[经济学]时间序列预测与回归分析模型.ppt

2.1时间序列预测
2.2回归分析模型

指同一变量按发生时间的先后排列起来的一组观察值或记录值。
例如：1990-2008年我国国内工业生产总值；
某类型的汽车2000-2009年的年销售量；
某省1985-2008年工业燃料消费量；
某证券交易所2009年全年每个交易日的收盘指数。根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型，分析其随时间的变化趋势，对预测目标进行外推的定量预测方法。
时间序列预测方法常用在国民经济宏观控制，企业经营管理，市场潜量预测，气象预报等方面。
主要介绍：移动平均、指数平滑。根据时间序列资料逐项推移，依次计算包含一定项数的序时平均值，以反映长期变化趋势。
适用于短期预测。
移动平均法能有效地消除预测中的随机波动。
不足：
（1）不能很好地反映出未来趋势；
（2）需要大量的过去数据的记录。选定一个长度为n的时期，计算n个观测值的均值来预测未来的值，即将最近的k期数据加以平均，作为下一期的预测值。
移动平均的计算公式：移动平均法实验过程：
（1）工具—数据分析—移动平均；
（2）得到不同n值对应的Mt和Y。例1：某公司专营某品牌洗涤剂，过去一个月内该洗涤剂的日销售量数据如下，根据上个月的销售情况来预测本月的销售量。上页用过去数据的加权平均数作为预测值，即第t+1期的预测值等于第t期的实际观察值与第t期预测值的加权平均值。（指数平滑法是加权平均的一种特殊的形式，观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑）
优点：
（1）只需一个最近时期观测值的权数，其他时期数据的权数可自动推算；适用于短期预测。
（2）需要数据量较少，只需前一期的实际观测值及前一期的预测值。由于在开始计算时，还没有第1个时期的预测值F1,通常可以设F1等于1期的实际观察值，即F1=Y1。因此第2期的预测值为：
F2=aY1+(1-a)F1=aY1+(1-a)Y1=y1
3期的预测值为：
F3=aY2+(1-a)F2=aY2+(1-a)Y1
以后各期以此类推指数平滑的计算公式：指数平滑实验过程：
（1）工具—数据分析—指数平滑；
（2）得到不同a值对应的St（1）和平方误差。上页相关与回归分析相关与回归分析的基本概念（函数关系）变量间的关系（函数关系）2.相关关系：当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。
现象之间客观存在的不严格、不确定的数量依存关系。变量间的关系（相关关系）（相关关系）相关关系的种类（1）正相关：两个相关现象间，当一个变量的数值增加（或减少）时，另一个变量的数值也随之增加（或减少），即同方向变化。
例如收入与消费的关系。
（2）负相关：当一个变量的数值增加（或减少）时，而另一个变量的数值相反地呈减少（或增加）趋势变化，即反方向变化。
例如物价与消费的关系。相关分析与回归分析（二）相关分析与回归分析的区别（三）相关分析与回归分析的联系定性分析(二)相关图：又称散点图。将x置于横轴上，y置于纵轴上，将（x,y）绘于坐标图上。用来反映两变量之间相关关系的图形。简单线性相关与回归分析相关系数的特点3.如果|ｒ|=1，则表明Ｘ与Ｙ完全线性相关，当ｒ=1时，称为完全正相关，
而ｒ=-1时，称为完全负相关。
4.ｒ是对变量之间线性相关关系的度量。
ｒ=0只是表明两个变量之间不存在线性关系，它并不意味着Ｘ与Ｙ之间不存在其他类型的关系。相关关系的测度（相关系数取值及其意义）什么是回归分析？（内容）回归模型与回归方程回归模型回归模型的类型一元线性回归模型（概念要点）回归方法回归方法回归方法回归方法回归方法回归方法线性回归分析1、字体安装与设置