【文章內(nèi)容簡(jiǎn)介】 杯事先確定—個(gè)相關(guān)系數(shù)，對(duì)相關(guān)系數(shù)小于的影響因素進(jìn)行淘汰．關(guān)聯(lián)度是灰色系統(tǒng)理論中反映事物發(fā)展變化過(guò)程中各因素之間的關(guān)聯(lián)程度，可通過(guò)統(tǒng)計(jì)變量與各影響影響因素之間關(guān)聯(lián)系數(shù)矩陣，按一定的標(biāo)準(zhǔn)系數(shù)舍去關(guān)聯(lián)度小的影響因素．所謂共線性是指某些影響因素之問(wèn)存在著線性關(guān)系或接近于線性關(guān)系．由于汽車經(jīng)濟(jì)自身的特點(diǎn)，影響的諸多因素之問(wèn)總是存在著一定的相關(guān)性，持別是與國(guó)民經(jīng)濟(jì)有關(guān)的一些價(jià)值型指標(biāo)。我們研究的不是有無(wú)相關(guān)性問(wèn)題而是共線性的程度，如果影響因素之間的共線性程度很高，首先會(huì)降低參數(shù)估計(jì)值的精度。其次在回歸方程建立后的統(tǒng)計(jì)檢驗(yàn)中導(dǎo)致舍去重要的影響因素或錯(cuò)誤的地接受無(wú)顯著影響的因素，從而使整個(gè)預(yù)測(cè)工作失去實(shí)際意義。關(guān)于共線性程度的判定，可利用逐步分析估計(jì)法的數(shù)理統(tǒng)計(jì)理論編制計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)。或者通過(guò)比較rij和R2的大小來(lái)判定。在預(yù)測(cè)學(xué)上，一般認(rèn)為當(dāng)rij R2時(shí)，共線性是嚴(yán)重的，其含義是，多元線性回歸方程中所含的任意兩個(gè)自變量xi,xj之間的相關(guān)系數(shù)rij大于或等于該方程的樣本可決系數(shù)R2時(shí)，說(shuō)明自變量中存在著嚴(yán)重的共線性問(wèn)題?！　。?　　y——預(yù)測(cè)的量　　g——各主要影響因數(shù)　　　　對(duì)收集的歷年量和各主要影響因素的統(tǒng)計(jì)資料進(jìn)行審核和加工整理是為了保證預(yù)測(cè)工作的質(zhì)量。　　資料整理主要包括下列內(nèi)容：　　(1)資料的補(bǔ)缺和推算?！　?2)對(duì)不可靠資料加以核實(shí)調(diào)整．對(duì)查明原因的異常值加以修正?！　?3)對(duì)時(shí)間序列中不可比的資料加以調(diào)整和規(guī)范化；對(duì)按當(dāng)年價(jià)格計(jì)算的價(jià)值指標(biāo)應(yīng)折算成按統(tǒng)。　　　　在經(jīng)驗(yàn)線性回歸模型中，是要估計(jì)的參數(shù)，可通過(guò)數(shù)理統(tǒng)計(jì)理論建立模型來(lái)確定。在實(shí)際預(yù)測(cè)中，可利用多元線性回歸復(fù)相關(guān)分析的計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)　　此項(xiàng)工作的目的在于判定估計(jì)值是否滿意、可靠。一般檢驗(yàn)工作須從以下幾方面來(lái)進(jìn)行。 經(jīng)濟(jì)意義檢驗(yàn)　　關(guān)于經(jīng)濟(jì)預(yù)測(cè)的數(shù)學(xué)模型，首先要檢驗(yàn)?zāi)Ｐ褪欠裼薪?jīng)濟(jì)意義，γp若參數(shù)估計(jì)值的符號(hào)和大小與公路運(yùn)輸經(jīng)濟(jì)發(fā)展以及經(jīng)濟(jì)判別不符合時(shí)，這時(shí)所估計(jì)的模型就不能或很難解釋公路運(yùn)輸經(jīng)濟(jì)的一般發(fā)展規(guī)律．就應(yīng)拋棄這個(gè)模型．需要重新構(gòu)造模型或重新挑選影響因素。 統(tǒng)計(jì)檢驗(yàn)　　統(tǒng)計(jì)檢驗(yàn)是數(shù)理統(tǒng)計(jì)理論的重要內(nèi)容，用于檢驗(yàn)?zāi)Ｐ凸烙?jì)值的可靠性。通常，在預(yù)測(cè)中應(yīng)采用的統(tǒng)計(jì)檢驗(yàn)是： 擬合度檢驗(yàn)　　所謂擬合度是指所建立的模型與觀察的實(shí)際情況軌跡是否吻合、接近，接近到什么程度。統(tǒng)計(jì)學(xué)是通過(guò)構(gòu)造統(tǒng)計(jì)量R2來(lái)量度的，R2可由樣本數(shù)據(jù)計(jì)算得出。若建立的模型愈接近于實(shí)際，則R^2愈接近于1。 回歸方程的顯著性檢驗(yàn)　　回歸方程的顯著性檢驗(yàn)是通過(guò)方差分析構(gòu)造統(tǒng)計(jì)量F來(lái)進(jìn)行的，統(tǒng)計(jì)量F是通過(guò)樣本數(shù)據(jù)計(jì)算得出的。當(dāng)給定某一置信度后，可以通過(guò)查閱F表來(lái)確定回歸模型從總體效果來(lái)看是否可以采納。 參數(shù)估計(jì)值的標(biāo)準(zhǔn)差檢驗(yàn)　　估計(jì)值的標(biāo)準(zhǔn)差是衡量估計(jì)值與真實(shí)參數(shù)值的離差的一種量度。參數(shù)的標(biāo)準(zhǔn)差越大，估計(jì)值的可靠性也就越?。环粗?，如果標(biāo)準(zhǔn)差越小，那么估計(jì)值的可靠性也就越大。參數(shù)值標(biāo)準(zhǔn)差的檢驗(yàn)，可以通過(guò)構(gòu)造大統(tǒng)計(jì)量來(lái)進(jìn)行量度。當(dāng)給定某一置信度后，可以通過(guò)查表來(lái)確定模型中某個(gè)參數(shù)估計(jì)值的可靠性。　　應(yīng)當(dāng)強(qiáng)調(diào)指出．統(tǒng)計(jì)檢驗(yàn)相對(duì)于經(jīng)濟(jì)意義檢驗(yàn)來(lái)說(shuō)是第二位的。如果經(jīng)濟(jì)意義檢驗(yàn)不合理，那么即使統(tǒng)計(jì)檢驗(yàn)可以達(dá)到很高的置信度，也應(yīng)當(dāng)拋棄這種估計(jì)結(jié)果，因?yàn)橛眠@樣的結(jié)果來(lái)進(jìn)行經(jīng)濟(jì)預(yù)測(cè)是沒(méi)有意義的?！　　　〗?jīng)過(guò)上述的經(jīng)濟(jì)意義和統(tǒng)計(jì)檢驗(yàn)后，挑選出的線性回歸方程往往是好幾個(gè)、為了從中優(yōu)選出用于進(jìn)行實(shí)際預(yù)測(cè)的方程，我們可以采用定性和定量相結(jié)合的辦法。　　從數(shù)理統(tǒng)計(jì)的原理來(lái)講，應(yīng)挑選方程的剩余均方和SE較小為好．但作為經(jīng)濟(jì)預(yù)39。刪還必須盡量考慮到方程中的影響因素更切合實(shí)際和其未來(lái)值更易把握的原則來(lái)綜合考慮。當(dāng)然、有時(shí)也可以從中挑選出好幾個(gè)較優(yōu)的回歸方程．通過(guò)預(yù)測(cè)后，分別作為不同的高、中、低方案以供決策人員選擇?！　　　≡讷@得模型參數(shù)估計(jì)值后，又經(jīng)過(guò)了上述一系列檢驗(yàn)而選出的最優(yōu)(或較優(yōu))回歸方程，還必須對(duì)模型的預(yù)測(cè)能力加以檢驗(yàn)。不難理解、最優(yōu)回歸方程對(duì)于樣本期間來(lái)說(shuō)是正確的，但是對(duì)用于實(shí)際預(yù)測(cè)是否合適呢?為此，還必須研究參數(shù)估計(jì)值的穩(wěn)定性及相對(duì)于樣本容量變化時(shí)的靈敏度，也必須研究確定估計(jì)出來(lái)的模型是否可以用于樣本觀察值以外的范國(guó)，其具休做法是：　　(1)采用把增大樣本容量以后模型估計(jì)的結(jié)果與原來(lái)的估計(jì)結(jié)果進(jìn)行比較，并檢驗(yàn)其差異的顯著性?！　?2)把估計(jì)出來(lái)的模型用于樣本以外某一時(shí)間的實(shí)際預(yù)測(cè)，并將這個(gè)預(yù)測(cè)值與實(shí)際的觀察值作一比較，然后檢驗(yàn)其差異的顯著性。　　　　多元線性回歸預(yù)測(cè)模型的研究目的主要有以下幾個(gè)方面?！　?1)進(jìn)行經(jīng)濟(jì)結(jié)構(gòu)分析，研究影響該地區(qū)的量的主耍因素和各影響因素影響程度的大小，進(jìn)一步探討該地區(qū)汽車經(jīng)濟(jì)理論。　　(2)預(yù)測(cè)該地區(qū)今后年份的量的變化，以便為汽車市場(chǎng)、政策及建設(shè)，項(xiàng)目投資作出正確決策提供理論依據(jù)。另外，還可以通過(guò)公路客．貨運(yùn)輸量與公路交通量作相關(guān)分析來(lái)對(duì)公路的飽和度發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。從而為新建、擴(kuò)建項(xiàng)目的投資提供決策分析?！　?3)模擬各種經(jīng)濟(jì)政策下的經(jīng)濟(jì)效果，以便對(duì)有關(guān)政策進(jìn)行評(píng)價(jià)。經(jīng)調(diào)查分析，影響地區(qū)汽車保有量的因素為?！　1——國(guó)民收入　　x2——工農(nóng)業(yè)總產(chǎn)值　　x3——社會(huì)總產(chǎn)值　　x4——人口　　x5——車保有量　　x6——城鄉(xiāng)居民儲(chǔ)蓄存款　　經(jīng)計(jì)算得下列相關(guān)系數(shù)表：x1x2x3x4x5x6Y 87 43Z 3 6 4 6　　Y——客運(yùn)盈　　Z——旅客周轉(zhuǎn)量　　若令α = ，則可以舍去x6這個(gè)影響因索，也就是認(rèn)為“城鄉(xiāng)居民儲(chǔ)蓄存款”作為汽車保有量的一個(gè)因素?！　?、影響某地區(qū)旅客運(yùn)輸量的因素為：　　x1——國(guó)民收入　　x2——工農(nóng)業(yè)總產(chǎn)值　　x3——社會(huì)總產(chǎn)值　　x4——人口　　x5——車保有量　　x6——國(guó)民生產(chǎn)總值　　x7——公路通車?yán)锍獭　〗?jīng)計(jì)算得項(xiàng)目運(yùn)營(yíng)技術(shù)經(jīng)濟(jì)總量和產(chǎn)品周轉(zhuǎn)量的經(jīng)驗(yàn)線性回歸方程如下：Y = α0 + α1x1 + α2x2 + α5x5　　R^2=　　求解回歸參數(shù)的標(biāo)準(zhǔn)方程組為　　　　解此方程可求得b0,b1,b2的數(shù)值。亦可用下列矩陣法求得　　　　即　　　　　　R^2=　　Z = β0 + β4x4 + β5x5 + β7x7　　R^2=　　　　R2 = 　　Y——項(xiàng)目運(yùn)營(yíng)技術(shù)經(jīng)濟(jì)總量　　Z——產(chǎn)品周轉(zhuǎn)量　　各自變量問(wèn)的相關(guān)系數(shù)表如下：由上述計(jì)算可知，四個(gè)方程中均未出現(xiàn)rij R2的情況．因此可以認(rèn)為各自方程中的影響因素之間不存在嚴(yán)重共線性問(wèn)題。定量分析結(jié)論：項(xiàng)目可行?！　〉?tīng)柗品ǚ治觯▎挝唬喝f(wàn)元）專家編號(hào)第一次判斷第二次判斷第三次判斷最低項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最可能項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最高項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最低項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最可能項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最高項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最低項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最可能項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值最高項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值115000750090006000750090005500750090002200045006000300050006500400050006500340006000800050007000800050007000800047500900015000600075001500050006000125005100020003500220040005000300050006000630005000750030005000750030006000750072500300040002500400050004000500060008260030005000350040006000370041006100平均數(shù)345050007250390055007750415057007700平均值預(yù)測(cè)： 在預(yù)測(cè)時(shí)，最終一次判斷是綜合前幾次的反饋?zhàn)龀龅?，因此在預(yù)測(cè)時(shí)一般以最后一次判斷為主。則如果按照8位專家第三次判斷的平均值計(jì)算，則預(yù)測(cè)這個(gè)項(xiàng)目的平均項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值為：（4150+5700+7700）/3=5850 　　加權(quán)平均預(yù)測(cè)： 將最可能項(xiàng)目技術(shù)經(jīng)濟(jì)產(chǎn)值、