经济预测与决策实验.doc

重 庆 交 通 大 学学 生 实 验 报 告实验课程名称 经济预测与决策 开课实验室 B01机房 学 院 2014 级 物流管理 专业 四班 学 生 姓 名 陈立新 学 号 631404090402 开 课 时 间 2015 至 2016 学年第 二 学期总 成 绩教师签名实验一 一元线性回归预测一、实验目的 通过实验掌握一元线性回归预测的数学模型、参数估计方法、误差分析和检验，掌握一元线性回归的点预测和区间预测。二、实验内容已知某市货物运输量Y（万吨），GDP（亿元，1980年不变价）1985年-1998年的样本观测值见下表：年份YGDP198518249161.69198618525171.07198718400184.07198816693194.75198915543197.86199015929208.55199118308221.06199217522246.92199321640276.8199423783316.38199524040363.52199624133415.51199725090465.78199824505509.101. 用Excel直接计算一元线性回归模型的参数，要求写出计算过程。2. 计算可决系数，并根据可决系数分析模型的优劣。3. 计算F统计量，根据显著性水平=0.05作F检验。4. 假如2000年某市以1980为不变价国内生产总值为620亿元，求2000年货物运输量预测值及预测区间。三、实验步骤Yx(GDP)xi2yi2xi*yiba18249161.6926143.66333026001295068126.9541512596.2718525171.0729264.94343175625316907226.9541512596.2718400184.0733881.76338560000338688826.9541512596.2716693194.7537927.56278656249325096226.9541512596.2715543197.8639148.58241584849307533826.9541512596.2715929208.5543493.1253733041332199326.9541512596.2718308221.0648867.52335182864404716626.9541512596.2717522246.9260969.49307020484432653226.9541512596.2721640276.876618.24468289600598995226.9541512596.2723783316.38100096.3565631089752446626.9541512596.2724040363.52132146.8577921600873902126.9541512596.2724133415.51172648.65824016891002750326.9541512596.2725090465.782169516295081001168642026.9541512596.2724505509.1259182.86004950251247549626.9541512596.273E+053933.0612773405.855E+0983971489377.3581176347.720169280.93391238.64182275875997963yi(yi-yi)2(yi-Y)2r2(yi-y)16954.481675777103303720.7810023684754.517207.31173630287690592270132717557.727094436816567.929270603127844.917845.5913284545396261.51207959717929.4156949695013828.91710.8652139591118217.5552374763806472.1F1797396618554.7560885.42604420.942.79505346172619251.782992152840499.477004340.320057.17250533912409.435216510221124.027070180912879.981306409422394.6427072184955370.11498795923795.98113580131581191571669425150.973717.18248242822422045926318.62328922637823126188046132823603.5E+07125263669160388387四、实验结果可决系数=0.781002yi=12596.27+26.95415xia=12596.27b=26.95F=42.79505F(0.05)=4.75FF(0.05)方程显著=1710.865x=620的预测值29307.837t0.05(12)2.18预测区间24722.71833892.96五、实验小结通过实验,我掌握了一元线性回归预测的数学模型、参数估计方法、误差分析和检验，掌握了一元线性回归的点预测和区间预测。实验二 多元线性回归预测一、实验目的 通过实验掌握多元线性回归预测的数学模型、参数估计方法、误差分析和检验，掌握多元线性回归的点预测和区间预测。二、实验内容已知某服装公司的利润与销售额和经营费用有关，现有如下统计数据：时间（年）销售额X1（万元）经营费用X2（万元）利润Y（万元）1263.393.112.32275.493.916.03278.392.515.74296.789.221.25309.391.717.96315.896.518.87318.810015.48333103.919.09340.2102.520.010350.7102.518.411367.3102.121.812381.3101.524.113406.5101.225.614430.8993001. 根据上面的数据，用Excel中的数据分析直接进行回归。2. 写出该二元线性回归模型。3. 写出复相关系数、调整后的可决系数、标准误差，简单判别该预测模型的优劣。4. 写出F统计量和斜率系数的t统计量，根据显著性水平=0.05,作F检验和t检验。5.据估计，未来一年销售额可达460万元，经营费用可控制在100万元，试预测未来一年的利润。若置信水平为5%，利润可能范围是多少？三、实验步骤SUMMARY OUTPUT回归统计Multiple R0.95910151R Square0.919875707Adjusted R Square0.905307654标准误差1.418315633观测值14方差分析dfSSMSFSignificance F回归分析2254.0407599127.020463.14335139.35E-07残差1122.127811572.011619总计13276.1685714Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept21.316051538.6260694352.471120.0310596342.33020140.30192.33020140.3019X Variable 10.1090540910.01053130210.355235.21028E-070.0858750.1322330.0858750.132233X Variable 2-0.387867830.107699802-3.601380.004159867-0.62491-0.15082-0.62491-0.15082RESIDUAL OUTPUT观测值预测 Y残差标准残差113.91949835-1.619498348-1.24132214.928758581.0712414230.821088315.78803041-0.088030406-0.06747419.074589522.125410481.629091519.47900148-1.579001479-1.21028618.326087470.4739125290.363246717.29571233-1.895712328-1.45303817.331595871.6684041341.278803918.659800281.3401997161.027241019.80486824-1.404868235-1.076811121.770313270.0296867280.0227541223.529791240.5702087610.4370551326.39431467-0.794314671-0.608831429.89763830.1023616960.078458四、实验结果2Y=0.109X1-0.388X2+21.3163 复相关系数 0.95910151调整后的可决系数0.905307654标准误差1.4183156334F统计量63.1433513 斜率系数的t统计量t1=10.35523 t2=-3.60138F(1,12)=4.75 F=63.1433513F(1,12),方程显著t0.0512=2.18t12.18，显著t20.05 不显著对于x1的系数a,p0.05 显著对于x2的系数b,p0.05 显著幂函数的参数常数a,p0.05 显著X的指数b,p0.05 显著比较之下，幂函数模型更好lna=-3.53b=1.73a=10-3.533.预测区间（499.81，500.19）五、实验小结通过实验我掌握了非线性回归预测的数学模型、参数估计方法、误差分析和检验，掌握了非线性回归的点预测和区间预测方法。实验四 带虚变量的回归预测一、实验目的 通过实验掌握带虚变量的回归预测的数学模型、参数估计、误差分析和检验。二、实验内容1. 下表是我国城镇居民家庭抽样调查资料，作散点图，分析该数据的特征。2. 建立带虚变量的线性回归模型，通过多元线性回归的显著性检验t检验，确定一个最合适的预测模型。3. 若某中等收入户人均收入为2808元/年，预测其彩电拥有量。家庭编号收入等级人均收入xt（元/年）彩电拥有量yt（台/百户）1低收入户1107.169.42低收入户1894.8872.643中等偏下户2276.7585.014中等收入户2893.1789.755中等收入户3485.299.56高收入户4107.26102.97高收入户5118.99105.898高收入户6370.59109.649高收入户7877.69115.1310高收入户10962.2122.54三、实验步骤四、实验结果T检验T（0.05）8=2.317.9642.31，所以显著-7.0092.31，所以不显著9.5062.31，所以显著Y=52.615+0.013X+38.603D-0.010DX若某中等收入户人均收入为2808元/年，Y=52.615+0.013X，X=2808，Y=89.119其彩电拥有为89.119五、实验小结根据散点图，在图中两变量的关系还是比较直观的，大致可以判断散点图由两条直线组成，所以引入一个虚变量，设定第一条直线的D为0，第二条直线的D为1，第一条直线由五个点组成，第二条直线也由五个点组成。通过实验我掌握了带虚变量的回归预测的数学模型、参数估计、误差分析和检验。实验五 时间序列的分解预测法一、实验目的 通过实验掌握乘法模型的时间序列分解预测法。二、实验内容1. 对下表所给数据，首先作折线图，观察数据的线性和季节性特征。2.按照乘法模型的时间序列分解预测法预测第21、22、23季度的销售量，写出计算步骤。季度12345678910销售量yt22322528304245333648季度11121314151617181920销售量yt50404457625255687462三、实验步骤由散点图可知，销售量随季节呈现规律性的波动四、实验结果y21=（20.07+2.27*21）*0.9245=62.63y22=（20.07+2.27*22）*1.131=79.18y23=（20.07+2.27*23）*1.116=80.66五、实验小结通过实验我掌握乘法模型的时间序列分解预测法