勢（圖5-16）。比較和分析新增網(wǎng)民在不同假設(shè)條件下的輸出。表5-22顯示了不同模擬環(huán)境下的常量值。

還可從其他角度觀察網(wǎng)絡(luò)系統(tǒng)模型的模擬，如對(duì)共享系數(shù)、實(shí)際共享、擁塞影響因子、國際出口帶寬、網(wǎng)民、網(wǎng)站數(shù)等變量在不同假定常量值的模擬環(huán)境下的輸出進(jìn)行比較和分析。

第一百零三頁，共113頁。圖5-16模型的模擬結(jié)果（Ⅰ）第一百零四頁，共113頁。期望共享上網(wǎng)時(shí)間系數(shù)站點(diǎn)退出的時(shí)間成為網(wǎng)民的時(shí)間條件1