第1章  預測概述 1
本章學習目標 1
引例  汶川地震之災能夠避免嗎？ 1
1.1  預測的基本概念 2
1.1.1  預測科學的產生 2
1.1.2  預測的定義 3
1.1.3  預測的可能性 4
1.1.4  預測的不準確性 5
1.1.5  預測的基本功能和途徑 6
1.2  預測的基本原理 6
1.3  預測的分類 8
1.3.1  按預測的範圍或層次分類 8
1.3.2  按預測的時間長短分類 9
1.3.3  按預測方法的性質分類 9
1.3.4  預測的其他分類方法 11
1.4  預測的程序 11
1.5  預測方法選擇的影響因素 13
1.6  預測的精度 14
1.7  預測結果的分析與反思 18
本章小結 18
綜合練習 19
第2章  專家判斷預測法 21
本章學習目標 21
引例  金融危機，誰預測到了？ 21
2.1  引言 22
2.2  頭腦風暴法 24
2.2.1  頭腦風暴法的基本原理 24
2.2.2  頭腦風暴法的實施步驟 26
2.2.3  質疑頭腦風暴法 27
2.3  德爾菲法 28
2.3.1  德爾菲法概述 28
2.3.2  德爾菲法的分類 31
2.3.3  應用德爾菲法組織預測過程中應遵守的原則 32
2.3.4  專家的選擇 33
2.3.5  專家應答問題調查表的編制 34
2.3.6  對單一事件結果數量評價的專家應答彙總統計 37
2.3.7  對方案序列中各方案重要性評價的專家應答彙總統計 38
2.3.8  對目標和方案相對重要性評價的專家應答彙總統計 39
2.3.9  德爾菲法預測結果的精度分析 45
2.4  概率預測法 46
2.4.1  主觀概率法 46
2.4.2  交互影響分析法 48
2.4.3  交互影響分析法計算程序 51
本章小結 53
綜合練習 54
第3章  回歸預測基礎 56
本章學習目標 56
引例  飲料銷量的回歸預測 56
3.1  回歸分析與回歸函數 57
3.1.1  相關分析與回歸分析 57
3.1.2  回歸函數 61
3.2 線性回歸模型 62
3.2.1  線性回歸模型的基本形式 62
3.2.2  經典線性回歸模型及其假設條件 63
3.2.3  線性回歸模型參數的估計 64
3.2.4  線性回歸模型的檢驗 67
3.2.5 線性回歸模型計算實例 71
3.3  違背經典假設的回歸模型 72
3.3.1  方差非齊性 72
3.3.2  多重共線性 78
3.3.3  序列相關 81
3.4  含虛擬變量的回歸模型 85
3.4.1  虛擬變量回歸的基本理論 85
3.4.2  虛擬變量的作用及虛擬變量模型的類型 87
3.4.3  虛擬變量回歸模型的求解及算例 88
3.5  非線性回歸預測 89
本章小結 91
綜合練習 92
第4章  時間序列平滑模型 96
本章學習目標 96
引例  國民經濟的產業結構分析 96
4.1  時間序列概述 97
4.1.1  時間序列的因素分析 98
4.1.2  時間序列的組合形式 99
4.2  移動平均法 100
4.2.1  簡單移動平均法 100
4.2.2  加權移動平均法 102
4.2.3  趨勢移動平均法 104
4.3  指數平滑法 107
4.3.1  一次指數平滑法 108
4.3.2  二次指數平滑法 111
4.3.3  三次指數平滑法 114
4.4  差分—指數平滑法 117
4.4.1  一階差分—指數平滑模型 117
4.4.2  二階差分—指數平滑模型 118
4.5  自適應過濾法 118
4.5.1  自適應過濾法的基本原理 119
4.5.2  自適應過濾法的計算步驟 119
4.5.3  自適應過濾法的應用 121
本章小結 122
綜合練習 123
第5章  趨勢外推預測 125
本章學習目標 125
引例  預測失敗的慘痛教訓 125
5.1  指數曲線法 126
5.1.1  預測模型及其特征 126
5.1.2  模型參數估計方法 127
5.1.3  模型的運用 127
5.2  修正指數曲線法 128
5.2.1  預測模型及其特征 129
5.2.2  模型參數估計方法 130
5.2.3  模型的運用 131
5.3  生長曲線法 132
5.3.1  龔伯茲曲線模型及其應用 133
5.3.2  羅吉斯蒂曲線 136
5.4  包絡曲線法 139
5.4.1  包絡曲線 139
5.4.2  包絡曲線的數學原理 140
5.4.3  應用範圍 142
本章小結 142
綜合練習 143
第6章  馬爾可夫預測法 145
本章學習目標 145
引例  天氣變化的概率 145
6.1  隨機過程的基本概念與基本類型 146
6.1.1  基本概念 146
6.1.2  基本類型 146
6.2  馬爾可夫鏈 148
6.2.1  馬爾可夫鏈基本概念 148
6.2.2  n步轉移概率與C-K方程 151
6.2.3  狀態的分類及性質 152
6.3  馬爾可夫預測方法應用示例 158
6.4  馬爾可夫決策方法 164
本章小結 169
綜合練習 170
第7章  灰色繫統預測 173
本章學習目標 173
引例  干熱風災害的防御 173
7.1  灰色繫統基本理論 174
7.1.1  五步建模思想 174
7.1.2  灰色繫統與灰色預測 175
7.1.3  灰色生成算子 177
7.2  灰色關聯分析 178
7.2.1  關聯度的計算 179
7.2.2  原始數據轉變 180
7.2.3  關聯度的性質 180
7.2.4  灰色關聯分析應用實例 180
7.3  GM(1,1)模型 182
7.3.1  GM(1,1)模型介紹 182
7.3.2  GM(1,1)模型檢驗 183
7.3.3  GM(1,1)模型建模機理 184
7.3.4  GM(1,1)模型應用實例 187
7.3.5  GM(1,N)模型參數估計的MATLAB程序 189
7.4  GM(1,N)模型 190
7.4.1  GM(1,N)模型介紹 190
7.4.2  GM(1,N)模型應用實例 191
7.5  GM(2,1)模型 193
7.5.1  GM(2,1)模型介紹 193
7.5.2  GM(2,1)模型應用實例 194
7.6  災變預測 196
7.6.1  災變預測模型介紹 196
7.6.2  災變預測應用實例 197
本章小結 198
綜合練習 199
第8章  非參數預測方法 202
本章學習目標 202
引例  產品質量的檢驗 202
8.1  非參數預測的概念 203
8.2  數據服從特定分布檢驗 204
8.2.1  Kolmogorov-Smirnov檢驗 204
8.2.2  Lilliefors正態性檢驗 207
8.2.3  擬合優度檢驗 207
8.3  污染數據診斷 209
8.3.1  統計預測的穩健性分析 209
8.3.2  離群點的判斷方法 210
8.3.3  M-估計量 211
8.4  Theil回歸模型 213
8.4.1  Theil回歸模型基本原理 213
8.4.2  小中位數二乘回歸 214
8.4.3  Theil回歸和小中位數二乘回歸範例 214
8.4.4  小二乘回歸、Theil回歸和小中位數二乘回歸的MATLAB
程序代碼 215
8.5  Cox-Stuart趨勢分析 216
本章小結 219
綜合練習 220
第9章  神經網絡預測方法 223
本章學習目標 223
引例  預測財務失敗的神經網絡方法 223
9.1  神經網絡原理概述 224
9.2  基於神經網絡的預測概述 228
9.3  交通運輸能力預測的MATLAB實現 229
9.3.1  背景概述 230
9.3.2  網絡創建與訓練 230
9.3.3  基於GRNN網絡原理的實證案例 233
9.3.4  實證案例的MATLAB代碼 235
9.4  股市預測的MATLAB實現 237
9.4.1  背景概述 238
9.4.2  網絡創建與訓練 238
9.4.3  基於RBF網絡原理的實證案例 240
9.4.4  實證案例的MATLAB代碼 243
本章小結 245
綜合練習 246
第10章  組合預測 250
本章學習目標 250
引例  中國宏觀經濟預測 250
10.1  組合預測的基本概念 251
10.1.1  預測的不確定性與基本原則 251
10.1.2  組合預測的概念與任務 252
10.1.3  組合預測精確度的度量 253
10.2  組合預測分類和預測有效度 255
10.2.1  組合預測分類 255
10.2.2  預測有效度基本概念 257
10.3  非正權組合預測模型權繫數的確定方法 259
10.3.1  幾種常規的非正權組合預測模型權繫數的確定方法 259
10.3.2  非組合預測繫數確定方法的應用舉例 261
10.3.3  正權綜合方法的改進 264
10.4  組合預測權繫數確定的一種合作對策方法 265
10.4.1  組合預測方法的合作對策描述 265
10.4.2  組合預測方法的合作對策實例分析 267
10.5  熵值法及其在確定組合預測權繫數中的應用 268
10.5.1  確定組合預測加權繫數的熵值法的基本原理 268
10.5.2  熵值法確定組合預測加權繫數的實例分析 270
10.6  B-G模型 271
10.7  組合預測的線性模型 273
10.7.1  組合預測的線性模型 273
10.7.2  組合預測的廣義線性模型 274
10.7.3  基於相對誤差極小化的組合預測模型 275
本章小結 277
綜合練習 278
第11章  統計軟件應用基礎 280
本章學習目標 280
11.1  SPSS軟件基礎與應用實例 280
11.1.1  軟件的安裝與運行模式 280
11.1.2  軟件的啟動與退出 282
11.1.3  軟件的主要窗口介紹 282
11.1.4  數據文件的建立、編輯與讀取 285
11.1.5  SPSS預測實例 287
11.2  Eviews軟件的認識與應用實例 291
11.2.1  軟件的開啟、關閉與工作模式 292
11.2.2  軟件的窗口介紹 292
11.2.3  數據文件的創立 293
11.2.4  Eviews運用實例 295
11.3  MATLAB軟件基礎與應用實例 301
11.3.1  MATLAB軟件特點 302
11.3.2  MATLAB軟件功能 302
11.3.3  MATLAB軟件桌面繫統 304
11.3.4  MATLAB程序設計基礎 306
11.3.5  MATLAB軟件運用實例 307
參考文獻 310
附表A  標準正態分布函數值表 312
附表B  t分布表 313
附表C  F分布表 315
附表D  DW檢驗臨界值表 319