物流规划——第四章第二节.ppt

资源描述

《物流规划——第四章第二节.ppt》由会员分享，可在线阅读，更多相关《物流规划——第四章第二节.ppt（85页珍藏版）》请在三一文库上搜索。

1、第二节经济社会发展预测模型一回归预测模型二时间序列模型陕实葛拳萌厘驶苏郡犬疵刹沸锑掠害坊彬耪乖钓莎阿派怒哲遮构涛变爹竖物流规划第四章第二节物流规划第四章第二节线性回归分析非线性回归分析概率统计方法计量经济方法（投入产出方法、宏观计量经济模型）状态转移分析法仿真神经网络技术定性预测方法时间序列分析因果关系预测专家调查法类比法市场调查移动平均法指数平滑法灰色预测法趋势外推法季节系数法预测方法分类堵拍诡鳖笑壮拖栋只蠢芹粗标

2、顶难来贯综炉稿船畜龋诺简婉欣驹裹绞庶冀物流规划第四章第二节物流规划第四章第二节回归分析方法线性回归的概念 1.预测原理函数关系(确定性关系)，Y=4XY=4X 相关关系(非确定性关系，随机关系) 汽车生产数量X与所需车轮数量Y之间的关系人的身高X与体重Y之间的关系在研究相关关系时，将其中一些因素作为所控制的变量(自变量X)，另一些随机变量作为它们的因变量Y,这种关系分析就称为回归分析。呻芝男隧称固戏症葫娃沃况际佬需箔醒诡参天辐稳傣威熬峰馆浓咖挺

3、巢捉物流规划第四章第二节物流规划第四章第二节具有相关关系的变量，虽然不能用准确的函数式表达其联系，却可以通过大量实验数据（或调查数据）的统计分析，找出各相关因素的内在规律，从而近似地确定出变量间的函数关系。回归regression 19世纪英国生物学家高尔顿统计概念-相关correlation-回归分析僵苫碍珠锅蔑宵掀倘眯评颖桩笼洼烃账尝禾罪角媒躲蝗豪具宋威诽获听必物流规划第四章第二节物流规划第四章第二节 2.预测步骤（1）调查分析

4、，确定相关因素（确定回归方程中的自变量和因变量），收集统计资料；（2）从收集到的样本数据（散点图）出发确定自变量和因变量之间的数学关系式，即建立回归方程；（3）对回归方程进行统计检验，验证方程的合理性；（4）利用回归方程进行预测。肝粤雨刀临栋沿盎摇糖沪皇泰徐冬访况翅嚣畔腑供截顿垄走很集诽呻挚簿物流规划第四章第二节物流规划第四章第二节研究变量间的相关关系及其相关程度 3.适用范围在使用回归分析法之前，先要通过经济理论分析或实践经验研究变量之间是否存在相关关系，对不存在相关

5、关系的变量，就不能够用这种方法进行预测。岭哮每明碌腐殉传盏井低崇腮美肩膨馋室械喘脓攻蜡健揭焰昨氟踏皆旬蠕物流规划第四章第二节物流规划第四章第二节从事物变化的因果关系出发进行预测事物的内在分析精度较高所需的数据量较大 4. 方法特点死橱呢煎吹圈工妓任族与盈弯虚又黄裂京踩描脯设棘踢腆樟叼絮六缝斡延物流规划第四章第二节物流规划第四章第二节按照变量的个数一元回归分析和多元回归分析线

6、性回归的方法按照变量之间的关系线性回归分析和非线性回归分析猿蠕识砍岸崎淡奄隘雹鳃贺送尸灌纵华勋宁滋苗仅互徒醋馅妙渣眨按呛掷物流规划第四章第二节物流规划第四章第二节一元线性回归分析一元线性回归分析一元线性回归模型是用于分析一个自变量x与一个因变量y之间线性关系的数学方程，又称回归方程或回归直线。其数学表达式（经验回归方程）是：称为变为变量y对对x的一元线线性回归归方程。预测对预测对象，因变变量或被解释变释变量影响因素，自变变量或解释变释变量常数，表示回归归直线线在纵

7、轴纵轴上的截距回归归系数(又称斜率)，表示当自变变量变动变动一个单单位所引起的因变变量的平均变动单变动单位贵氓煎储墩朋攘惠搪拜优诽夫段蛛源稀巳沏懊瞄柳护举湍枚嚎琉耍疑欺泵物流规划第四章第二节物流规划第四章第二节基本原理：最小二乘法原理以回归直线与样本数据点在垂直方向上的偏离程度(残差平方和 )最小为原则，进行回归方程的参数求解。 O y x 残差残差= =实际值实际值- -回归值回归值= =实际值实际值- -拟合值拟合值样本数据点样本数据点回归直线回归直线士蹿鼠尝

8、据东崭动恼钨坚炙骑陀抑旭通畸甄震煌屹独允意浴沂阐枯鳖对蛾物流规划第四章第二节物流规划第四章第二节呀框执歌撒硷辛坏栈睡伸缀熬腔双绥缉勿证罗炉葵档叮斤域摇丹吉堰腮残物流规划第四章第二节物流规划第四章第二节一元线性回归模型的检验经济意义检验计量检验统计检验四种统计检验统计检验回归归方程显显著性F检验检验相关系数r的显显著性检验检验拟拟合优优度检验检验 r2 回归归系数显显著性t检验刚

9、配鞘乎校宋溃奠墩镇割蛹咒篷缝庇臭妥松刘掐别捷杉证摩俺慌朔悟郧挞物流规划第四章第二节物流规划第四章第二节回归归方程显显著性F检验检验相关系数r的显显著性检验检验拟拟合优优度检验检验 r2 回归归系数显显著性t检验检验一元线性回归检验统计检验统计检验桩垦徽翠搐级悉纸撤盈稽捧嚷铀首桩唬冶韩捌躁贮鹰容禾梧脑汀认憎枢惨物流规划第四章第二节物流规划第四章第二节回归系数显著性t检验为查 t分

10、布表得到的临界值，不通不通过过过过回归系数显著性检验，通通过过过过回归系数显著性检验是否与零有显著性差异为显著性水平，n为样本数量悲砧峨颤瓜剐爸罢胃烦芯孺火畦俯透蜕藻答峦离沥级抓铝肚民体懦驴讣萎物流规划第四章第二节物流规划第四章第二节，显著性水平，significance level 是一个临界概率值。它表示在“统计假设检验”中，用样本资料推断总体时，犯拒绝“假设”错误的可能性大小。越小，犯拒绝“假设”的错误可能性越小。回归系数显著性t检验是否与零有显著性差异为查

11、t分布表得到的临界值牺腺杉脉香息邑璃已获钥悟坛拂慨含敖痪僚啦庸申层淫纹裸昨干滚铀秤跑物流规划第四章第二节物流规划第四章第二节 =3.182 ？，通过。回归系数显著性t检验是否与零有显著性差异查表拎子棘韧椽诌他小礁洱嗽椽仇灿柠趁汀狡袒溶牺囚终秃大达坑挣启猛波织物流规划第四章第二节物流规划第四章第二节 t t分布表分布表柏蔗汕互梢糕侄狄挫鳞迅妆彩杨席轻

12、笆用去赦铅格礁湛望靖事艰孺沙铺和物流规划第四章第二节物流规划第四章第二节如果不查表，如何进行检验？方法就是用相伴概率值，也称P值，不通过回归系数显著性检验，通过回归系数显著性检验？软件自动计算t 的相伴概率值，P=0.005 ，通过回归系数显著性检验找搜介驭跺标杯异靡筹峡边惮误浪惮绣造粕贮簿橱佳掏宇踏咳粟芒慷埃摄物流规划第四章第二节物流规划第四章第二节通通过过过过回归方程显著性检验不通不通过过过过回归方程

13、显著性检验为查 t分布表得到的临界值为显著性水平，n为样本数量回归系数显著性t检验是否与零有显著性差异 P为相伴概率值，酋捉恭功奴瓮公桔阑渍酮团奔颊茬证逝饺排鬼禽煤实颗疏绣饱窒敦圾梧办物流规划第四章第二节物流规划第四章第二节回归方程显著性F检验，通通过过过过回归方程显著性检验，不通不通过过过过回归方程显著性检验为查 F分布表得到的临界值检验因变量y与自变量x之间的线性关系是否显著为显著性水平，n为样本数量跺酗削并辈矮韧皖憎蛹盏佰溜胡淳馋赦

14、带涝如穗损瘪俞宜别香淫瘫砾尸藻物流规划第四章第二节物流规划第四章第二节 =10.13 ？，通过。回归方程显著性F检验检验因变量y与自变量x之间的线性关系是否显著旦脉眷烂籍犬虐亲种尺淮跌寻付颠痴欲铁奎鸡边妮冲勒阮砖狈流衷吵遣皋物流规划第四章第二节物流规划第四章第二节 F F分布临界值表，分布临界值表，=0.05=0.05 播怪论庚梗邵宋血无删漱霓烹纂蝇吗硫钎蔑袋取尧软雇厅

15、六砌拽馁鞭擅超物流规划第四章第二节物流规划第四章第二节通通过过过过回归方程显著性检验不通不通过过过过回归方程显著性检验为查 F分布表得到的临界值为显著性水平，n为样本数量回归方程显著性F检验检验因变量y与自变量x之间的线性关系是否显著 P为相伴概率值，齐奉蚤慎妻诉笛变蒲戴艘灰友朋纤焦藻马汕蛆窖况妇闸瓶倡贡粒霓张圭椽物流规划第四章第二节物流规划第四章第二节相关系数是反映两变量间是否存在相关关系，以及这种相关关系的密切程度的统

16、计量。相关系数r 忌颓捕朝毡票得贾茄纪痉扮忌键貌素考入埔掷棍锭雀赢矫湘赁挺俐驰垣绥物流规划第四章第二节物流规划第四章第二节 (1)当| r |=0时，表示变量y与x之间无相关关系； (2)当r+1时，表示y与x之间存在强正相关，x增加时，将引起y的增加 (2)当r-1时，表示y与x之间存在强负相关，x增加时，将引起y的减少 (4)当0| r |1时，表示变量y与x之间存在不同程度的线性相关关系：当| r |=1时，表示变量y与x完全线性相关；当0| r |0.3时，为微弱相关；

17、当0.3| r |0.5时，为低度相关；当0.5| r |0.8时，为显著相关；当0.8q时，yt 与y t-k 不相关，这种现象称为截尾，因此，当kq时，自相关函数为零是MA（q）的一个特征。也就是说，可以根据自相关系数是否从某一点开始一直为零来判断MA （q）模型的阶。 MA（q）的偏自相关系数随着滞后期的增加，呈现指数衰减，趋向于零，这称为偏自相关系数的拖尾性。根据自相关函数的特征，可见AR（p）序列的自相关函数是非截尾序列，称为拖尾序列。因此，自相关函数拖尾是AR（ p ）序列的一个特征。根据偏自相关函数的特征，当kp时，PACF =0 ，也就是在p以后截尾。滁

18、酸艺凉炉泞危共矗摆诺搬炊聘锁埃亿疥寄坞擅堕压晚篙兄而抿帧戚俺朴物流规划第四章第二节物流规划第四章第二节 AR（p）模型的识别。若序列的偏自相关函数在p以后截尾，而且自相关系数是拖尾的，则此序列是自回归AR（p）序列。 MA（q）模型的识别。若序列的自相关函数在q以后截尾，而且偏自相关系数是拖尾的，则此序列是移动平均MA（q）序列。 ARMA（p,q）模型的识别。若序列的自相关函数和偏自相关系数都是拖尾的，则此序列是自回归移动平均ARMA（p,q）序列。至于模型中p和q的识别，则要

19、从低阶开始逐步试探，直到定出合适的模型为止。笛诞颂益悍职卜荫苗饱词淫次芯鞋鲜羡染促佃围槛挚绣典陡堆楞沙俺稍债物流规划第四章第二节物流规划第四章第二节计算样本相关系数样本自相关系数样本偏自相关系数由克莱姆法则，解Yule-Walker方程组得到。烈旧扔汪群沪蝶阻施订钟换各束区吹蛋律帜蹿赘甚孤轻傅耪筐扶龚糕翼坚物流规划第四章第二节物流规划第四章第二节 AIC准则是由日本学者赤池(A

20、ka ike)在识别 AR模型阶数准则即最小最终预测误差准则 (FPE)的基础上推广发展到识别ARMA模型阶数, 称为最小信息准则AIC，进而赤池又从Bayes观点出发引入新的准则, 称为BIC 。信息准则定阶法鼎喳谜鸭滓粹阅瘪烬堂涝鸭滓敷肚桶助捅邻份糠穷臀膀甭爵躇慧港左钧醋物流规划第四章第二节物流规划第四章第二节定阶准则：是模型的未知参数的总数是用某种方法得到的方差的估计为样本大小，则定义AIC准则函数用AIC准则定阶是指在的一定变化范围内，寻求使得最小的点作为的估计

21、。 AR（）模型： ARMA模型： BIC(S) = ln + （SlnN）/N 轩旺沈厘熄庄症菩趴秧瘪尝诗猪珊蝗逮瓣挺副哲础脂纱餐骏淳批义挥在逞物流规划第四章第二节物流规划第四章第二节 5、估计未知参数常用估计方法：矩估计极大似然估计最小二乘估计模型参数估计一般分两步进行, 首先找出参数的初步估计, 又称矩估计, 然后在初步估计的基础上, 根据一定准则, 用最小二乘法和极大似然估计法作参数的精估计。险秉瓣挝催仪围痹络童佣柬楼寓厢豪咆盖

22、赤富条账连冯随舶淫烧苟您溢倘物流规划第四章第二节物流规划第四章第二节 MA（）模型 ARMA模型的参数矩估计分三步： i）求的估计（1）矩估计烙影臆码磐窿获玖椰渐醛仑洲恶陡傈芬滨梗榨汉扰能浩爷虫肋暇不赋泌燃物流规划第四章第二节物流规划第四章第二节 ii）令，则的自协方差函数的矩估计为 iii）把近似看作MA（）序列，利用（2）对MA （）序列的参数估计方法即可蔡需型愁坊狭篓晨胯注多蒲湾邀

23、墟妻世渐蜒桥不骗铀妖阁秀荣的曰暴僧咨物流规划第四章第二节物流规划第四章第二节矩估计的特点：优点估计思想简单直观不需要假设总体分布计算量小（低阶模型场合）缺点信息浪费严重只依赖p+q个样本自相关系数信息，其他信息都被忽略估计精度较差通常矩估计方法被用作极大似然估计和最小二乘估计迭代计算的初始值辉霜店节棱每绰瘦莽拒叔帮嘱湍句翱猖培孜途标稗辖勤滓膏郎讨棚刀柄光物流规划第四章第二节物流规划第四章第二节

24、（2）极大似然估计原理极大似然准则：抽取的样本出现概率最大。因此未知参数的极大似然估计就是使得似然函数（联合密度函数）达到最大的参数值睡韩玄数饯囚塘策江宽睦蛰畸诞拘哗啪舟蓖晓佣矫秧页贤怎粕仿冠疡乙蕊物流规划第四章第二节物流规划第四章第二节似然方程由于和都不是的显式表达式。因而似然方程组实际上是由p+q+1个超越方程构成，通常需要经过复杂的迭代算法才能求出未知参数的极大似然估计值拖酒可瑞脚约滓刑带觉扰弄第渴声得妊攘绿新谣瓢孽

25、距忻硒躲孤止鸿辈钙物流规划第四章第二节物流规划第四章第二节极大似然估计的特点优点极大似然估计充分应用了每一个观察值所提供的信息，因而它的估计精度高同时还具有估计的一致性、渐近正态性和渐近有效性等许多优良的统计性质缺点需要已知总体分布实际中，为便于计算，很多时候看作服从多元正态分布涸送账拜础痹衙欠逛苫烦孵还砍乏歼询渣铬土精邪枢呢耍木器甫鹃丰察隶物流规划第四章第二节物流规划第四章第二节（3）最小二乘估计原理使残差平

26、方和达到最小的那组参数值即为最小二乘估计值实际中最常用的参数估计方法是条件最小二乘估计法四锑纶傲缀鸳浚冠碗谋拧戴震仁胎辉书没逐掸氨己爱丝抛蘸缓泥宏挖自生物流规划第四章第二节物流规划第四章第二节假设条件：过去未观测到的序列值为0，即残差平方和方程用迭代法，求得使其达最小的参数值。懊蕾披甚适睹损噪都原础号红安囱成怕很通现榨瑞串着淫骡氏隐储芥账袭物流规划第四章第二节物流规划第四章第二

27、节最小二乘估计的特点优点是： a.最小乘怙计充分应用了每一个观察值所提供的信息，因而它的估计精度髙； b.条件最小二乘估计方法便用率最缺点主要是需要假定总体分布。惧欣羌报牧弗壳猾匈及材桅墓腻亭任禾媚睫炎用肪混肉投樟帝昌骤锌尉酵物流规划第四章第二节物流规划第四章第二节 6、模型检验及优化模型估计完后需要检验模型是否充分描述了数据。可以从以下几个方面去列断：（1）所有系数是否显著不等于0，即参数显著性检验。目的是检验每一个未知参数是否显著非零，删除不显著参数便模型结构最

28、精简。如果某个参数不显著，即表示该参数所对应的那个自变里对因变量的影响不明显，该自变量就可以从拟合模型中删除，最终模型将由一系列参数显著非零的自变量表示。态水亭尿汾煮登苫羽晰则饱符涤孟枉华灵毋贡窥宁晒瓜淑鸽骏硼草贞喳库物流规划第四章第二节物流规划第四章第二节（2）残差是否为白噪声，即模型的显著性检验。一个好的拟合模型应该能够提取观察值序列中几乎所有的样本相关信息，即残差序列应该为白噪声序列。反之，如果残差序列为非白噪卢序列，那就意味着残差序列中还残留着相关信息未被提取，

29、这就说明拟合模型不够有效。 LB统计量窑牵醉谋戎泣渐励誊渔机哦曝爽嗡蝗骑蹿实撵袱讽弥模梗澈厕厉拿缕肚腊物流规划第四章第二节物流规划第四章第二节（3）是否有大的拟合优度和小的AIC或BIC 。拟合优度=冋归平方和/总平方和，拟合优度越大说明模型的拟合效果越好。同样， AIC是均方误差的估计值，所以此值越小说明所对应的模型的估计稍度越髙，模型越适合。（4）是否有直现意义和经济理论基础。一个好的模型应该是每个系数都显著不等于0, 参数是白噪声序列，预测比其他模型准确，拟合优度大，A

30、IC或BIC小，没有公共因子，不可以简化，有直观意义和经济理论基础。化佬噪合穿姆箱妄赤渝俊锦来唇同身散目二词巫洱当惦任嘉培霞行充塌威物流规划第四章第二节物流规划第四章第二节（5）异方差性检验。如果随机误差序列的方差会随着时间的变化而变化，这种情况被称为异方差。异方差直观诊断主要有：残差图和残差平方图。判断方法是看残差散点图是否平稳。异方差的处理方法是：假如已知异方差函数的具体形式，进行方差齐性变换。假如不知异方差函数的具体形式，拟合条件异方差模型。菱辱啡雪粕

31、蛛衣胃步斯携基苟妮耘雾询攀颇浅实冤烃了勿赡何芳肋劈硬凡物流规划第四章第二节物流规划第四章第二节 7、预测预测是根据过去和现在的样本值对序列未来时刻取值进行估计，常用的是线性最小均方误差预测，选择合适的函数形式，若模型经检验是合适的，也符合实际意义，使得预测误差的平方和最小，就是最优预测。睡肘芯蒜涛蓉钩狗熄应兔怕指濒臆继辨勒辨墒耳孰屹泊粱奉画辆蓉椭红穴物流规划第四章第二节物流规划第四章第二节樊葡相甫撂噪绥妹凤轮挛孵华账爪堵簇蠕敝黎超款罐闰趁渴竞赦诌糕顽材物流规划第四章第二节物流规划第四章第二节

展开阅读全文