聯合預測法
出自 MBA智库百科(https://wiki.mbalib.com/)
目錄 |
聯合預測法的概念[1]
聯合預測法是靠確定那些與所研究對象相關的可被預測的變數做出預測。
例如,牛肉銷售量就可能與每磅牛肉價格及諸如雞肉、豬肉和羔羊這些替代品的價格有關;房地產價格通常與其所處位置有關;農作物產量與土壤條件和水及化肥的施用數量和時間有關。
聯合預測法的實質[1]
聯合預測方法的實質就是建立一個數學模型,然後通過模型求解變數對所研究變數的影響。
聯合預測法的基本方法[1]
這類分析處理問題的基本方法就是大家所熟知的回歸分析方法。
最簡單和應用最廣泛的回歸分析方法就是那些處理兩組變數間線性關係的方法。線性回歸模型的主要目標是確定回歸直線。回歸直線就是這樣一條直線:已知數據點到該直線距離的平方和最小,即具有最小二乘解。最小二乘回歸直線的模型是:
y=a+bx
式中:
y——預測(因變數);
b——直線斜率;
a——x=0時y的值(即直線截距)。
在應用回歸分析時往往要利用一些指示變數。實際中存在一些不可控的變數,它們比所研究的變數提前變動或滯後變動。例如,美聯儲貼現率的變化可能會影響一些商)IL活動。同樣地,春季和夏季新開工住宅項目的增加可能會導致秋季和冬季一些住宅設施、地毯、傢具及類似商品需求量的增加。仔細地辨別並分析這些指示變數有助於更為精確地預測未來需求。
為有效地利用一項指數,要具備以下三個條件:
①必須對指示變數和所研究變數兩者的變動關係做出合乎邏輯的說明。
⑦指示變數要比因變數提前一段足夠的時間變動,以便預測結果具有時效性。
③在兩種變數之間存在相當程度的相關性。相關係數表明兩種變數的相關程度和方向。其變化範圍在-1.00-+1.00。相關係數為+1.00,表明一種變數的變化與另一種變數的變化完全一致;相關係數為-1.00,表明隨著一種變數的增加,另一種變數以相同的幅度減少;相關係數趨於零,說明兩種變數之間基本不具備線性關係。
在處理某些預測問題時,如果不適宜採用線性回歸模型,或者預測中所包含的自變數多於一個,那麼這時候就不宜再採用簡單回歸分析模型。
當變數問呈現出非線性關係時,應該引入二次曲線回歸分析模型;當預測中所要處理的自變數多於一個時,就需要採用多元回歸分析模型。儘管這些模型的分析超出了本書的範圍,但讀者應該知道在實際預測中經常用到這些模型。求解這些模型時,一般使用電腦而不是筆算。利用多元回歸模型進行預測總體上增加數據樣本點。每作一次預測,都要權衡增加的額外資用及代價和可能帶來的預測精度上的改善。