- 1、本文档共18页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数学建模大作业
统计回归模型
PAGE
PAGE 17
摘要
某公司想用全行业的销售额作为自变量来预测公司的销售额,题目给出了 1977—1981
此公司的销售额和行业销售额的分季度数据表格。通过对所给数据的简单分析,我们可以看出:此公司的销售额有随着行业销售额的增加而增加的趋势,为了更加精确的分析题目所给的数据,得出科学的结论,从而达到合理预测的目的。我们使用时间序列分析法,参照课本统计回归模型例 4,做出了如下的统计回归模型。
在问题一中,我们使用 MATLB 数学软件,画出了数据的散点图,通过观察散点图,发现公司的销售额和行业销售额之间有很强的线性关系,于是我们用线性回归模型去拟合,发 现有很好的拟合性。但是这种情况下,并没有考虑到数据的自相关性,所以我们做了下面几 个问题的分析来对这个数学模型进行优化。
在问题二中,通过建立了公司销售额对全行业销售额的回归模型,并使用 DW 检测诊断随机误差项的自相关性。 通过计算和查 DW 表比较后发现随即误差存在正自相关,也就是说前面的模型有一定的局限性,预测结果存在一定的偏差,还有需要改进的地方。
在问题三中,因为在问题二中得出随即误差存在正自相关,为了消除随机误差的自相关性,我们建立了一个加入自相关后的回归模型。并对其作出了分析和验证,我们发现加入自相关后的回归模型更加合理。通过使用我们建立的模型对公司的销售额进行预测,发现和实际的销售额很接近,也就是说模型效果还不错。
关键词: 销售额、回归模型、自相关性
一、问题提出
某公司想用全行业的销售额作为自变量来预测公司的销售额,下表给出了 1977-1981 年公司销售额和行业销售额的分季度数据(单位:百万元) .
画出数据的散点图,观察用线性回归模型拟合是否合适。
监理公司销售额对全行业销售额的回归模型,并用 DW 检验诊断随机误差项的自相关性。
年季
年
季
t
公司销售额
y
行业销售额
x
年
季
t
公司销售额
y
行业销售额
x
1977
1
1
20.96
127.3
1979
3
11
24.54
148.3
2
2
21.40
130.0
4
12
24.30
146.6
3
3
21.96
132.7
1980
1
13
25.00
150.2
4
4
21.52
129.4
2
14
25.64
153.1
1978
1
5
22.39
135.0
3
15
26.36
157.3
2
6
22.76
137.1
4
16
26.98
160.7
3
7
23.48
141.2
1981
1
17
27.52
164.2
4
8
23.66
142.8
2
18
27.78
165.6
1979
1
9
24.10
145.5
3
19
28.24
168.7
2
10
24.01
145.3
4
20
28.78
171.7
二、基本假设
假设一:模型中 ε(对时间 t )相互独立。
三、符号说明
公司销售额: y (百万)
行业销售额: x(百万) 概念介绍:
自相关:自相关( auto correlation ),又称序列相关( serial correlation )是指总体
回归模型的随机误差项之间存在的相关关系。即不同观测点上的误差项彼此相关。
置信区间:如果 P( a
1- α的置信区间。
x b )=1- α,α=0.1 或 0.05 ,则称区间 [a,b] 为x 的置信度为
时间序列:时间序列法是一种定量预测方法,亦称简单外延方法。时间序列即按时间的推移或排布会对规律的变化有所影响。
四、问题分析
问题一:表中的数据是以时间为顺序的。由于前期的销售额对后期的投资一般有明显的影响,从而对后期的后期的销售额造成影响。因此在此模型中应考虑到存在自相关,我们可以先建立基本的回归模型,然后再进行自相关性诊断,并建立新的回归模型。
问题二:在问题一之后,就可以接着求出问题二,然后利用 DW检验诊断随机误差项的
自相关性。
问题三:进行了自相关诊断后,将自相关加入模型中,建立消除了随机误差项自相关性的回归模型。
五、模型的建立与求解
问题一
问题一的分析
表中数据是以时间为序的,建立基本的回归模型。
问题一模型的建立
基本回归模型:
设该公司第 t 时间的公司销售额为
yt ,行业销售额为
xt 。为了大致分析
yt 和
xt 的关系,
首先利用表中的数据作出
yt 对 xt 关系作出散点图,如下(见图中的“ +”):做散点图:
可以看出,随着行业销售额的增加,公司销售额增大,而且两者有很强的线性关系,图中的直线说明两者呈线性模型,因此本题用线性回归模型拟合非常合适。
问题二
问题二的分析
从问题一中的图形可以看出,随着行业销售额的增加,公司销售额增大,而且两者有很强的线性关系,图中
您可能关注的文档
最近下载
- 电子电路与系统基础 I (清华大学)2013春季学期期末考试A卷.pdf VIP
- 电子电路与系统基础 I (清华大学)2015春季学期期末考试A卷.pdf VIP
- 电子电路与系统基础 I (清华大学)2015年春季学期期中考卷.pdf VIP
- 中新集团凤凰镇鸷山区域景观设计-东联 201501-压缩最终1精资料.ppt
- 电子电路与系统基础 I (清华大学)2011春季学期期末考试A卷.pdf VIP
- 电子电路与系统基础 I (清华大学)2014春季学期期末考试A卷.pdf VIP
- 地理人子须知.doc
- 电子电路与系统基础 I (清华大学)2012春季学期期末考试A卷.pdf VIP
- 电子电路与系统基础I(李国林)31LL期末复习.pdf VIP
- 电子电路与系统基础 I (清华大学)2013年春季学期期中考卷.pdf VIP
文档评论(0)