【学习】第七章__市场定量预测方法

1、2022-1-26整理ppt第七章第七章 市场定量预测方法市场定量预测方法n学习目标学习目标n（一）知识目标（一）知识目标n了解时间序列预测法的含义与基本步骤；了解时间序列预测法的含义与基本步骤；n理解回归分析法的含义与预测步骤；理解回归分析法的含义与预测步骤；n熟练掌握一元线性回归分析预测法的步骤及模熟练掌握一元线性回归分析预测法的步骤及模型检验的方法；型检验的方法；n了解经济计量模型的含义与分类。了解经济计量模型的含义与分类。n（二）技能目标（二）技能目标n熟练掌握移动平均法、指数平滑法、趋势外推熟练掌握移动平均法、指数平滑法、趋势外推法的预测步骤；法的预测步骤；n熟练运用一元线性回归分析

2、预测法。熟练运用一元线性回归分析预测法。第一节第一节 时间序列预测法时间序列预测法一、时间序列预测法概述一、时间序列预测法概述n时间序列预测法的含义与特点时间序列预测法的含义与特点n时间序列数据变动趋势的类型时间序列数据变动趋势的类型n时间序列预测法的程序和种类时间序列预测法的程序和种类 第一节第一节 时间序列预测法时间序列预测法（一）时间序列预测法的含义与特点（一）时间序列预测法的含义与特点n1.1.时间序列预测法的含义时间序列预测法的含义n时间序列又称动态数列，是指把反映某种市场现时间序列又称动态数列，是指把反映某种市场现象的某一统计指标的数值按时间先后顺序排列而象的某一统计指标的数值按时

3、间先后顺序排列而成的数列。它反映了某种社会经济现象在时间上成的数列。它反映了某种社会经济现象在时间上的发展变化过程。时间序列一般由两个基本要素的发展变化过程。时间序列一般由两个基本要素构成：一是现象所属的时间；二是与时间对应的构成：一是现象所属的时间；二是与时间对应的统计指标数值。统计指标数值。 n2.2.时间序列预测法的特点时间序列预测法的特点n(1)(1)根据市场过去的变化趋势预测未来的发展。根据市场过去的变化趋势预测未来的发展。 n(2)(2)突出了时间因素在预测中的作用。突出了时间因素在预测中的作用。 第一节第一节 时间序列预测法时间序列预测法（二）时间序列数据变动趋势的类型（二）时间

4、序列数据变动趋势的类型n1.1.长期趋势长期趋势n长期趋势是指社会经济现象由于受某种特定因素长期趋势是指社会经济现象由于受某种特定因素的影响，在一个较长时期内所呈现的持续稳定的的影响，在一个较长时期内所呈现的持续稳定的变化趋势。变化趋势。 n2.2.季节变动季节变动n时间序列数据以一年为周期，呈现出反复的有规时间序列数据以一年为周期，呈现出反复的有规则的变动趋势。则的变动趋势。 n3.3.循环变动循环变动n循环变动又称周期性变动，是指时间序列数据的循环变动又称周期性变动，是指时间序列数据的变动呈现不固定的周期变动，且变动的周期大于变动呈现不固定的周期变动，且变动的周期大于一年。一年。 第一节第

5、一节 时间序列预测法时间序列预测法n4.4.不规则变动不规则变动n时间序列数据所呈现的变化趋向没有一定规律，时间序列数据所呈现的变化趋向没有一定规律，呈忽升忽降的变动形态。呈忽升忽降的变动形态。 第一节第一节 时间序列预测法时间序列预测法（三）时间序列预测法的程序和种类（三）时间序列预测法的程序和种类n1.1.时间序列预测法的程序时间序列预测法的程序n时间序列预测法的基本程序是：时间序列预测法的基本程序是：n(1)(1)确定预测对象。根据市场研究预测目的确定预确定预测对象。根据市场研究预测目的确定预测对象。测对象。n(2)(2)收集历史数据，编制时间序列。收集历史数据，编制时间序列。 n(3)

6、(3)确定数据变动趋势的类型。确定数据变动趋势的类型。 n(4)(4)选择预测方法，建立预测模型。选择预测方法，建立预测模型。 n(5) (5) 确定预测结果。确定预测结果。 第一节第一节 时间序列预测法时间序列预测法n2.2.时间序列预测法的种类时间序列预测法的种类n 时间序列预测法按市场现象变动因素的不同，时间序列预测法按市场现象变动因素的不同，可分为直线趋势预测法、趋势外推预测法和季节可分为直线趋势预测法、趋势外推预测法和季节变动预测法。直线趋势预测法又称平均变动预测法。直线趋势预测法又称平均( (平滑平滑) )预预测法，主要包括简单平均法、移动平均法、指数测法，主要包括简单平均法、移动

7、平均法、指数平滑法等预测方法。趋势外推预测法包括直线外平滑法等预测方法。趋势外推预测法包括直线外推预测法和曲线外推预测法。下面将分别进行讨推预测法和曲线外推预测法。下面将分别进行讨论。论。第一节第一节 时间序列预测法时间序列预测法二、简单平均法二、简单平均法n简单平均法是一种简单的时间序列预测法。它是简单平均法是一种简单的时间序列预测法。它是以一定观察期的数据求得平均数，并以所求平均以一定观察期的数据求得平均数，并以所求平均数为基础，预测未来时期的预测值的方法。这种数为基础，预测未来时期的预测值的方法。这种方法简单易行，不需要进行复杂的模型设计和数方法简单易行，不需要进行复杂的模型设计和数学运

8、算，适用于短期预测和近期预测，是市场预学运算，适用于短期预测和近期预测，是市场预测中常用的方法。测中常用的方法。n简单平均法包括：简单平均法包括：n简单算术平均法简单算术平均法n加权平均法加权平均法 第一节第一节 时间序列预测法时间序列预测法（一）简单算术平均法（一）简单算术平均法n简单算术平均法是将一定时期内时间序列的各期简单算术平均法是将一定时期内时间序列的各期数据的算术平均数作为预测值的方法。用简单算数据的算术平均数作为预测值的方法。用简单算术平均法进行市场项测需要一定的条件，只有当术平均法进行市场项测需要一定的条件，只有当数据的时间序列表现出水平型变动趋势而无显著数据的时间序列表现出水

9、平型变动趋势而无显著的长期趋势变化和季节变动时，才能采用此法进的长期趋势变化和季节变动时，才能采用此法进行预测。行预测。n设设X1X1，X2X2，X3X3，XnXn为观察期为观察期n n个数据，求得个数据，求得n n个数据的算术平均数作为下一时期的预测值，其个数据的算术平均数作为下一时期的预测值，其计算方法如下：计算方法如下：nXXXnii1第一节第一节 时间序列预测法时间序列预测法（二）加权平均法（二）加权平均法n加权平均法就是在求平均数时，根据观察期各期加权平均法就是在求平均数时，根据观察期各期资料重要性的不同，分别给予不同的权数后加以资料重要性的不同，分别给予不同的权数后加以平均的方法。

10、平均的方法。 n设设X1X1，X2X2，X3X3，XnXn为观察期的数据资料；为观察期的数据资料；W1W1，W2W2，W3W3，WnWn为观察期的数据资料相对应的为观察期的数据资料相对应的权数。加权平均法的计算方法如下：权数。加权平均法的计算方法如下：niiniiinnnwWXWWWWWXWXWXXX11212211.第一节第一节 时间序列预测法时间序列预测法三、移动平均法三、移动平均法n移动平均预测法是对时间序列观察值，由远及近移动平均预测法是对时间序列观察值，由远及近按一定的跨越期计算平均值的一种预测方法。按一定的跨越期计算平均值的一种预测方法。n移动平均法包括：移动平均法包括：n一次移动

11、平均法一次移动平均法n二次移动平均法二次移动平均法 第一节第一节 时间序列预测法时间序列预测法（一）一次移动平均法（一）一次移动平均法n一次移动平均法是对时间序列的数据按一定的跨一次移动平均法是对时间序列的数据按一定的跨越期进行移动，逐个计算其移动平均值，取最后越期进行移动，逐个计算其移动平均值，取最后一个移动平均值作为预测值的方法，直接以本期一个移动平均值作为预测值的方法，直接以本期(t(t期期) )的移动平均值作为下期的移动平均值作为下期(t+1(t+1期期) )预测值的方预测值的方法。其主要特点是：法。其主要特点是：n (1)(1)预测结果具有就近性。预测结果具有就近性。 n (2)(2

12、)跨越期具有固定性。跨越期具有固定性。 n(3)(3)平均数的计算具有移动性。平均数的计算具有移动性。 第一节第一节 时间序列预测法时间序列预测法n一次移动平均预测法适用于预测对象既无长期增一次移动平均预测法适用于预测对象既无长期增加加( (下降下降) )趋势亦无周期性变动的时间序列预测。趋势亦无周期性变动的时间序列预测。一次移动平均法的计算方法如下：一次移动平均法的计算方法如下：nXnXXXMXtntiinttttt111)1(1.第一节第一节 时间序列预测法时间序列预测法（二）二次移动平均法（二）二次移动平均法n二次移动平均法是运用移动平均的方式在一次移二次移动平均法是运用移动平均的方式在

13、一次移动平均法的基础上进行二次移动平均，并在此基动平均法的基础上进行二次移动平均，并在此基础上求得预测值。二次移动平均法是利用一次移础上求得预测值。二次移动平均法是利用一次移动平均值落后于实际数据变化的滞后偏差演变规动平均值落后于实际数据变化的滞后偏差演变规律求得移动系数，然后建立线性时间关系的数学律求得移动系数，然后建立线性时间关系的数学模型而进行市场预测的方法。模型而进行市场预测的方法。n1.1.二次移动平均法的预测步骤二次移动平均法的预测步骤n（1 1）计算时间序列的一次移动平均值。）计算时间序列的一次移动平均值。n（2 2）计算时间序列的二次移动平均值。）计算时间序列的二次移动平均值。

14、n（3 3）求预测值。）求预测值。n（4 4）建立预测模型，进行预测。）建立预测模型，进行预测。 第一节第一节 时间序列预测法时间序列预测法四、指数平滑法四、指数平滑法n指数平滑法是在移动平均法基础上发展起来的一指数平滑法是在移动平均法基础上发展起来的一种方法，实质上是一种特殊的加权移动平均法。种方法，实质上是一种特殊的加权移动平均法。n指数平滑法包括：指数平滑法包括：n一次指数平滑法一次指数平滑法n二次指数平滑法二次指数平滑法n多次多次( (三次以上三次以上) )指数平滑法指数平滑法 )1(tM)1(tM)1(tM)1(tM第一节第一节 时间序列预测法时间序列预测法( (一一) )一次指数平

15、滑法一次指数平滑法n一次指数平滑法是通过计算时间序列的一次指数一次指数平滑法是通过计算时间序列的一次指数平滑值，以本期的指数平滑值为基础来确定下一平滑值，以本期的指数平滑值为基础来确定下一期预测值的预测方法。它将本期的实际值和预测期预测值的预测方法。它将本期的实际值和预测值的加权平均数作为下一期的预测值。值的加权平均数作为下一期的预测值。n设时间序列为：设时间序列为：X1X1，X2X2，XtXt，各期数据被赋，各期数据被赋予的权数为予的权数为,（1-1-），），（1-1-）2 2，（1-1-）t-1t-1，（其中，（其中为加权系数，为加权系数，0101），则一次指数平滑值），则一次指数平滑值S

16、tSt为：为：112211)1 ()1 (.)1 ()1 (XXXXSttttt第一节第一节 时间序列预测法时间序列预测法n以上公式可以被简化为以下形式：以上公式可以被简化为以下形式：tttSXS)1(1)1()1 (第一节第一节 时间序列预测法时间序列预测法( (二二) ) 二次指数平滑法二次指数平滑法n二次指数平滑法是在一次指数平滑的基础上再做二次指数平滑法是在一次指数平滑的基础上再做一次指数平滑，运用二次指数平滑法建立数学模一次指数平滑，运用二次指数平滑法建立数学模型进行预测的方法。二次指数平滑法的预测步骤型进行预测的方法。二次指数平滑法的预测步骤为：为：n（1 1）确定平滑系数）确定平

17、滑系数a a和第一期的指数平滑值。和第一期的指数平滑值。n（2 2）进行一次指数平滑计算。）进行一次指数平滑计算。 n（3 3）进行二次指数平滑计算。）进行二次指数平滑计算。n（4 4）求预测值。）求预测值。 n（5 5）计算趋势值，测算并比较预测误差，确定预）计算趋势值，测算并比较预测误差，确定预测模型。测模型。n（6 6）用预测模型进行预测。）用预测模型进行预测。第一节第一节 时间序列预测法时间序列预测法五、季节指数法五、季节指数法n季节指数法是以市场季节周期性为特征，根据预季节指数法是以市场季节周期性为特征，根据预测变量各个日历年度按月或按季编制的时间序列测变量各个日历年度按月或按季编制

18、的时间序列资料，通过计算反映在时间序列资料上呈现明显资料，通过计算反映在时间序列资料上呈现明显的有规律的季节变动系数的有规律的季节变动系数( (季节指数季节指数) )，并利用这，并利用这些系数进行短期预测的一种方法。些系数进行短期预测的一种方法。n直接平均季节指数法直接平均季节指数法n移动平均数季节指数法移动平均数季节指数法 第一节第一节 时间序列预测法时间序列预测法（一）直接平均季节指数法（一）直接平均季节指数法n1 1直接平均季节指数法的概念及预测步骤直接平均季节指数法的概念及预测步骤n直接平均季节指数法是指根据含季节变动时间序直接平均季节指数法是指根据含季节变动时间序列资料，用求算术平均

19、值的方法，直接计算各月列资料，用求算术平均值的方法，直接计算各月或各季的季节指数，并再用季节指数直接进行预或各季的季节指数，并再用季节指数直接进行预测的一种方法。测的一种方法。n直接平均季节指数法的预测步骤如下：直接平均季节指数法的预测步骤如下：n第一步：列出历年第一步：列出历年( (至少至少3 3年年) )各月或各季度的统计各月或各季度的统计资料；资料；n第二步：求出各年同月或同季度的平均数第二步：求出各年同月或同季度的平均数( (用用AiAi表表示示) )；第一节第一节 时间序列预测法时间序列预测法n 第三步：求历年间所有月份或季度的总平均值第三步：求历年间所有月份或季度的总平均值( (用

20、用B B表示表示) )；n 第四步：计算同月或同季度的季节指数第四步：计算同月或同季度的季节指数StStAtAtB B。 n 第五步：将没有考虑季节影响的预测值第五步：将没有考虑季节影响的预测值 乘以相乘以相应的季节指数就得到未来年度内各月和各季度包应的季节指数就得到未来年度内各月和各季度包含季节变动的预测值。含季节变动的预测值。n2 2直接平均季节指数法的应用直接平均季节指数法的应用第一节第一节 时间序列预测法时间序列预测法（二）移动平均数季节指数法（二）移动平均数季节指数法n移动平均数季节指数法是利用移动平均法分解时移动平均数季节指数法是利用移动平均法分解时间序列四类变动因子，消除时间序列

21、的长期变动间序列四类变动因子，消除时间序列的长期变动、循环变动和不规则变动，比较精确地计算出反、循环变动和不规则变动，比较精确地计算出反映季节变动情况的季节指数，并据此修正没有考映季节变动情况的季节指数，并据此修正没有考虑季节影响的预测值，更好地进行预测。虑季节影响的预测值，更好地进行预测。 n移动平均数季节指数法预测步骤为：移动平均数季节指数法预测步骤为：n（1 1）根据时间序列的时间单位选择跨越期。）根据时间序列的时间单位选择跨越期。n（2 2）对第四栏的移动平均数时间序列再进行中心）对第四栏的移动平均数时间序列再进行中心化，其目的是使移动后的平均值与原时间序列的化，其目的是使移动后的平均

22、值与原时间序列的时间周期一致。时间周期一致。第一节第一节 时间序列预测法时间序列预测法n（3 3）将原时间序列）将原时间序列( (表中第三栏表中第三栏) )除以中心化移动除以中心化移动平均数序列（表中第五栏平均数序列（表中第五栏) )就可以得到一个新的时就可以得到一个新的时间序列间序列( (表中第六栏表中第六栏) )，这个时间序列仅包含季节，这个时间序列仅包含季节变动因子和不规则变动变动因子和不规则变动(SI)(SI)。 n（4 4）计算各年同季度的季节指数。）计算各年同季度的季节指数。n（5 5）对季节指数平均值进行调整，确定季节指数）对季节指数平均值进行调整，确定季节指数。其方法与直接平均

23、季节指数法中的相同，不再。其方法与直接平均季节指数法中的相同，不再赘述。赘述。n（6 6）计算）计算20092009年第二、三和四季度的趋势变动值年第二、三和四季度的趋势变动值。n（7 7）根据）根据20092009年的第二、三、四季度的趋势变动年的第二、三、四季度的趋势变动值，考虑季节指数，便可以得到该企业值，考虑季节指数，便可以得到该企业20092009年第年第二、三、四季度的销售额。二、三、四季度的销售额。第一节第一节 时间序列预测法时间序列预测法六、趋势外推法六、趋势外推法n趋势外推法又叫趋势延伸法，它是将时间序列揭趋势外推法又叫趋势延伸法，它是将时间序列揭示出的变动趋势延伸到未来，用

24、数学模型对它进示出的变动趋势延伸到未来，用数学模型对它进行描述，并通过这一模型预测市场现象未来可能行描述，并通过这一模型预测市场现象未来可能达到的水平的预测方法。达到的水平的预测方法。n趋势外推法可以分为：趋势外推法可以分为：n直线趋势外推法直线趋势外推法n曲线趋势外推法曲线趋势外推法第一节第一节 时间序列预测法时间序列预测法（一）直线趋势外推法（一）直线趋势外推法n直线趋势外推法是根据预测目标时间序列具有直直线趋势外推法是根据预测目标时间序列具有直线型变动趋势的特征，将其拟合成一条直线，通线型变动趋势的特征，将其拟合成一条直线，通过建立直线预测模型进行预测的方法。它是趋势过建立直线预测模型进

25、行预测的方法。它是趋势预测法中的基本方法，也是预测实践中最常用的预测法中的基本方法，也是预测实践中最常用的方法。方法。第一节第一节 时间序列预测法时间序列预测法( (二二) )曲线趋势外推法曲线趋势外推法n在趋势外推法中，直线趋势外推法适用于线性变在趋势外推法中，直线趋势外推法适用于线性变动趋势的时间序列预测。而现实中，许多市场现动趋势的时间序列预测。而现实中，许多市场现象的变化规律表现为非线性变动趋势，即表现为象的变化规律表现为非线性变动趋势，即表现为各种曲线趋势变动。对曲线性变动趋势的时间序各种曲线趋势变动。对曲线性变动趋势的时间序列预测，必须采用二次曲线、指数曲线、对数曲列预测，必须采用

26、二次曲线、指数曲线、对数曲线等曲线预测模型对其进行预测。线等曲线预测模型对其进行预测。n1.1.二次曲线趋势外推法二次曲线趋势外推法n二次曲线趋势外推法也叫抛物线，是根据预测对二次曲线趋势外推法也叫抛物线，是根据预测对象的历史数据具有二次曲线（抛物线）变动趋势象的历史数据具有二次曲线（抛物线）变动趋势，将其拟合成一条二次曲线，通过建立二次曲线，将其拟合成一条二次曲线，通过建立二次曲线模型进行预测的方法。模型进行预测的方法。 第一节第一节 时间序列预测法时间序列预测法n2.2.指数曲线趋势外推法指数曲线趋势外推法n指数曲线趋势外推法是指当时间数列的变化发展指数曲线趋势外推法是指当时间数列的变化发

27、展趋势呈现指数变动规律时，通过建立指数曲线方趋势呈现指数变动规律时，通过建立指数曲线方程来向外推导的预测方法。程来向外推导的预测方法。 第二节第二节 回归分析预测法回归分析预测法一、回归分析预测法概述一、回归分析预测法概述n回归分析预测法的含义与种类回归分析预测法的含义与种类n应用回归分析预测法的条件应用回归分析预测法的条件n回归分析预测法的程序回归分析预测法的程序第二节第二节 回归分析预测法回归分析预测法（一）回归分析预测法的含义与种类（一）回归分析预测法的含义与种类n1.1.回归分析预测法的含义回归分析预测法的含义n回归分析预测法就是从各种经济现象之间的相互回归分析预测法就是从各种经济现象

28、之间的相互关系出发，通过对与预测对象有联系的现象变动关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的趋势的分析，推算预测对象未来状态数量表现的一种预测法。所谓回归分析，就是研究某一个随一种预测法。所谓回归分析，就是研究某一个随机变量机变量( (因变量因变量) )与其他一个或几个变量与其他一个或几个变量( (自变量自变量) )之间的数量变动关系，由回归分析求出的关系式之间的数量变动关系，由回归分析求出的关系式通常称为回归模型通常称为回归模型( (或回归方程或回归方程) )。第二节第二节 回归分析预测法回归分析预测法n2.2.回归分析预测法的种类回归分析预测法的

29、种类n应用回归模型进行市场预测，有很多种类，根据应用回归模型进行市场预测，有很多种类，根据不同的条件可进行不同的分类。主要的分类有：不同的条件可进行不同的分类。主要的分类有：n (1)(1)按包含自变量个数的多少划分，回归分析预按包含自变量个数的多少划分，回归分析预测法分为一元回归分析预测法和多元回归分析预测法分为一元回归分析预测法和多元回归分析预测法。测法。n (2)(2)按自变量和因变量之间是否存在线性关系划按自变量和因变量之间是否存在线性关系划分，回归分析预测法分为线性回归分析预测法和分，回归分析预测法分为线性回归分析预测法和非线性回归分析预测法。非线性回归分析预测法。 n (3)(3)

30、按回归模型是否带虚拟变量划分，回归分析按回归模型是否带虚拟变量划分，回归分析预测法分为普通回归模型和虚拟变量回归模型。预测法分为普通回归模型和虚拟变量回归模型。 第二节第二节 回归分析预测法回归分析预测法（二）应用回归分析预测法的条件（二）应用回归分析预测法的条件n回归预测法是一种实用价值很高的预测方法，但回归预测法是一种实用价值很高的预测方法，但必须在一定的条件下应用。应用回归预测法要满必须在一定的条件下应用。应用回归预测法要满足以下几方面的条件：足以下几方面的条件：n1.1.经济现象之间关系密切经济现象之间关系密切n2.2.自变量的预测值必须比因变量的预测值自变量的预测值必须比因变量的预测

31、值精确或容易求得精确或容易求得n3.3.要正确地选择回归方程的形式要正确地选择回归方程的形式第二节第二节 回归分析预测法回归分析预测法（三）回归分析预测法的程序（三）回归分析预测法的程序n应用回归分析预测法进行市场预测时，应遵循一应用回归分析预测法进行市场预测时，应遵循一定的程序定的程序: :n1.1.根据预测目标，确定自变量和因变量根据预测目标，确定自变量和因变量n2.2.确定回归方程，建立预测模型确定回归方程，建立预测模型n3.3.检验回归预测模型，计算预测误差检验回归预测模型，计算预测误差n4.4.利用回归模型确定预测值，并对预测值利用回归模型确定预测值，并对预测值作出置信区间的估计作出

32、置信区间的估计第二节第二节 回归分析预测法回归分析预测法二、一元线性回归分析预测法二、一元线性回归分析预测法n一元线性回归分析预测法的含义一元线性回归分析预测法的含义n一元线性回归分析预测法的基本原理一元线性回归分析预测法的基本原理n一元线性回归分析预测法的应用一元线性回归分析预测法的应用 第二节第二节 回归分析预测法回归分析预测法（一）一元线性回归分析预测法的含义（一）一元线性回归分析预测法的含义n一元线性回归分析预测法是根据自变量一元线性回归分析预测法是根据自变量X X和因变量和因变量Y Y的相关关系，建立的相关关系，建立X X与与Y Y的线性回归方程进行预测的线性回归方程进行预测的方法。

33、的方法。 第二节第二节 回归分析预测法回归分析预测法（二）一元线性回归分析预测法的基本（二）一元线性回归分析预测法的基本原理原理n当因变量、自变量之间的数据资料分布呈线性关当因变量、自变量之间的数据资料分布呈线性关系时，可以用一条直线来表示它们的线性关系，系时，可以用一条直线来表示它们的线性关系，进而用于预测。但对于这种线性关系可以用不同进而用于预测。但对于这种线性关系可以用不同的直线来描述，每条直线代表变量之间关系的程的直线来描述，每条直线代表变量之间关系的程度是不同的，有的代表性强一些，有的代表性弱度是不同的，有的代表性强一些，有的代表性弱一些，需要从这些直线中找出一条最具有代表性一些，需

34、要从这些直线中找出一条最具有代表性的直线。最常用的确定直线方程的方法是最小二的直线。最常用的确定直线方程的方法是最小二乘法。乘法。n最小二乘法的基本原理是：最具代表性的直线应最小二乘法的基本原理是：最具代表性的直线应该是直线到各点的距离最近。该是直线到各点的距离最近。 第二节第二节 回归分析预测法回归分析预测法（三）一元线性回归分析预测法的应用（三）一元线性回归分析预测法的应用n（1 1）回归标准差检验。）回归标准差检验。 n（2 2）拟合优度检验。）拟合优度检验。 n (3)(3)回归预测模型检验回归预测模型检验F F检验。检验。 n（4 4）回归系数）回归系数b b显著性检验显著性检验t

35、t检验。检验。 第二节第二节 回归分析预测法回归分析预测法四、应用回归分析预测法须注意的其他四、应用回归分析预测法须注意的其他问题问题n（1 1）样本要尽可能地大。）样本要尽可能地大。 n（2 2）预测期的自变量的估计值要尽可能准确。）预测期的自变量的估计值要尽可能准确。 n（3 3）若用于长期预测，应周期性地检验回归预测）若用于长期预测，应周期性地检验回归预测模型。模型。 n（4 4）遇到非线性回归问题，可以将其转化为线性）遇到非线性回归问题，可以将其转化为线性回归处理。回归处理。 n（5 5）与定性分析相结合。）与定性分析相结合。 本章小结本章小结n本章第一节主要介绍了时间序列分析和预测的基本章第一节主要介绍了时间序列分析和预测的基本方法。首先解释了时间序列的形态，常常通过本方法。首先解释了时间序列的形态，常常通过它帮助我们考虑时间序列的四种独立成分：趋势它帮助我们考虑时间序列的四种独立成分：趋势、循环、季节和不规则。通过分离这些成分和测、循环、季节和不规则。通过分离这些成分和测量它们的明显影响，可以预测时间序列的未