●章 預測概述
本章學習目標
引例 汶川地震之災能夠避免嗎?
1.1 預測的基本概念
1.1.1 預測科學的產生
1.1.2 預測的定義
1.1.3 預測的可能性
1.1.4 預測的不準確性
1.1.5 預測的基本功能和途徑
1.2 預測的基本原理
1.3 預測的分類
1.3.1 按預測的範圍或層次分類
1.3.2 按預測的時間長短分類
1.3.3 按預測方法的性質分類
1.3.4 預測的其他分類方法
1.4 預測的程序
1.5 預測方法選擇的影響因素
1.6 預測的精度
1.7 預測結果的分析與反思
本章小結
綜合練習
第2章 專家判斷預測法
本章學習目標
引例 金融危機,誰預測到了?
2.1 引言
2.2 頭腦風暴法
2.2.1 頭腦風暴法的基本原理
2.2.2 頭腦風暴法的實施步驟
2.2.3 質疑頭腦風暴法
2.3 德爾菲法
2.3.1 德爾菲法概述
2.3.2 德爾菲法的分類
2.3.3 應用德爾菲法組織預測過程中應遵守的原則
2.3.4 專家的選擇
2.3.5 專家應答問題調查表的編制
2.3.6 對單一事件結果數量評價的專家應答彙總統計
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
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
2.3.9 德爾菲法預測結果的精度分析
2.4 概率預測法
2.4.1 主觀概率法
2.4.2 交互影響分析法
2.4.3 交互影響分析法計算程序
本章小結
綜合練習
第3章 回歸預測基礎
本章學習目標
引例 飲料銷量的回歸預測
3.1 回歸分析與回歸函數
3.1.1 相關分析與回歸分析
3.1.2 回歸函數
3.線性回歸模型
3.2.1 線性回歸模型的基本形式
3.2.2 經典線性回歸模型及其假設條件
3.2.3 線性回歸模型參數的估計
3.2.4 線性回歸模型的檢驗
3.2.線性回歸模型計算實例
3.3 違背經典假設的回歸模型
3.3.1 方差非齊性
3.3.2 多重共線性
3.3.3 序列相關
3.4 含虛擬變量的回歸模型
3.4.1 虛擬變量回歸的基本理論
3.4.2 虛擬變量的作用及虛擬變量模型的類型
3.4.3 虛擬變量回歸模型的求解及算例
3.5 非線性回歸預測
本章小結
綜合練習
第4章 時間序列平滑模型
本章學習目標
引例 國民經濟的產業結構分析
4.1 時間序列概述
4.1.1 時間序列的因素分析
4.1.2 時間序列的組合形式
4.2 移動平均法
4.2.1 簡單移動平均法
4.2.2 加權移動平均法
4.2.3 趨勢移動平均法
4.3 指數平滑法
4.3.1 一次指數平滑法
4.3.2 二次指數平滑法
4.3.3 三次指數平滑法
4.4 差分-指數平滑法
4.4.1 一階差分-指數平滑模型
4.4.2 二階差分-指數平滑模型
4.5 自適應過濾法
4.5.1 自適應過濾法的基本原理
4.5.2 自適應過濾法的計算步驟
4.5.3 自適應過濾法的應用
本章小結
綜合練習
第5章 趨勢外推預測
本章學習目標
引例 預測失敗的慘痛教訓
5.1 指數曲線法
5.1.1 預測模型及其特征
5.1.2 模型參數估計方法
5.1.3 模型的運用
5.2 修正指數曲線法
5.2.1 預測模型及其特征
5.2.2 模型參數估計方法
5.2.3 模型的運用
5.3 生長曲線法
5.3.1 龔伯茲曲線模型及其應用
5.3.2 羅吉斯蒂曲線
5.4 包絡曲線法
5.4.1 包絡曲線
5.4.2 包絡曲線的數學原理
5.4.3 應用範圍
本章小結
綜合練習
第6章 馬爾可夫預測法
本章學習目標
引例 天氣變化的概率
6.1 隨機過程的基本概念與基本類型
6.1.1 基本概念
6.1.2 基本類型
6.2 馬爾可夫鏈
6.2.1 馬爾可夫鏈基本概念
6.2.2 n步轉移概率與C-K方程
6.2.3 狀態的分類及性質
6.3 馬爾可夫預測方法應用示例
6.4 馬爾可夫決策方法
本章小結
綜合練習
第7章 灰色繫統預測
本章學習目標
引例 干熱風災害的防御
7.1 灰色繫統基本理論
7.1.1 五步建模思想
7.1.2 灰色繫統與灰色預測
7.1.3 灰色生成算子
7.2 灰色關聯分析
7.2.1 關聯度的計算
7.2.2 原始數據轉變
7.2.3 關聯度的性質
7.2.4 灰色關聯分析應用實例
7.3 GM(1,1)模型
7.3.1 GM(1,1)模型介紹
7.3.2 GM(1,1)模型檢驗
7.3.3 GM(1,1)模型建模機理
7.3.4 GM(1,1)模型應用實例
7.3.5 GM(1,N)模型參數估計的MATLAB程序
7.4 GM(1,N)模型
7.4.1 GM(1,N)模型介紹
7.4.2 GM(1,N)模型應用實例
7.5 GM(2,1)模型
7.5.1 GM(2,1)模型介紹
7.5.2 GM(2,1)模型應用實例
7.6 災變預測
7.6.1 災變預測模型介紹
7.6.2 災變預測應用實例
本章小結
綜合練習
第8章 非參數預測方法
本章學習目標
引例 產品質量的檢驗
8.1 非參數預測的概念
8.2 數據服從特定分布檢驗
8.2.1 Kolmogorov-Smirnov檢驗
8.2.2 Lilliefors正態性檢驗
8.2.3 擬合優度檢驗
8.3 污染數據診斷
8.3.1 統計預測的穩健性分析
8.3.2 離群點的判斷方法
8.3.3 M-估計量
8.4 Theil回歸模型
8.4.1 Theil回歸模型基本原理
8.4.2 最小中位數二乘回歸
8.4.3 Theil回歸和最小中位數二乘回歸範例
8.4.4 最小二乘回歸、Theil回歸和最小中位數二乘回歸的MATLAB程序代碼
8.5 Cox-Stuart趨勢分析
本章小結
綜合練習
第9章 神經網絡預測方法
本章學習目標
引例 預測財務失敗的神經網絡方法
9.1 神經網絡原理概述
9.2 基於神經網絡的預測概述
9.3 交通運輸能力預測的MATLAB實現
9.3.1 背景概述
9.3.2 網絡創建與訓練
9.3.3 基於GRNN網絡原理的實證案例
9.3.4 實證案例的MATLAB代碼
9.4 股市預測的MATLAB實現
9.4.1 背景概述
9.4.2 網絡創建與訓練
9.4.3 基於RBF網絡原理的實證案例
9.4.4 實證案例的MATLAB代碼
本章小結
綜合練習
0章 組合預測
本章學習目標
引例 中國宏觀經濟預測
10.1 組合預測的基本概念
10.1.1 預測的不確定性與基本原則
10.1.2 組合預測的概念與任務
10.1.3 組合預測精確度的度量
10.2 組合預測分類和預測有效度
10.2.1 組合預測分類
10.2.2 預測有效度基本概念
10.3 非最優正權組合預測模型權繫數的確定方法
10.3.1 幾種常規的非最優正權組合預測模型權繫數的確定方法
10.3.2 非最優組合預測繫數確定方法的應用舉例
10.3.3 正權綜合方法的改進
10.4 組合預測權繫數確定的一種合作對策方法
10.4.1 組合預測方法的合作對策描述
10.4.2 組合預測方法的合作對策實例分析
10.5 熵值法及其在確定組合預測權繫數中的應用
10.5.1 確定組合預測加權繫數的熵值法的基本原理
10.5.2 熵值法確定組合預測加權繫數的實例分析
10.6 B-G模型
10.7 組合預測的線性模型
10.7.1 組合預測的線性模型
10.7.2 組合預測的廣義線性模型
10.7.3 基於相對誤差極小化的組合預測模型
本章小結
綜合練習
1章 統計軟件應用基礎
本章學習目標
11.1 SPSS軟件基礎與應用實例
11.1.1 軟件的安裝與運行模式
11.1.2 軟件的啟動與退出
11.1.3 軟件的主要窗口介紹
11.1.4 數據文件的建立、編輯與讀取
11.1.5 SPSS預測實例
11.2 Eviews軟件的認識與應用實例
11.2.1 軟件的開啟、關閉與工作模式
11.2.2 軟件的窗口介紹
11.2.3 數據文件的創立
11.2.4 Eviews運用實例
11.3 MATLAB軟件基礎與應用實例
11.3.1 MATLAB軟件特點
11.3.2 MATLAB軟件功能
11.3.3 MATLAB軟件桌面繫統
11.3.4 MATLAB程序設計基礎
11.3.5 MATLAB軟件運用實例
參考文獻
附表A 標準正態分布函數值表
附表B t分布表
附表C F分布表
附表D DW檢驗臨界值表
內容簡介
預測方法與技術堅持在理論闡述的基礎上突出應用技能的原則,在釐清預測技術理論的基礎上,還介紹了眾多技術和方法,並在講解上做到清晰、詳盡而不累贅。本書的內容包括預測概述、專家判斷預測法、回歸預測基礎、時間序列平滑模型、趨勢外推預測、馬爾可夫預測法、灰色繫統預測、非參數預測方法、神經網絡預測方法、組合預測和統計軟件應用基礎。閱讀本書僅需具備高等數學、線性代數與概率統計等基礎知識即可。本書可作為普通高等院校管理科學與工程專業和其他經濟管理類相關專業的教材使用,也可供具有大學數學基礎、從事管理工作的相關人員參考。