統(tǒng)計預(yù)測與決策課設(shè)(存儲版)
【正文】 ?????????????????????????0 . 2 6 20 . 0 4 60 . 2 3 40 . 0 1 70 . 0 4 60 . 1 1 60 . 0 4 50 . 0 0 80 . 2 3 40 . 0 4 50 . 5 5 90 . 1 6 90 . 0 1 70 . 0 0 80 . 1 6 90 . 2 7 532124321343212432114321433212332123321133214232132321223211232141321313212132121tttttttttttttttttttttttttttttttttttttttttttteeeeeeeeeeeeeeeeeeeeeeeeeeeeE??????????????????????1E RER REW T 11??? ，其中， ? ?TR 1111? 可求出??????????????3 4 5 2 6 6 1 7 4 7 2 7 5 9 9 8 1 7 0 9 7 7 5 7 3 5 2 9 5 1 4 1 W 于是得到最優(yōu)組合預(yù)測模型，將各方法下的預(yù)測結(jié)果列于表 9， 時序 t 年份 真實值 組合 預(yù)測值 1 1978 615 —— 2 1979 668 3 1980 762 4 1981 772 5 1982 798 6 1983 826 7 1984 974 8 1985 1148 9 1986 1329 10 1987 1459 11 1988 1747 12 1989 1935 13 1990 2140 24 14 1991 2340 15 1992 2711 16 1993 3371 17 1994 4538 18 1995 5500 19 1996 6210 20 1997 6470 21 1998 7479 22 1999 8346 23 2020 9371 24 2020 10870 25 2020 12422 26 2020 14040 27 2020 16024 28 2020 18364 29 2020 21001 30 2020 24932 31 2020 29229 32 2020 32736 33 2020 37147 34 2020 —— 表 9 各個模型預(yù)測結(jié)果及誤差的比較： 回歸預(yù)測 指數(shù)預(yù)測 二次曲線 灰色預(yù)測 組合預(yù)測 2020 年的預(yù)測值 誤差均方和 通過對原始數(shù)據(jù)建立的各種模型，并利用模型對歷年全國職工平均工資進行預(yù)測，作回歸預(yù)測、指數(shù)預(yù)測、二次曲線指數(shù)平滑法預(yù)測、灰色預(yù) 測、組合預(yù)測 25 與實際平均工資的對比結(jié)果圖： 組合預(yù)測的有效性分析 定義 Theil 不等系數(shù)： ?11)?(1222???? ?? ?? ? YnYnYYn? 式中， Y 為實際值， Y? 為預(yù)測值（在本研究中為組合預(yù)測值）。 )(?)()( )0()0()0( iXiXi ??? i=1,2,? ,n 算出絕對誤差序列（表 7）： )()0( i? 0 )()0( i? )()0( i? 表 7 根據(jù)公式： %100)( )()( )0( )0( ???? iX ii i=1,2,? ,n，求出相對誤差序列（表 8）： ??i? 0 ??i? ??i? 表 8 可以看出序列中相對誤差整體比較小，模型通過殘差檢驗。 步驟 （ 1）、數(shù)據(jù)預(yù)處理 —— 生成列 為了弱化原始時間序列的隨機性，為建立灰色模型提供信息，在建立灰色預(yù)測模型之前，需要對原始時間序列進行數(shù)據(jù)處理，經(jīng)過數(shù)據(jù)處理后的時間序列也即生成列。 分別取 ? =， ，?， ， 1，算出 MSE如下表（表 5）： a MSE a 1 MSE 表 5 當 ? =， 4 3 8 2 5 9 4 0m in ?MS E ，故 ? 取 。 3）、二次曲線指數(shù)平滑法 指數(shù)平滑法即指數(shù)滑動平均法，也稱指數(shù)加權(quán)移動平滑法。因此，當預(yù)測對象依時間變化呈現(xiàn)某種上升或下降的趨勢，并且無明顯的季節(jié)波動，又能找到一條合適的函數(shù)曲線反映這種變化趨勢時，就可用時間 t為自變量，時序數(shù)值 y為因變量，建立趨勢模型： ??tfy? ，當有理由相信這種趨勢能夠延伸到未來時，賦予變量 t所需要的值，就可以得到相應(yīng)時刻的時間序列未來值。首先對數(shù)據(jù)進行處理：令 yQ ln? （如表 2）， 年份 1979 1980 1981 1982 1983 1984 1985 1986 時序 (t) 1 2 3 4 5 6 7 8 年份 1987 1988 1989 1990 1991 1992 1993 1994 時序 (t) 9 10 11 12 13 14 15 16 年份 1995 1996 1997 1998 1999 2020 2020 2020 時序 (t) 17 18 19 20 21 22 23 24 年份 2020 2020 2020 2020 2020 2020 2020 2020 時序 (t) 25 26 27 28 29 30 31 32 表 2 7 再利用 Excel 的回歸分析功能對處理后的數(shù)據(jù)進行回歸分析，得到的結(jié)果如下： SUMMARY OUTPUT 回歸統(tǒng)計 Multiple R R Square Adjusted R Square 標準誤差 觀測值 33 方差分析 df SS MS F Significance F 回歸分析 1 殘差 31 總計 32 Coefficients 標準誤差 t Stat Pvalue Lower 95% Upper 95% 下限 % 上限 % Intercept 23939 24999 44184 5E47 14908 3297 14908 83297 X Variable 1 11185 95044 5916 7E36 46218 76152 46218 776152 線性回歸的系數(shù) Multiple R=工資的 %，數(shù)據(jù)適合做回歸
研究報告相關(guān)推薦
鄂ICP備17016276號-1