經(jīng)濟(jì)預(yù)測(cè)與決策判斷預(yù)測(cè)法-資料下載頁
2025-08-11 11:11本頁面
【導(dǎo)讀】是一種直觀的預(yù)測(cè)方法，是由預(yù)。勢(shì)作出判斷，以此作出預(yù)測(cè)。是指通過向某一特定地區(qū)或?qū)ο螅捎迷囦N手。段向該試驗(yàn)市場投放新產(chǎn)品或改進(jìn)的老產(chǎn)品，以Y表示下一期預(yù)測(cè)銷售量，則預(yù)測(cè)公式為：。戶數(shù)，D%為重復(fù)購買比例。平均消費(fèi)量為2公斤。度該地區(qū)的銷售量。是通過商品展覽銷售與調(diào)查相結(jié)合，對(duì)。1明確展銷會(huì)的目的。3確定調(diào)查的方式，方法，時(shí)間和地點(diǎn)。5調(diào)查實(shí)施和調(diào)查資料整理。結(jié)果為200名畢業(yè)生中有120人就業(yè)了，效地推測(cè)預(yù)測(cè)對(duì)象的未來狀態(tài)。決策提供預(yù)測(cè)依據(jù)。另外，因參加會(huì)議的人數(shù)有限，代表性不夠，頭腦風(fēng)暴法是通過一組專家共同開會(huì)討論，進(jìn)行信息交流和互相。頭腦風(fēng)暴法可分為創(chuàng)業(yè)頭腦風(fēng)暴和。質(zhì)疑頭腦風(fēng)暴就是對(duì)已制定的某種計(jì)劃方案，召開專家會(huì)議，由。家提出問題，進(jìn)行質(zhì)疑，最后通過討論形成結(jié)論一致的報(bào)告。
【正文】 R S SE S SFnyyR S SyyE S SybHiiii),21)2,1(,)2/(1/)2?10:222210??????????????????（三）計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn) 異方差檢驗(yàn) 異方差可以表示為 或 ? ? 2iiV a r ?? ?? ? ? ?????????????????????22221nEV a r?????εεεΩ異方差的影響 （ 1） OLS估計(jì)量仍然是線性的和無偏的，但不再具有最小方差性。 （ 2）建立在 t分布和 F分布之上的置信區(qū)間和假設(shè)檢驗(yàn)不可靠。 補(bǔ)救異方差的基本思路 （ 1）變異方差為同方差 （ 2）盡量緩解方差變異的程度 補(bǔ)救異方差的方法 （ 1）模型變換法 ? 是對(duì)存在異方差的總體回歸模型作適當(dāng)?shù)拇鷶?shù)變換，使之成為滿足同方差假定的模型，然后就可以運(yùn)用 OLS方法估計(jì)參數(shù)了。 （ 2）加權(quán)最小二乘法 ? 是賦予殘差的每個(gè)觀測(cè)值不同權(quán)數(shù)，從而使模型的隨機(jī)誤差項(xiàng)具有同方差性。 （ 3） “一般解決法”（重新設(shè)定模型） ? 在計(jì)量經(jīng)濟(jì)學(xué)實(shí)踐中，計(jì)量經(jīng)濟(jì)學(xué)家偏愛使用 對(duì)數(shù)變換 解決問題，往往一開始就把數(shù)據(jù)化為對(duì)數(shù)形式，再用對(duì)數(shù)形式數(shù)據(jù)來構(gòu)成模型，進(jìn)行回歸估計(jì)與分析。 ? 這主要是因?yàn)閷?duì)數(shù)形式可以減少異方差和自相關(guān)的程度。 序列相關(guān)檢驗(yàn) ? 即模型中出現(xiàn)了 ? 后果： （ 1）參數(shù)估計(jì)量非有效。 （ 2）變量顯著性檢驗(yàn)失去意義。 （ 3）模型的預(yù)測(cè)失效。 )(0),c o v ( jiuu ji ??常用的檢驗(yàn)方法（ DW檢驗(yàn)） ? DW統(tǒng)計(jì)量： ? 檢驗(yàn)誤差序列自相關(guān)性 —— DW檢驗(yàn)區(qū)域圖 一階正自相關(guān) 無法判斷 無一階自相關(guān)性 無法判斷 一階負(fù)自相關(guān) ? ???????iiniiieeeDW2221DW0 2 4Ud?4 Ld?4UdLd序列相關(guān)的處理和克服 （ 1）一階差分法 （ 2）廣義差分法 （ 3）柯 奧 (CochraneOrcutt)迭代法 （ 4）杜賓 (Durbin)兩步法 （ 5）廣義最小二乘法 四、一元線性回歸模型的預(yù)測(cè) ? 通常有兩種：點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè) 點(diǎn)預(yù)測(cè) 假設(shè) Y與 X的回歸方程為： 設(shè) X給定值為 ，則利用該方程可以求得 的預(yù)測(cè)值，這種預(yù)測(cè)稱為點(diǎn)預(yù)測(cè)。 ii XbbY 10 ??? ??0X0100 ??? XbbY ??00? YY 為區(qū)間預(yù)測(cè) 11?? 2200ixXXne ????? ）（）（??? 1]????[ 0200020 ??? ?? ?????? ）（）（ etYYetYP其中 : 為殘差。其中 iiii yyen e ?,2?22 ???????回歸預(yù)測(cè)例題 ? 例 31 為了研究家庭消費(fèi)支出與家庭收入的關(guān)系，對(duì)某地區(qū)進(jìn)行了抽樣調(diào)查。獲得每月家庭消費(fèi)支出和家庭收入的數(shù)據(jù)如下表： 表 31 ? 家庭收入（元） 家庭消費(fèi)（元） ? 800 700 ? 1000 650 ? 1200 900 ? 1400 950 ? 1600 1100 ? 1800 1150 ? 2020 1200 ? 2200 1400 ? 2400 1550 ? 2600 1500 表 32 計(jì)算各參數(shù)的基礎(chǔ)數(shù)據(jù)表 序號(hào) Xi Yi xi yi xi2 yi2 xiyi Xi2 1 800 700 900 410 810000 168100 369000 640000 2 1000 650 700 460 490000 211600 322020 1000000 3 1200 900 500 210 250000 44100 105000 1440000 4 1400 950 300 160 90000 25600 48000 1960000 5 1600 1100 100 10 10000 100 1000 2560000 6 1800 1150 100 40 10000 1600 4000 3240000 7 2020 1200 300 90 90000 8100 27000 4000000 8 2200 1400 500 290 250000 84100 145000 4840000 9 2400 1550 700 440 490000 193600 308000 5760000 10 2600 1500 900 390 810000 152100 351000 6760000 合計(jì) 17000 11100 0 0 3300000 8890000 1680000 32202000 平均 1700 1110 計(jì)算 8 8 9 0 0 03 3 0 0 0 0 01 6 8 0 0 0 0))(()(r ?? 3 3 0 0 0 0 01 6 8 0 0 0 0? 222221021??????????????????iiiiiiiyxyxXbYbxyxb所建立的回歸模型為： 9 6 2 ( 0 . 0 3 5 7 ) ( 6 4 . 1 0 9 1 ) 5 0 9 4 5 ? 2i???iX預(yù)測(cè) ? 根據(jù)以上計(jì)算結(jié)果 ， 該模型可用于預(yù)測(cè) 。若要預(yù)測(cè)家庭收入為 1600元時(shí) ， 家庭消費(fèi)的情況 。 即當(dāng) Xi=X0=1600元時(shí)： )(1 0 5 0 5 91 6 0 05 0 9 4 5 4 4Y? 0 元??
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1