第一章預測概論1.1預測的基本概念1.2現代預測發展概況1.3預測的種類1.4預測的基本原則和程序1.5預測精度和預測方法的選擇1.6預測與決策1.7統計預測方法1.1預測的基本概念預測由過去和現在推測未來由已知推測未知統計預測預測方法的研究范疇利用科學的統計方法對事物的未來發展進行定量推測，并計算概率置信區間統計預測的三要素實際資料是預測的依據經濟理論是預測的基礎數學模型是預測的手段1.1預測的基本概念統計預測與經濟預測聯系它們都以經濟現象的數值作為其研究的對象；它們都直接或間接地為宏觀和微觀的市場預測、管理決策、制定政策和檢查政策等提供信息；統計預測為經濟定量預測提供所需的統計方法論。1.1預測的基本概念統計預測與經濟預測區別從研究的角度看，統計預測和經濟預測都以經濟現象的數值作為其研究對象，但著眼點不同。前者屬于方法論研究，其研究的結果表現為預測方法的完善程度；后者則是對實際經濟現象進行預測，是一種實質性預測，其結果表現為對某種經濟現象的未來發展做出判斷。1.1預測的基本概念統計預測與經濟預測區別從研究的領域來看，經濟預測是研究經濟領域中的問題，而統計預測則被廣泛地應用于人類活動的各個領域。1.3預測的分類可以從不同角度進行分類按照預測方法性質的不同，預測可分為定性預測和定量預測。定性預測是指預測者根據一定的理論知識和經驗，在對研究對象的發展進行調查研究和分析的基礎上，對其發展趨勢做出判斷的方法。定量預測是指在取得歷史數據的基礎上，通過建立數學模型或統計方法推導出預測值的方法。按照預測時間長短的不同，分為長期預測、中期預測、短期預測和近期預測。具體的期限長短因預測對象性質的不同而有所不同。總的來說，對近期或短期預測結果的精度要求較高，而對長期預測結果的精度要求則較低。1.4預測的基本原則和程序預測的基本原則連貫性原則是指事物過去和現在的發展變化規律在未發生質變的情況下，可以延續至未來。這種連貫性包含兩方面的含義：一是時間上的連貫性，指如果系統停止執行過去一直沿用的政策或措施，并不能立即消除因此而產生的影響，它仍要按原有慣性進行一段時間。二是系統結構的連貫性，指系統的結構在短期內可以認為是不變的，具有相對的穩定性。1.4預測的基本原則和程序類推性原則類推性原則是指事物的結構或規律具有相似性，有些事物可能是另一事件發生的先兆，因而可由已知事物的發展規律類推未來。相關性原則相關性原則是指任何事物都不是孤立存在的，必將和周圍事物發生聯系，且在與其他事物的相互影響下發展。1.4預測的基本原則和程序預測的程序根據預測任務確定預測目標收集和分析有關資料和信息選擇預測方法并進行預測分析評價提交預測報告1.5預測精度及預測方法的選擇預測精度指預測結果與實際情況的符合程度，是衡量預測方法是否適用于預測對象的一個重要指標。影響預測精度的主要因素資料的準確與完備性預測方法的適用性所建模型的正確性預測者的素質1.5預測精度及預測方法的選擇預測精度的度量指標單個預測值的誤差單個預測值的相對誤差平均絕對誤差MAE：1.5預測精度及預測方法的選擇平均絕對百分誤差MAPE：均方誤差MSE：預測方法的選擇符合經濟發展的規律和特點符合統計資料所反映的規律力求取得較好的預測精度力求實用1.5預測精度及預測方法的選擇1.6預測與決策的關系預測是對研究對象的未來發前景所作的估計和推測，決策是根據預測對未來作為作出的決定。因此，預測是決策的基礎和前提，決策是預測的服務對象和實踐機會，沒有科學的預測就沒有科學的決策，二者相輔相成，不可偏廢。1.7預測方法參考徐國祥教材。時間范圍

適用情況計算機硬件最低要求應做工作定性預測法短、中、長期對缺乏歷史統計資料或趨勢面臨轉折的事件進行預測計算器需做大量的調查研究工作一元線性回歸預測法短、中期自變量與因變量之間存在線性關系計算器為兩個變量收集歷史數據，此項工作是此預測中最費時的多元線性回歸(分類)預測法短、中期因變量與兩個或兩個以上自變量之間存在線性關系在兩個自變量情況下可用計算器，多于兩個自變量的情況下用計算機為所有變量收集歷史數據是此預測中最費時的方法方法時間范圍

適用情況計算機硬件最低要求應做工作多元線性回歸(分類)預測法短、中期因變量與兩個或兩個以上自變量之間存在線性關系在兩個自變量情況下可用計算器，多于兩個自變量的情況下用計算機為所有變量收集歷史數據是此預測中最費時的非線性回歸(分類)預測法短、中期因變量與一個自變量或多個其它自變量之間存在某種非線性關系在兩個變量情況下可用計算器，多于兩個變量的情況下用計算機必須收集歷史數據，并用幾個非線性模型試驗趨勢外推法中期到長期當被預測項目的有關變量用時間表示時，用非線性回歸與非線性回歸預測法相同只需要因變量的歷史資料，但用趨勢圖做試探時很費時方法時間范圍

適用情況計算機硬件最低要求應做工作分解分析法短期適用于一次性的短期預測或在使用其他預測方法前消除季節變動的因素計算器

只需要序列的歷史資料移動平均法短期不帶季節變動的反復預測計算器只需要因變量的歷史資料，但初次選擇權數時很費時間指數平滑法短期具有或不具有季節變動的反復預測在用計算機建立模型后進行預測時，只需計算器就行了只需要因變量的歷史資料，是一切反復預測中最簡易的方法，但建立模型所費的時間與自適應過濾法不相上下方法時間范圍

適用情況計算機硬件最低要求應做工作自適應過濾法短期適用于趨勢型態的性質隨時間而變化，而且沒有季節變動的反復預測計算機只需要因變量的歷史資料，但制定并檢查模型規格很費時間平穩時間序列預測法短期適用于任何序列的發展型態的一種高級預測方法計算機計算過程復雜、繁瑣方法時間范圍

適用情況

計算機硬件最低要求應做工作干預分析模型預測法短期適用于當時間序列受到政策干預或突發事件影響的預測計算機

收集歷史數據及影響時間景氣預測法短、中期適用于時間趨勢延續及轉折預測計算機收集大量歷史資料和數據，并需大量計算方法時間范圍

適用情況

計算機硬件最低要求應做工作灰色預測法短、中