- 1、本文档共14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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
.
.
公司的销售额预测
一、问题重述
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量,下表给出了1977—1981年公司的销售额和行业销售额的分季度数据(单位:百万元)
年
季
公司销售额
行业销售额
年
季
公司销售额
行业销售额
1977
1
1
20.96
127.3
1979
3
11
24.54
148.3
2
2
21.40
130.0
4
12
24.30
146.4
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
表1 公司的公司销售额和行业销售额的分季度数据(单位:百万元)
(1)画出数据的散点图,观察用线性回归模型拟合是否合适.
(2)建立公司销售额对全行业的回归模型,并用DW检验诊断随机误差项的自相关性.
(3) 建立消除了随机误差项自相关性之后的回归模型.
二、问题分析与假设
销售收入预测的方法主要有 时间序列法、 因果分析法和 本量利分析法等.
时间序列法,是按照时间的顺序,通过对过去几期实际数据的计算分析,确定预测期产品销售收入的预测值.
表1 的数据是以时间顺序为序列的,称为时间序列.由于公司销售额和行业销售额等经济变量均有一定的滞后性,因此,在这样的时间序列数据中,同一变量的顺序观测值之间出现相关现象是很自然的.然而,一旦数据中存在这种自相关序列,如果仍采用普通的回归模型直接处理,将会出现不良后果,其观测也会失去意义,为此,我们必须先来检验数据是否存在自相关,一旦存在,就要考虑自相关关系,建立新的模型.
定义与符号说明
行业销售额
公司销售额
公司销售额的估计值
三、模型建立与求解
一、基本统计回归模型建立
以行业销售额为自变量、以公司销售额为因变量的散点图,其中
图1 对的散点图
从图1可以看出,随着行业销售额的增加,公司销售额也增加,而且两者有很强的线性关系,因此可以建立线性回归模型
,为随机误差
假设与是相互独立的,且服从均值为零的正态分布.
由表1的数据以及上述线性回归模型的假设,进行数据处理,得到回归系数估计值及其置信区间和检验统计量,见表2.
参数
参数估计值
置信区间
-1.45475
[-1.90465 -1.00485]
0.176283
[0.173248 0.179318]
表2 模型的计算结果
将参数估计值代入得到,
由表2知,几乎处处可由确定.用作出其交互式画面,由此可以给出不同水平下的预测值及其置信区间,通过左方的下拉式菜单,可以输出模型的统计结果,见图2.
图2 回归分析中的交互式画面
二、自相关性的判别
我们可以看到模型的拟合度很高(),即可认为可由模型确定.但此模型并未考虑到我们的数据是一个时间序列.在对时间序列数据做回归分析时,模型的随机误差项可能存在相关性,违背于模型对独立的基本假设.现在我们考虑如下模型:
其中是自相关系数,,相互独立且服从均值为0的正态分布.
模型中,若,则退化为普通的回归模型;若,则随机误差存在正的自相关;若,则随机误差存在负的自相关.大多数与经济有关的时间序列数据,在经济规律作用下,一般随着时间的推移有一种向上或向下的变动趋势,其随机误差表现出正相关性.
检验是一种常用的诊断自相关现象的统计方法.首先根据模型得到的残差,计算统计量如下:
其中是观察值个数,残差为随机误差项的估计值.当较大时,
而式的右端正是自相关系数的估计值,于是
由于,所以,并且若在0附近时,则在2附近,的自
您可能关注的文档
- 方案执行情况检查记录.doc
- 方剂学z1--7方剂学z作业答案.doc
- 新能源课程方案.doc
- 新能源汽车之汽车轻量化的关键技术.doc
- 新能源发电:生物质能及其利用.doc
- 新生儿监测方案.doc
- 新生儿室各区域消毒隔离制度.doc
- 新时期基层群众工作面临问题及对策思考.doc
- 新形势下电力市场营销模式.doc
- 新加坡小学六年级毕业考试模拟卷.doc
- 上海民办张江集团学校新初一分班英语试卷.doc
- 2023年整理心理咨询师之心理咨询师二级技能强化训练试卷A卷附答案.docx
- 上海市徐汇区向阳小学小学六年级小升初期末语文试卷(含答案).doc
- 广州市中大附中语文新初一分班试卷.doc
- 2023年整理心理咨询师之心理咨询师三级技能能力检测试卷A卷附答案.docx
- 2023年整理中级经济师之中级经济师金融专业题库及答案.docx
- 小学数学二年级上学期期末质量试卷测试卷.doc
- 2023年整理咨询工程师之宏观经济政策与发展规划高分通关题型题库附解析答案.docx
- 河北省石家庄市水源街小学英语六年级小升初期末复习试题(含答案).doc
- 北京牛栏山第一中学新初一分班英语试卷含答案.doc
文档评论(0)