伯克斯詹金斯方法常用模型包括_市场调查与预测方法有哪些并举例说明（明天考试就考这个急急急）

① 市场调查与预测方法有哪些并举例说明（明天考试就考这个急急急）

1，定性市场调查预测法定性市场调查预测法，也称为直观判断法，是市场调查预测中经常使用的方法。定性预测主要是依靠预测人员所掌握的信息，经验和综合判断能力，来预测市场未来的状况和发展趋势。这类市场预测方法简单易行，特别适用于那些难以获取全面的资料进行统计分析的问题。因此，定性市场调查预测法在市场调查预测中得到广泛的应用。定性市场调查预测法包括：个人经验判断法，集体经验判断法，专家调查法（又称德尔菲法）。1，个人经验判断法，是指预测者根据个人的经验和知识，通过对影响市场变化的各种因素进行分析，判断和推理来预测市场的发展趋势。在预测者经验丰富，已有资料详尽和准确的前提下，采用这种方法往往能做出准确的预测。2，集体经验判断法，是指预测人员邀请生产，财务，市场销售等各部门负责人进行集体讨论，广泛交换意见，再做出预测的方法。由于预测参加者分属于各个不同的部门和环节，做出的预测往往较为准确和全面。这种市场调查预测方法也较为简单可行，常用于产品市场需求和销售额的预测。3，专家市场调查法，是由美国兰德公司开发出来的，被广泛运用于军事，经济和商情预测，又称德尔菲法。德尔菲法本质上是一种反馈匿名函询法。其做法是：在对所要预测的问题征得专家的意见后，进行整理，归纳，统计，再匿名反馈给各专家，然后再次征求意见，再次归纳，统计，再反馈给各专家，直至得到稳定的意见。为了消除被征求意见成员间相互影响，参加的专家可以互不了解。这种运用匿名，反复多次征询意见进行背靠背交流的方式，可以充分发挥专家们的个人智慧，知识和经验，最后汇总得出一个能反映群体意志的预测结果。德尔菲法具有以下三大特征：一是资源利用的充分性。二是最终结论的可靠性。三是最终结论的统一性。

② 写论文多少例不需统计学分析

时代金融

摘要:

关键词:

一、引言

一个国家的国民经济有很多因素构成, 省区经济则是我国国

民经济的重要组成部分, 很多研究文献都认为中国的省区经济是

宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据

进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经

济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省

区对我国国民经济的快速增长起到了很大的作用, 而发展相对较

慢的省区, 其原因与解决方法也值得我们研究。

本文选取华中大省湖北省进行研究, 具有一定的指导和现实

意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达

到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的

经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之

对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP

的研究和预测也就从一个侧面反映我国国民经济的走势和未来。

尽管湖北省以其重要位置和经济实力在我国国民经济中占

据一席之地, 但仍不可避免的面临着建国以来一再的经济波动,

从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困

境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但

是这个趋势能够保持多久却是我们需要考虑的问题。

本文选择了时间序列分析的方法进行湖北省区域经济发展

的预测。时间序列预测是通过对预测目标自身时间序列的处理来

研究其变化趋势的。即通过时间序列的历史数据揭示现象随时间

变化的规律, 将这种规律延伸到未来, 从而对该现象的未来作出

预测。

二、基本模型、数据选择以及实证方法

( 一) 基本模型

ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯

创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些

时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序

列值虽然具有不确定性, 但整个序列的变化却具有一定的规律

性, 可以用相应的数学模型近似描述。通过对该数学模型的分析,

能够更本质的认识时间序列的结构与特征, 达到最小方差意义下

的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进

行预测和研究, 得到较为满意的效果。

但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非

平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引

入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实

上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。本文

讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型,

是美国统计学家 G.E.P.Box 和 G.M.J enkins 于 1970 年首次提

出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高

的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计

算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用

Eviews 建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。

( 二) 数据选择

本文所有 GDP 数据来自于由中华人民共和国统计局汇编,
中国统计出版的《新中国五十五年统计数据汇编》。
2.本文的所有数据处理均使用 EViews5.0 进行。
( 三) 实证方法
ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立
的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间
序列只要通过适当阶数的差分运算或者是对数差分运算就可以
实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA
( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下:
1.平稳性检验。一般通过时间序列的散点图或折线图对序列
进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序
列的平稳性。
对非平稳的时间序列, 如果存在一定的增长或下降趋势等,
则需要对数据取对数或进行差分处理, 然后判断经处理后序列的
平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为
ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避
免过度差分。
对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声
序列没有分析的必要, 对于平稳的非白噪声序列则可以进行
ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列
进行卡方检验, 可以以直观的方法直接观测得到结论。
2.ARMA拟合。首先计算时间序列样本的自相关系数和偏自
相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关
阶数 p 和移动平均阶数 q 的值。
一般而言, 由于样本的随机性, 样本的相关系数不会呈现出
理论截尾的完美情况, 本应截尾的相关系数仍会呈现出小值振荡
的情况。又由于平稳时间序列通常都具有短期相性, 随着延迟阶
数的增大, 相关系数都会衰减至零值附近作小值波动。
根据 Barlett 和 Quenouille 的证明, 样本相关系数近似服从
正态分布。一个正态分布的随机变量在任意方向上超出 2σ 的概
率约为 0.05。因此可通过自相关和偏自相关估计值序列的直方图
来大致判断在 5%的显着水平下模型的自相关系数和偏自相关系
数不为零的个数, 进而大致判断序列应选择的具体模型形式。同
时对模型中的 p 和 q 两个参数进行多种组合选择, 从 ARMA ( p,
q) 模型中选择一个拟和最好的曲线作为最后的方程结果。一般利
用 AIC 准则和 SC 准则评判拟合模型的相对优劣。
3.模型检验。模型检验主要是检验模型对原时间序列的拟和
效果, 检验整个模型对信息的提取是否充分, 即检验残差序列是
否为白噪声序列。如果拟合模型通不过检验, 即残差序列不是为
白噪声序列, 那么要重新选择模型进行拟合。如残差序列是白噪
声序列, 就认为拟合模型是有效的。模型的有效性检验仍然是使
谭诗璟
ARIMA 模型在湖北省GDP 预测中的应用
—— —时间序列分析在中国区域经济增长中的实证分析
本文介绍求和自回归移动平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 实现。广泛求证和搜集从 1952 年到 2006 年以来
湖北省 GDP 的相关数据, 运用统计学和计量经济学原理, 从时间序列的定义出发, 结合统计 EVIEWS 运用 ARMA建模
方法, 将 ARIMA模型应用于湖北省历年 GDP 数据的分析与预测, 得到较为满意的结果。
湖北省区域经济学 ARIMA 时间序列 GDP 预测
理论探讨
/01 总第 360 期
图四取对数后自相关与偏自相关图
图三二阶差分后自相关与偏自相关图
用上述 Q 统计量对残差序列进行卡方检验。
4.模型预测。根据检验和比较的结果, 使用 Eviews 中的
forecas t 功能对模型进行预测, 得到原时间序列的将来走势。对比
预测值与实际值, 同样可以以直观的方式得到模型的准确性。
三、实证结果分析
GDP 受经济基础、人口增长、资源、科技、环境等诸多因素的
影响, 这些因素之间又有着错综复杂的关系, 运用结构性的因果
模型分析和预测 GDP 往往比较困难。我们将历年的 GDP 作为时
间序列, 得出其变化规律, 建立预测模型。
本文对 1952 至 2006 年的 55 个年度国内生产总值数据进行
了分析, 为了对模型的正确性进行一定程度的检验, 现用前 50 个
数据参与建模, 并用后五年的数据检验拟合效果。最后进行 2007
年与 2008 年的预测。
( 一) 数据的平稳化分析与处理
1.差分。利用 EViews 对原 GDP 序列进行一阶差分得到
图二:
对该序列采用包含常数项和趋势项的模型进行 ADF 单位根
检验。结果如下:
由于该序列依然非平稳性, 因此需要再次进行差分, 得到如
图三所式的折线图。根据一阶差分时所得 AIC 最小值, 确定滞后
阶数为 1。然后对二阶差分进行 ADF 检验:
结果表明二阶差分后的序列具有平稳性, 因此 ARIMA ( p, d,
q) 的差分阶数 d=2。二阶差分后的自相关与偏自相关图如下:
2.对数。利用 EViews , 对原数据取对数:
对已经形成的对数序列进行一阶差分, 然后进行 ADF 检验:
由上表可见, 现在的对数一阶差分序列是平稳的, 由 AIC 和
SC 的最小值可以确定此时的滞后阶数为 2。因为是进行了一阶差
分, 因此认为 ARIMA ( p, d, q) 中 d=1。
( 二) ARMA ( p, q) 模型的建立
ARMA ( p, q) 模型的识别与定阶可以通过样本的自相关与偏
自相关函数的观察获得。
图一 1952- 2001 湖北省 GDP 序列图
表 1 一阶差分的 ADF 检验
ADF t- Statistic 1% level 5% level 10% level AIC 备注
0 - 2. - 4. - 3. - 3. 11.20582
非平稳
1 - 2. - 4. - 3. - 3. 11.17189
2 - 2. - 4. - 3. - 3. 11.18002
3 - 2. - 4. - 3. - 3. 11.20543
4 - 2. - 4. - 3. - 3. 11.27059
表 2 二阶差分的 ADF 检验
Lag Length t- Statistic 1% level 5% level 10% level
1 (Fixed) - 5. - 4. - 3. - 3.
表 3 对数一阶差分的 ADF 检验
ADF t- Statistic 1% level 5% level 10% level AIC SC 备注
0 - 5. - 3. - 2. - 2. - 1. - 1.
平稳 1 - 3. - 3. - 2. - 2. - 1. - 1.
2 - 3. - 3. - 2. - 2. - 1. - 1.
3 - 3. - 3. - 2. - 2. - 1. - 1.
图五对数后一阶差分自相关与偏自相关图
理论探讨
27时代金融
摘要:
关键词:
使用 EViews 对 AR, MA的取值进行实现, 比较三种情
况下方程的 AIC 值和 SC 值:
表 4ARMA模型的比较
由表 4 可知, 最优情况本应该在 AR ( 1) , MA ( 1) 时取得, 但
AR, MA都取 1 时无法实现平稳, 舍去。对于后面两种情况进行比
较, 而 P=1 时 AIC 与 SC 值都比较小, 在该种情况下方程如下:
综上所述选用 ARIMA ( 1, 1, 0) 模型。
( 三) 模型的检验
对模型的 Q 统计量进行白噪声检验, 得出残差序列相互独立
的概率很大, 故不能拒绝序列相互独立的原假设, 检验通过。模型
均值及自相关系数的估计都通过显着性检验, 模型通过残差自相
关检验, 可以用来预测。
( 四) 模型的预测
我们使用时间序列分析的方法对湖北省地方生产总值的年
度数据序列建立自回归预测模型, 并利用模型对 2002 到 2006 年
的数值进行预测和对照:
表 5 ARIMA ( 1, 1, 0) 预测值与实际值的比较
由上表可见, 该模型在短期内预测比较准确, 平均绝对误差
为 6.876% , 但随着预测期的延长, 预测误差可能会出现逐渐增大
的情况。
下面, 我们对湖北省 2007 年与 2008 年的地方总产值进行
预测:
在 ARIMA模型的预测中, 湖北省的地方生产将保持增长的
势头, 但 2008 年的增长率不如 2007 年, 这一点值得注意。GDP
毕竟与很多因素有关, 虽然我们一致认为, 作为我国首次主办奥
运的一年, 2008 将是中国经济的高涨期, 但是是否所有的地方产
值都将受到奥运的好的影响呢? 也许在 2008 年全国的 GDP 也许
确实将有大幅度的提高, 但这有很大一部分是奥运赛场所在地带
来的经济效应, 而不是所有地方都能够享有的。正如 GDP 数据显
示, 1998 年尽管全国经济依然保持了一个比较好的态势, 但湖北
省的经济却因洪水遭受不小的损失。作为一个大省, 湖北省理应
对自身的发展承担起更多的责任。
总的来说, ARIMA模型从定量的角度反映了一定的问题, 做
出了较为精确的预测, 尽管不能完全代表现实, 我们仍能以
ARIMA模型为基础, 对将来的发展作出预先解决方案, 进一步提
高经济发展, 减少不必要的损失。
四、结语
时间序列预测法是一种重要的预测方法, 其模型比较简单,
对资料的要求比较单一, 在实际中有着广泛的适用性。在应用中,
应根据所要解决的问题及问题的特点等方面来综合考虑并选择
相对最优的模型。
在实际运用中, 由于 GDP 的特殊性, ARIMA模型以自身的
特点成为了 GDP 预测上佳选择, 但是预测只是估计量, 真正精确
的还是真实值, 当然, ARIMA 模型作为一般情况下的 ARMA 模
型, 运用了差分、取对数等等计算方法, 最终得到进行预测的时间
序列, 无论是在预测上, 还是在数量经济上, 都是不小的进步, 也
为将来的发展做出了很大的贡献。
我们通过对湖北省地方总产值的实证分析, 拟合 ARIMA
( 1, 1, 0) 模型, 并运用该模型对湖北省的经济进行了小规模的预测,
得到了较为满意的拟和结果, 但湖北省 2007 年与 2008 年经济预
测中出现的增长率下降的问题值得思考, 究竟是什么原因造成了这
样的结果, 同时我们也需要到 2008 年再次进行比较, 以此来再次确
定 ARIMA ( 1, 1, 0) 模型在湖北省地方总产值预测中所起到的作用。
参考文献:
【1】易丹辉数据分析与 EViews应用中国统计
【2】 Philip Hans Frances 商业和经济预测中的时间序列模型中国人民大学
【3】新中国五十五年统计资料汇编中国统计
【4】赵蕾陈美英 ARIMA 模型在福建省 GDP 预测中的应用科技和产业
( 2007) 01- 0045- 04
【5】张卫国以 ARIMA 模型估计 2003 年山东 GDP 增长速度东岳论丛
( 2004) 01- 0079- 03
【6】刘盛佳湖北省区域经济发展分析华中师范大学学报 ( 2003) 03-
0405- 06
【7】王丽娜肖冬荣基于 ARMA 模型的经济非平稳时间序列的预测分析
武汉理工大学学报 2004 年 2 月
【8】陈昀贺远琼外商直接对武汉区域经济的影响分析科技进步与对
策 ( 2006) 03- 0092- 02
( 作者单位: 武汉大学经济与管理学院金融工程)
AR(1)MA(1) AR(1) MA(1) 备注
AIC - 1. - 1. - 1.
最优为 AR(1)MA(1)
SC - 1. - 1. - 1.
Variable Coefficient Std. Error t- Statistic Prob.
AR(1) 0. 0. 5. 0.0000
R- squared - 0. Mean dependent var 0.
Adjusted R- squared - 0. S.D. dependent var 0.
S.E. of regression 0. Akaike info criterion - 1.
Sumsquared resid 0. Schwarz criterion - 1.
Log likelihood 32.72369 Durbin-Watson stat 2.
Inverted AR Roots .59
年份实际值预测值相对误差(%) 平均误差(%)
2002 4975.63 4904.72 - 1.43
6.876
2003 5401.71 5125.82 - 5.12
2004 6309.92 5496.78 - 12.89
2005 6687.78 6374.83 - 4.68
2006 7497.00 6728.05 - 10.26
年度 2006 2007 2008
GDP 值 7497.00 8026.08 8359.59
增长率(%) — 7.06 4.16
表 6 ARIMA ( 1, 1, 0) 对湖北省经济的预测
一、模糊数学分析方法对经营 ( 偿债) 能力评价的适用性
影响经营 ( 偿债) 和盈利能力的因素或指标很多; 在分析
判断时, 对事物的评价 ( 或评估) 常常会涉及多个因素或多个指
标。这时就要求根据多丛因素对事物作出综合评价, 而不能只从
朱晓琳曹娜
用应用模糊数学中的隶属度评价经营(偿债)能力问题
影响经营能力的许多因素都具有模糊性, 难以对其确定一个精确量值; 为了使经营 ( 偿债) 能力评价能够得到客观合
理的结果, 有必要根据一些模糊因素来改进其评价方法, 本文根据模糊数学中隶属度的方法尝试对经营 ( 偿债) 能力做出
一种有效的评价。
隶属度及函数选取指标构建模型经营能力评价应用
理论探讨
28

③ 预测的科学预测

预测（forecasting）是预计未来事件的一门艺术，一门科学。它包含采集历史数据并用某种数学模型来外推与将来。它也可以是对未来的主观或直觉的预期。它还可以是上述的综合，即经由经理良好判断调整的数学模型。
进行预测时，没有一种预测方法会绝对有效。对一个企业在一种环境下是最好的预测方法，对另一企业或甚至本企业内另一部门却可能完全不适用。无论使用何种方法进行预测，预测的作用也是有限的，并不是完美无缺。但是，几乎没有一家企业可以不进行预测而只是等到事情发生时再采取行动，一个好的短期或长期的经营规划取决于对公司产品需求的预测。按在规划未来业务方面企业使用可分三种类型的预测：经济预测（economic forecasts）、技术预测(technological forecasts)、需求预测（demand forecasts）。
1、经济预测（economic forecasts）,通过预计通货膨胀率、货币供给、房屋开工率及其它有关指标来预测经济周期。
2、技术预测(technological forecasts),即预测会导致产生重要的新产品，从而带动新工厂和设备需求的技术进步。
3、需求预测（demand forecasts），为公司产品或服务需求预测。这些预测，也叫销售预测，决定公司的生产、生产能力及计划体系，并使公司财务、营销、人事作相应变动。
按它包含的时间跨度来分类，也有三种分类：短期预测、中期预测、长期预测
1、短期预测。短期预测时间跨度最多为1年，而通常少于3个月。它用于购货、工作安排、所需员工、工作指定和生产水平的计划工作。
2、中期预测。中期预测的时间跨度通常是从3个月到3年。它用于销售计划、生产计划和预算、现金预算和分析不同作业方案。
3、长期预测。长期预测的时间跨度通常为3年及3年以上。它用于规划新产品、资本支出、生产设备安装或天职，及研究与发展。
中期预测和长期预测与短期预测的区别主要体现在以下三个方面：
第一，中长期预测要处理更多的综合性问题并主要为产品、工厂、工序的管理决策提供支持；
第二，短期预测采用的方法通常与长期预测采用的方法不同。如移动平均法、指数平滑法和趋势外推法等为短期预测所常用的方法。更概括性、更少量化的方法用于确定诸如是否将一种新产品投产，如激光唱片等；
第三，短期预测往往比长期预测更精确些。影响需求的因素每天都在发生变化，因此当时间跨度延长时，预测精确度往往随之下降。预测方法有四种基本的类型：定性预测、时间序列分析、因果联系法和模拟。
定性预测定性预测属于主观判断，它基于估计和评价。常见的定性预测方法包括：一般预测、市场调研法、小组讨论法、历史类比、德尔菲法等。
时间序列分析时间序列分析是建立在这样一个设定基础上的,与过去需求相关的历史数据可用于预测未来的需求。历史数据可能包含诸如趋势、季节、周期等因素。常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯·詹金斯法、西斯金时间序列等。
因果联系法因果联系是假定需求与某些内在因素或周围环境的外部因素有关。常见的因果联系法主要有：回归分析、经济模型、投入产出模型、行指标等。
模拟模拟模型允许预测人员对预测的条件作一定程度的假设。无论采用何种预测方法，进行预测时都必须遵循下面的几个步骤：
1、确定预测的用途。这一步要确定我们进行预测所要达到什么样的的目标。
2、选择预测对象。这一步要确定我们需要对什么对象进行预测。例如，生产预测中通常需要对公司产品的市场需求进行预测从而为公司指定生产作业计划提供资料。
3、决定预测的时间跨度。这一步要确定所进行的预测的时间跨度是短期、中期、还是长期？
4、选择预测模型。这一步要根据索要预测的对象的特点和预测的性质选择一种合适的预测模型来进行下一步的预测。
5、收集预测所需的数据。收集预测所需数据时，一定要保证这些数据资料的准确性和可靠性。
6、验证预测模型。这一步是要确定我们选择的预测模型对于我们要进行的预测是否有效。
7、做出预测。这一步里，我们要根据前面收集的相关的数据资料和确定的预测模型对我们需要预测的对象做出合理的预测。
8、将预测结果付诸实际应用。按照前面几步，我们已经对所需要预测的对象做出了预测，这一步，我们就需要将得到的预测结果应用到实际中去，从而达到我们进行预测的目标。比如说，生产预测中，我们对未来市场对本企业产品的需求量进行了预测之后，就需要根据这些预测来确定本企业的生产计划和排程。
上面这些步骤系统总结了开始、设计和应用一项预测的各环节。如果是定期做预测，数据则应定期收集。实际运算则可由计算机进行。

④ .预测的基本方法有哪三种

1、定性预测：定性预测属于主观判断，它基于估计和评价。常见的定性预测方法包括：一般预测、市场调研法、小组讨论法、历史类比、德尔菲法等。

2、时间序列分析：时间序列分析是建立在这样一个设定基础上的,与过去需求相关的历史数据可用于预测未来的需求。历史数据可能包含诸如趋势、季节、周期等因素。常见的时间序列分析方法主要有：简单移动平均、加权移动平均、指数平滑、回归分析、鲍克斯·詹金斯法、西斯金时间序列等。

3、因果联系法：因果联系是假定需求与某些内在因素或周围环境的外部因素有关。常见的因果联系法主要有：回归分析、经济模型、投入产出模型、行指标等。

4、模拟：模拟模型允许预测人员对预测的条件作一定程度的假设。

(4)伯克斯詹金斯方法常用模型包括扩展阅读

作用

1、预测为制订一个切实可行的计划提供科学依据事实；

2、预测是避免决策片面性和决策失误的重要手段；

3、预测既是计划的前提条件，又是计划工作的重要组成部分；

4、是提高管理预见性的一种手段；

导航:首页 > 使用方法 > 伯克斯詹金斯方法常用模型包括

伯克斯詹金斯方法常用模型包括

与伯克斯詹金斯方法常用模型包括相关的资料