物流需求預測教材(編輯修改稿)
2024-11-18 22:08 本頁面
【文章內(nèi)容簡介】 定量預測方法v 定量預測方法需要有較為翔實的數(shù)據(jù)作為基礎，越是復雜的模型對數(shù)據(jù)的要求越高。 v 常用定量預測方法? 時間序列預測法v指數(shù)平滑法v 時間序列分解法v 趨勢外推法v ARMA法v 灰色預測法v ……? 回歸預測法v一元線性回歸預測法v多元線性回歸預測法v非線性回歸預測法單指數(shù)平滑法 單指數(shù)平滑法是利用前一期的預測值 代替 得到預測的通式，即 ：回總目錄 回本章目錄為第 tn期的實際觀察值。v 單指數(shù)平滑法是一種加權預測，權數(shù)為 α。它既不需要存儲全部歷史數(shù)據(jù)，也不需要存儲一組數(shù)據(jù)，從而可以大大減少數(shù)據(jù)存儲問題，甚至有時只需一個最新觀察值、最新預測值和 α值，就可以進行預測?；魻柼仉p參數(shù)線性指數(shù)平滑法v 因為當趨勢存在時，單平滑值滯后于實際值，所以需要對趨勢進行平滑。 計算公式：（ ）（ ）（ ）式是利用前一期的趨勢值 直接修正（ ）式用來修正趨勢項 ，趨勢值用相鄰兩次平滑值之差來表示。（三）回歸預測法v 通過分析事物之間的相關關系和影響程度來進行預測的方法，也稱為因果預測法。v 基本思路? 把需要估計的量作為因變量，與其具有相關關系的量作為自變量，通過大量收集統(tǒng)計數(shù)據(jù)，運用統(tǒng)計學中回歸分析的方法，把變量之間的非確定性的相關關系轉(zhuǎn)化成某種函數(shù)表達式，運用自變量的數(shù)據(jù)來對因變量進行預測。v 一元線性回歸預測（三）回歸預測法v一元線性回歸預測? 當具有相關關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?shù)挠嬎惴椒ǎ业絻烧咧g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，來預測因變量的發(fā)展變化 。? 回歸模型式中： b0， b1—— 未知參數(shù)； ui —— 剩余殘差項 / 隨機擾動項。（三）回歸預測法v假定條件：? 變量之間存在線性相關關系，通常可采用散點圖、相關分析等方法確定。? 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。v參數(shù) b0， b1的計算公式為：（三）回歸預測法v 常用的 檢驗 指 標? 標 準 誤 差 —— 可用來衡量各種 預測 方法精確度的高低）? 相關系數(shù) —— 衡量因 變 量與自 變 量的相關程度和方向? 可決系數(shù) —— 衡量自 變 量 對應變 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。（三）回歸預測法v預測公式（三）回歸預測法v多元線性回歸預測? 基本原理與一元線性回歸預測相同? 注意問題v自變量的選擇 —— 逐步回歸v異方差 —— 加權最小二乘法v異常值與強影響點的處理? 檢驗v回歸方程的顯著性（ t檢驗、 F檢驗等）v多重共線性
環(huán)評公示相關推薦
鄂ICP備17016276號-1