物流需求預(yù)測培訓(xùn)課程(編輯修改稿)
2025-01-25 23:08 本頁面
【文章內(nèi)容簡介】 ? 定量預(yù)測方法需要有較為翔實的數(shù)據(jù)作為基礎(chǔ)，越是復(fù)雜的模型對數(shù)據(jù)的要求越高。 ? 常用定量預(yù)測方法 – 時間序列預(yù)測法 ? 指數(shù)平滑法 ? 時間序列分解法 ? 趨勢外推法 ? ARMA法 ? 灰色預(yù)測法 ? …… – 回歸預(yù)測法 ? 一元線性回歸預(yù)測法 ? 多元線性回歸預(yù)測法 ? 非線性回歸預(yù)測法 18 （三）回歸預(yù)測法 ? 通過分析事物之間的相關(guān)關(guān)系和影響程度來進(jìn)行預(yù)測的方法，也稱為因果預(yù)測法。 ? 基本思路 – 把需要估計的量作為因變量，與其具有相關(guān)關(guān)系的量作為自變量，通過大量收集統(tǒng)計數(shù)據(jù)，運用統(tǒng)計學(xué)中回歸分析的方法，把變量之間的非確定性的相關(guān)關(guān)系轉(zhuǎn)化成某種函數(shù)表達(dá)式，運用自變量的數(shù)據(jù)來對因變量進(jìn)行預(yù)測。 ? 一元線性回歸預(yù)測 19 （三）回歸預(yù)測法 ?一元線性回歸預(yù)測 – 當(dāng)具有相關(guān)關(guān)系的兩個隨機變量數(shù)據(jù)分布大體上呈線性趨勢時 ， 采用適當(dāng)?shù)挠嬎惴椒?， 找到兩者之間特定的經(jīng)驗公式 ， 即一元線性回歸模型 ， 然后根據(jù)自變量的變化 ， 來預(yù)測因變量的發(fā)展變化 。 – 回歸模型 iii uxbby ??? 10式中， b0， b1——未知參數(shù)； ui ——剩余殘差項 / 隨機擾動項。 20 （三）回歸預(yù)測法 ?假定條件： – 變量之間存在線性相關(guān)關(guān)系，通?？刹捎蒙Ⅻc圖、相關(guān)分析等方法確定。 – ui是一個均值為 0，方差為常數(shù)的隨機變量，各個 ui 間相互獨立，且與自變量 xi無關(guān)。 ?參數(shù) b0， b1的計算公式為： xbyb 10 ??2221 )())((xnxyxnyxxxyyxxbiiiiii???????????21 （三）回歸預(yù)測法 ? 常用的檢驗指標(biāo) – 標(biāo)準(zhǔn)誤差 ——可用來衡量各種預(yù)測方法精確度的高低） – 相關(guān)系數(shù) ——衡量因變量與自變量的相關(guān)程度和方向 – 可決系數(shù) ——衡量自變量對應(yīng)變量的解釋程度） – t檢驗 ——檢驗回歸系數(shù)的顯著性 – F檢驗 ——檢驗回歸方程的顯著性 – 德賓 —沃森統(tǒng)計量（ DW統(tǒng)計量） ——檢驗剩余項 ui的相互獨立性）等。 22 （三）回歸預(yù)測法 ? 預(yù)測公式 ? ??????220^)()(11xxxxnSEty ?置信區(qū)間23 （三）回歸預(yù)測法 ? 多元線性回歸預(yù)測 – 基本原理與一元線性回歸預(yù)測相同 – 注意問題 ? 自變量的選擇 ——逐步回歸 ? 異方差 ——加權(quán)最小二乘法 ? 異常值與強影響點的處理 – 檢驗 ? 回歸方程的顯著性（ t檢驗、 F檢驗等） ? 多重共線性 – 診斷：方差擴大因子法、特征根法、直觀判定 – 消除：剔除不重要的解釋變量、增大樣本容量 24 （三）回歸預(yù)測法 ? 非線性回歸預(yù)測 – 兩個因素之間的關(guān)系不是線性時，這時就需要選擇適當(dāng)類型的曲線擬合實際情況 – 模型選擇方法 ? 根據(jù)掌握的理論知識或是經(jīng)驗予以確定 ? 根據(jù)搜集的數(shù)據(jù)資料作散點圖，觀察得到適當(dāng)?shù)那€來擬合因素之間的發(fā)展趨勢 ? 常用的函數(shù)曲線有冪函數(shù)、指數(shù)函數(shù)、對數(shù)函數(shù)、 S型函
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1