对三种预测方法的评价

对事物进行动态预测是经济管理中的重要问题。动态预测模型是多种多样的。其中有:直线趋势预测模型、时间变量落后一期自回归预测模型和多因素线性回归预测模型。这三种方法的理论依据是什么?在什么情况下测得准?在什么情况下测不准?对这些问题进行研究,可以使我们更好地运用这些方法进行预测,从而提高预测的准确性。     

基于偏最小二乘回归的城市生活用水量预测研究

以城市生活用水量为预测研究对象,选取6个社会经济发展因素作为主要变量因子,建立偏最小二乘回归模型。研究分析表明,各变量因子间存在较强的多重共线性,采用偏最小二乘回归模型能有效克服各类因子变量间的多重共线性对模型拟合精度及其预测能力的影响,取得更接近现实的预估结果(平均相对误差为2.7%)。研究还发现,数据序列的长度和变量近期的变化信息也会对模型的预测精度产生重要的影响。     

改进的BP神经网络方法及其在农业商品总产值预测中的应用

针对BP神经网络应用中存在的训练时间长、收敛速度慢的问题，对常用的BP神经网络方法进行了改进，增加了数据前处理和后处理的过程。前处理过程是对BP神经网络的输入变量采用主成分分析法进行预处理，确定主要的影响因素，解决了神经网络训练时输入变量过多造成的效率下降问题；后处理过程是对训练结果采用回归和相关性分析的方法进行评价，验证了训练结果的精度。对农业商品总产值的预测结果表明．改进的BP神经网络方法能够提高神经网络的训练效率．并且达到了较高的预测精度。该方法适用于解决多因素预测的问题。     

最小二乘法线损率预测技术研究

为了提高预测精度,提出了一种改进的最小二乘法线损预测技术。算法首次将核偏最小二乘回归算法应用于线损率预测。实验表明,提出的方法能够较好地克服变量相关性和非线性因素对预测模型的不利影响。     

投入产出预测结果的分析

投入产出预测,是利用已有的投入产出模型进行的预测。一个好的投入产出模型,可以反映出经济体系(如国民经济体系)中各个部门的投入与产出之间内在的经济技术联系。利用这种投入产出模型,可以根据经济体系内一部分经济变量的值去预测另一部分经济变量的值。与回归预测、时间序列预测等预测方法相比较,投入产出预测方法的特点在于,我们可     

管制员直飞决策的逻辑回归模型分析

<正>随着民航的快速发展,管制终端区内的航空器也越来越多,为了减少进离港航空器之间的冲突,提高运行效率,管制员利用雷达设备引导航空器偏离进离场程序进行直飞的情况越来越普遍。为分析管制员直飞决策,更加准确的预测离场航空器移交时间,在这篇文章中,我们研究了影响管制员制定直飞预案的因素,构建了逻辑回归模型。在逻辑回归模型中,我们使用单变量分析法分析影响     

基于回归分析的失业预警建模实证研究

指出失业预警系统的建模是一个小样本、高维度、非线性、存在噪音数据的复杂的建模问题,重点探讨了基于回归分析技术对失业预警系统进行建模的理论、方法与步骤。讨论了常见的缺失数据处理、数据归一化以及特征降维等数据预处理方法;进一步分析了最小二乘回归、Logistic回归、岭回归、BP神经网络以及支持向量回归五种回归技术;最后基于广东省的社会经济调查数据对五种回归方法进行了实证分析,实验结果表明:在对失业率的预测上,支持向量回归预测效果最好,最小二乘回归、岭回归与BP神经网络次之,Logistic回归预测效果最差。     

公司治理与财务困境预测

本文在分别借助因子分析和非参数检验方法对公司财务指标和治理因素进行统计处理的基础上,构造并实证检验了用于预测我国上市公司财务困境的两大模型,即仅是包含财务信息与融合财务信息和公司治理因素的Logistic回归预测模型。实证结果表明,作为通过了非参数检验的公司治理因素之关键特征变量——第一大股东派出董事比例,不但与公司发生财务困境的概率之间呈现显著的负相关关系,而且能够显著提高包含该变量的预测模型的回判和预测准确率。因此,公司治理信息应当是利于预测我国上市公司是否可能发生财务困境的重要因素。     

关于广东省农机总动力需求发展预测的探讨

农机总动力的发展水平和趋向,是衡量农业技术装备和农村、农业机械化水平的重要标志。为了适应新时期农村经济发展对农业技术装备的需要,我们运用回归分析方法结合其他方法,对“七五”期间广东省农机总动力进行了预测。一、影响因素分析和解释变量的确定经调查分析,农机总动力发展的主要影响因素大致有:1.农村经济发展和农机化方针政策;     

情境因素下的学习动因、创新和绩效——一个实证研究

以一种权变、动态和嵌人性的视角看待学习,将影响学习产生的动因、创新和绩效以及它们所嵌入的情境作为一个完整的系统予以考察．结合国内企业的调查数据,对学习动因、创新和绩效的关系进行了理论分析和实证研究,并分析和验证了若干情境因素的影响．结果显示,影响学习产生的三个重要动因——学习动机、学习机会和学习能力是创新的显著预测变量,学习机会和学习能力同时也是绩效的显著预测变量,学习动机对绩效的影响则不显著;不同的情境因素在学习动因、创新和绩效的上述关系中扮演着不同的角色,发挥着重要的作用．     

浅析SLF中各影响因素对预测精度的重要程度

空间电力负荷发展趋势受多种变量与影响因素的制约,多种因素共同作用的结果决定了该系统的发展态势。同时,每一个变量的发展变化都不是孤立的,一个变量要受到其他变量的影响,也影响着其他变量。影响负荷预测的变量非常多,其中多数可以借助历史年鉴数据获取,但小区的空间信息需借助地理信息系统(GIS)获取。本文我们将各变量与分类负荷密度的相关程度作为各影响因素对预测精度的重要程度的评价指标。准确把握各种影响变量或因素,尤其是主要影响因素及其权重、发展变化规律,更有助于提高SLF的准确性。该类研究将对城市电网建设及其经济和安全的运行的具有深远影响。     

浅析奥运之后北京房地产经济的发展

本文主要通过SPSS相关分析方法,从历年房地产价格指数、个人可支配收入、投资额、施工面积、销售价格等变量中,选择与销售额相关性最高的两个变量:个人可支配收入、投资额,运用回归分析和灰色预测模型理论,对1994到2005年北京房地产销售额进行追溯预测,从中选择均方误差最小的方法,预测奥运会后北京房地产的销售额;同时与其它奥运举办城市房地产经济发展状况进行横向比较,对奥运会之后北京房地产经济的发展趋势做出定性预测分析。     

数学模型在基准地价评估中的应用

建立回归分析模型首要分析统计数据 ,确定两个特定变量之间的数学关系形式。即用收集到样点地价 ,结合样点地价分布特点和影响地价的综合因素条件 ,分析该区域内土地质量与地价的相关关系建立回归模型。(以乌兰浩特市城乡结合部地价评估为例 )1　确定并选择回归模型的方法1 .1　根据地价资料和土地质量综合作用价值 ,分别做出被解释变量 y与解释变量 x之间的二维散点图。1 .2　根据样本点 ( yi、xi) ( i=1 ,2 - n)的分布图形得知地价与综合作用分值之间并非直线关系 ,在此基础上设定回归模型的数学形式为指数模型 y=e( a+ bx) 。1 .3　参数…     

煤矿瓦斯事故直接经济损失预测模型

为解决事故直接经济损失预测困难问题,选用2010—2014年瓦斯事故调查报告的统计数据,对我国瓦斯事故直接经济损失进行建模预测。以直接经济损失作为因变量,死亡人数和事故类型作为解释变量建立回归模型。利用SPSS对模型进行回归,得出事故直接经济损失与死亡人数和类型的关系模型。结果表明瓦斯事故的直接经济损失与死亡人数和事故类型之间存在较强的线性关系。此模型对实际瓦斯事故发生后的直接经济损失做出预测,为制定相应的救援和资金投入计划提供理论支撑。     

基于灰色系统理论的我国科技活动分析与预测

本文从实证角度出发，利用灰色系统理论．首先对我国科技活动中的主要科技投八因素与主要科技产出项进行了灰关联分析．然后分别建立了我国科技活动三项主要产出的等维灰数递补CM（1，1）模型，并基于此对2005—2008年的三项科技产出情况进行了灰预测。     

回归分析方法在储蓄存款预测中的应用

目前,对储蓄存款预测,虽已由一些同志应用回归分析方法进行了尝试,但总的来看,这种方法在储蓄存款预测中的应用尚未推广。据分析影响回归分析方法在储蓄存款预测中应用推广的主要问题是: 1.影响储蓄存款增长的相关因素较多,其中有些因素难以量化; 2.相关因素对储蓄存款的影响并非都是线性的,数学处理困难; 3.储蓄存款预测需采用多元回归分析方法,运算较复杂。为了寻求上述问题的解决途径,我们作     

一种保费规模预测模型及专用信息分析系统

对影响我国保险业发展规模的几个重要因素进行分析。考虑到多重共线性对多元线性回归模型的影响，选用相关性较弱、回归系数较显著的四个解释变量：固定资产投资、城镇居民人均可支配收入、城镇居民人口和保险市场开放度影响因子。在此基础上，构建了专用信息分析系统，根据解释变量建立多元线性回归模型，结合多种统计分析平台，对未来几年的保费收入规模进行了预测。对历史数据的拟合结果证明了该模型的拟合优度和回归系数都具有较强的显著性。预测结果表明，2007年年底我国保费收入将达到6644亿元，到2010年将达到10835亿元，我国保险业发展前景广阔。     

浅谈水泥强度及其预测研究现状

采用遗传规划理论可以对水泥强度这种非线性关系复杂、变量多、大时滞问题进行预测,并可以获得强度和其影响因素之间的显性的非线性表达式。     

短期负荷预测中气象因素的Fisher信息建模方法

挖掘合适的气象因素处理方法是提高预测精度的关键,Fisher信息理论为此类问题的解决提供了一种新途径,该方法用于解决大数据环境下短期负荷预测中实时气象因素的建模问题。针对气象变量,Fisher信息计算问题首先被解决,据此给出了基于Fisher信息的气象因素建模方法。     

回归群预测法

1 回归群预测的基本思路为了论述方便引入下列符号: y是预测变量,Y=(y_1,…,y_n)~τ是n×1前n期预测变量观察向量。f■是第i个预测模型的第t期预测值。 F是n×(m+1)模型群预测值样本矩阵