统计学案例集(8)

2020-08-23 21:19

《统计学》精品课程建设

利用该组合模型进行预测,其结果见表10。

表10 组合模型预测结果 年 份 预测值(万元) 预测相对误差(%) 1999年 8526540 -6.49 2000年 9529310 -8.34 教师点评:①随机性时间序列分析是从系统的观点出发,既考虑到时间序列的确定性趋势,又考虑到它的随机波动性,在描述现实经济现象时,往往能得到令人满意的效果;②组合模型的经济含义较ARIMA模型为强;③案例中所讨论的组合模型实质为:回归模型+时间序列模型。 (三) 综合点评

我们对烟台市的GDP数据进行了多种预测方法的尝试,得出了预测结果,并计算出预测的相对误差。其中最大的误差值达到-17.68%,是由平均发展速度法所得出的;最小的只有-0.518%,是由ARIMA模型预测法所得到。总的看来,随机性时间序列分析的预测误差较确定性时间序列分析的为小;而时间序列模型法的预测误差又较指标法的为小。总之,在案例中解决问题的方案不是唯一的,但存在一个比较优良的解决方案,学生们应该根据限制条件在各种方案的优缺点比较中找出比较优良的方案。

六、 需要讨论和解决的问题

(一) 课堂上需要讨论的内容

学生可以分成小组,根据学生所学知识,对本案例进行分析,提交分析报告,在课堂上由老师组织讨论和交流。讨论的具体内容包括:

1. 试述时间序列分析的基本思想;

2. 在移动平均分析中,移动项数N如何选择;

3. 指数平滑中,平滑系数的选择十分重要,?值既代表模型对时间序列变化的反应速度,又决定预测中修匀随机误差的能力,应如何进行平滑系数的选择;

4. 在进行随机性时间序列分析时,模型检验结果的含义及如何进行模型的选优; 5. 让学生分析和比较各种不同预测方法的特点、适用条件和在计算过程中应该注意的问题等,并对预测效果作出评价;

6. 指出各种预测方法的不足,提出改进措施;

31

《统计学》精品课程建设

7. 资料搜集与数据处理与数据处理应注意的问题 (1) 对所得的资料、数据如何进行初步诊别;

(2) 在进行多指标的时间序列分析时,要注意数据之间的可比性。包括:时间、空间、指标的内容和计算方法等;

(3) 对于无数量标志的因素,如何采用适当的方法使之数量化;

(4) 关于异常数据的处理;对于不真实的数据,或即使是真实数据,但不能反映预测变量正常变化情况的异常数据,应进行分析、处理。注意在数据不多的情况下,若将异常数据剔除掉,则会使数据更少,不利于建立合适的预测模型。因此,可以在分析产生异常数据原因的基础上,根据历史数据变化发展的趋势,对数据进行适当的处理[7]。

(二)需要进一步讨论的内容[8] 1. 认识回归分析和时间序列分析的异同

线性回归模型和时间序列模型是两类常用的预测模型。两者相比,各有千秋[9]。前者可含、也可不含解释变量的滞后项,而后者有自回归模型AR(p)、滑动平均模型MA(q)、自回归滑动平均模型ARMA(p,q);前者可以是年度、季度、月度模型,但不能揭示出被解释变量的非线性特征,而后者是季度或月度模型,能揭示出被解释变量的非线性特征;前者的解释变量涵义明确,政策分析性强,而后者的解释变量是被解释变量的滞后项或平滑项,政策分析性弱;前者的估计简单,直接使用最小二乘法,但对含解释变量的滞后项的回归模型,则需要识别它的阶数,而后者均需先估计它的阶数后,使用最小二乘法,利用前者进行预测时需要知道解释变量的值,这又是一个预测问题,而利用后者进行预测时不存在这个问题。

2. 了解组合模型的构造原理

本案例把回归模型和时间序列模型结合起来构成组合模型,研制出一种回归与时间序列加法模型,提高了拟合程度和预测能力。除此之外,我们还可以构造其它的组合预测,只要我们采用某种恰当的方法,把不同模型的计算结果综合起来,相互取长补短,就能达到提高预测精度和增加预测结果可靠性的效果[10]。

[7]

如果预测方法采用的时间序列分析法,则可将异常数据的前后两期数据取算术平均值或几何平均值作为异常数据的修正值。在具体选择时,若历史数据的变化呈线性趋势时,则宜采用算术平均值作为修正值。若历史数据的变化呈曲线趋势时,则宜用几何平均值作为修正值。 [8]

任课教师可以根据学生学习情况的不同,有针对性地组织该部分内容的讨论。 [9]

详见参考文献11。 [10]

详见参考文献12。

32

《统计学》精品课程建设

3. 掌握模型建立过程中,有关技术性问题

在预测过程中,建立预测模型会遇到一些技术性的问题(如:方程式法平均发展速度指标的计算问题,非线性模型的线性化问题,NLS估计的初始值选择问题,ARIMA模型理论估计与软件中的做法区别问题等),这些问题的解决,对学生独立思考问题的能力也是一个有益的训练。

4. 各种预测方法的特点

不同的预测方法有各自的特点:(1)预测的时间范围不同,有的适宜作短期预测,有的可以作中、长期预测;(2)条件不同,有的方法计算复杂,需要时间序列资料苛刻,有的则比较简单,对资料要求也不高;(3)适用场合不同,有的对任何时间序列资料均可,有的只适合于平稳发展的时间序列,有的对时间序列的具体变化形态还有要求;(4)预测精度不同,有的具有较高的精度,有的只是作一种趋势性的判定,建模者可以根据一些指标(如:①平方和误差:SSE③均方根误差:

1nnn??i?1?i?yi)2(y;②平均绝对误差:MAE?1nn?i?1?i?yiy;:

RMSE?1nn?i?(yi?1?yi)2;④平均绝对百分比误差

1nn[11]

MAPE??i?1?i?yiyyi?100;⑤均方百分比误差:MSPE??(i?1?iyi?yyi)2;⑥Theil不等系数[12]:

1TheilIC?1nnnn?i?(yi?1?yi)1nn2)[13]进行适当的选取。

yi2?i?1?iy2??i?1

附一:参考文献

1. 王振龙:《时间序列分析》,中国统计出版社,2000、2;

2. 易丹辉:《统计预测——方法与应用》,中国统计出版社,2001、4; 3. 王庆石、卢兴普:《统计学案例教材》,东北财经大学出版社,1999、12; 4. 江之源:《经济预测方法与模型》,西南财经大学出版社,1999、9; [11][12]

一般认为如果MAPE的值低于10,则认为预测精度较高。

根据均方误差的分解,还可以定义三个与希尔不等系数相关的指标。偏差率BP反映了预测值均值和实际值均值间的差异;方差率VP反映了它们标准差的差异;协变率CP反映了剩余的误差。值得说明的是:CP=1-BP-VP,当预测是比较理想时,均方误差大多数集中在协变率上,而其余两项都很小。 [13]

①、②和③属于绝对指标,其它属于相对指标建议使用。

33

《统计学》精品课程建设

5. 暴奉贤、陈宏立:《经济预测与决策方法》,暨南大学出版社,1991、12; 6. 庞皓、杨作廪:《统计学》,西南财经大学出版社,2001、2;

7. Pindyck,Rubinfeld著,钱小军译:《计量经济模型与经济预测》,机械工业出版社,1999、11;

8. 杨海山、苏永明:《统计学》,中国物资出版社,1999、2;

9. 王艳明、许启发:时间序列分析在经济预测中的应用,《统计与预测》,2001、6; 10. 杨海山:统计数据质量评估的组合模型,《统计与决策》,2001、7; 11. 葛新权:线性回归与时间序列加法预测模型,《预测》2000年第1期。

12. 周伟、王建军:陕西省国民经济发展的组合预测研究,《系统工程理论与实践》1998年第6期。

附二:分析软件

1. 办公自动化软件:EXCEL、ACCESS等 2. 统计软件:SPSS、SAS等 3. 计量经济软件:TSP、EVIEWS等

34

《统计学》精品课程建设

附三:时间序列预测方法的特点

附表 各种预测方法及其特点

方 法 定性预测法 时间范围 短、中、长期 适用情况 对缺乏历史统计资料或趋势面临转折的事件进行预测 当被预测项目的有关变量用时间表示时,用非线性回归 适用于一次性的短期预测或在使用其它预测方法前消除季节变动的因素 不带季节变动的反复预测 应做工作 需做大量的调查研究工作 只需要因变量的历史资料,但用趋势图作试探时很费时间 只需要序列的历史资料 只需要因变量的历史资料,但初次选择权数时很费劲 只需因变量的历史资料,是一切反复预测中最简单的方法,但建立模型所费的时间与自适应过滤不相上下 计算过程复杂、繁琐 收集大量历史资料和数据并需进行大量计算 趋势外推法 中期到长期 分解分析法 移动平均法 短期 短期 指数平滑法 短期 具有或不具有季节变动的反复预测 博克斯—詹金斯法 景气预测法 灰色预测法 状态空间模型和卡尔漫滤波

短期 短、中期 短、中期 短、中期 适用于任何序列的发展形态的一种高级预测方法 适用于时间序列趋势延续及转折预测 适用于时间序列的发展呈指数型趋势 收集对象的历史数据 适用于各类时间序列的预测 收集对象的历史数据并建立状态空间模型 35


统计学案例集(8).doc 将本文的Word文档下载到电脑 下载失败或者文档不完整,请联系客服人员解决!

下一篇:2005级计算机科学与技术a

相关阅读
本类排行
× 注册会员免费下载(下载后可以自由复制和排版)

马上注册会员

注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信: QQ: