全球专业中文经管百科,由121,994位网友共同编写而成,共计435,879个条目

直线趋势模型预测法

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目录

什么是直线趋势模型预测法

  直线趋势模型预测法是利用描述预测对象的直线趋势模型进行外推预测的方法。在统计预测中,当某一变量时间序列在长时期内呈连续增长或减少的变动趋势,且其逐期增减量大致相同时,常用直线趋势模型进行预测。

直线趋势预测模型[1]

  直线趋势预测模型为:

  \widehat{x}_t=a+bt

  式中,a,b为趋势模型待定的两个参数,t代表时间。

  利用数据(t,x_t),t=1、2、…、n,根据最小平方法可得参数a、b的估计为下列标准方程组的解

  \begin{cases}\sum X_t=na+b\sum t\\\sum t X_t+b\sum t^2\end{cases}

  估计出a、b的值以后就可以进行预测。

  其预测标准误差为:

  S=\sqrt{\frac{\sum(X_t-\widehat{X}_t)^2}{n-2}}

直线趋势模型预测法实例分析

  某企业连续9年的销售额如下,试预测2002年的销售额

年份时间t销售额Xtt2tXt预测值\widehat{X}_t预测误差X_t-\widehat{X}_t预测误差平方(X_t-\widehat{X}_t)^2
1993-430016-1200299.160.840.7056
1995-33249-972323.510.490.2401
1996-13721-372372.21-0.210.0441
1997039600396.56-0.560.3136
199814201420420.91-0.910.8281
199924464892445.260.740.5476
2000346991407469.61-0.610.3721
20014495161980493.96-0.061.0816
合计-3569601461--4.8724

  根据给定时间序列定出时间t的值代入表中第二列,则

  a=\frac{\sum X_t}{n}=\frac{3569}{9}=396.56

  b=\frac{\sum tX_t}{\sum t^2}=\frac{1461}{60}=24.35

  其直线趋势预测模型为:

  \widehat{X}_t=396.56+24.35t

  预测2002年的销售额,取t=5,则

  \widehat{X}_1997=396.56+24.35\times5=518.31(万元)

  其预测标准误差为:

  S=\sqrt{\frac{\sum(X_t-\widehat{X}_t)^2}{n-2}}=\sqrt{\frac{4.8724}{9-2}}=0.83

相关条目

参考文献

  1. 马树才主编.统计学教程[M].ISBN:978-7-5610-3730-0/F568.辽宁大学出版社,2002.06
本条目对我有帮助8
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

Yixi,Llyn.

评论(共3条)

提示:评论内容为网友针对条目"直线趋势模型预测法"展开的讨论,与本站观点立场无关。
61.227.90.* 在 2021年3月10日 11:06 发表

趨勢模型預測的例子寫錯了,時間合計不是0?

回复评论
Llyn (Talk | 贡献) 在 2021年3月10日 13:37 发表

61.227.90.* 在 2021年3月10日 11:06 发表

趨勢模型預測的例子寫錯了,時間合計不是0?

谢谢指正,已修改

回复评论
116.20.67.* 在 2022年3月10日 11:09 发表

例子里的数据少了1994这一年的数据,说是9年,实际只有8条数据

回复评论

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号