面板数据聚类分析的时间序列趋势外推预测方法

面板数据的聚类分析可以进行压缩的预处理也可以不进行压缩,文章提出可以根据样品中各个指标的时序数据的趋势特征来考虑是否应该进行压缩或如何进行压缩。然后考虑聚类的统计量的设置,再后给出系统聚类法的计算公式。     

灰色--马尔可夫链改进的预测方法

科学的预测对于经济现象的研究和经济政策的制定具有十分重要的意义,因此关于经济预测理论和方法的研究一直是一个热点.本文采用灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,并且针对我国铁路货运量的未来趋势进行了经济预测的实证分析,得出了比灰色预测更加准确的结论.     

基于灰色-马尔可夫链改进方法的预测方法

集装箱中心站运量预测工作是项目建设规模和运营经济评价的基础,在中心站建设的工作中处于十分重要的地位。文章将灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,应用灰色-马尔可夫链改进预测方法,针对铁路集装箱中心站货运量的发展趋势进行了预测,分析表明通过马尔可夫链的修正,灰色模型预测结果精确度得到较大改善,可得出比灰色预测更加准确的结论,更有利于决策者的经济决策行为。     

三路数据聚类方法综述

三路数据主要包含面板数据、纵向数据和三模数据三种立体数据格式。三路数据在社会科学和自然科学研究中受到越来越广泛的关注和应用。传统的聚类分析理论和方法主要基于两路平面数据而建立,对于三路数据,这些理论和方法则显得无能为力。在对传统的两路数据聚类方法做概要回顾的基础上,对国内外主流的三路数据聚类方法做了简要综述和总结。     

物流配送需求量的预测方法

物流需求量预测是政府有关部门及企业制定物流规划和建设物流基地的决策依据.文章将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM(1,1)模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM(1,1)模型预测.     

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法.     

固定设计异方差非参数回归模型的预测方法

文章针对固定设计下异方差非参数回归模型,考虑了基于多项式样条的三种预测方法,即非外推法、线性外推法和非线性外推法.模拟结果表明非外推预测法的均方根误差(RMSE)和平均绝对误差(MAE)的均值最大,而线性外推法的RMSE和MAE的均值略小于非线性外推法的RMSE和MAE的均值.实证分析结果显示:非外推预测法的平均绝对百分比误差(MAPE)、RMSE和MAE最大,线性外推法的MAPE、RMSE和MAE最小.这表明整体上外推法优于非外推法,而线性外推法是简单可行的.     

回归预测中应注意的问题

文章从数据的收集与处理、因果关系分析、模型的建立与参数估计、模型的检验和预测等方面论述了回归预测中应注意的问题.     

场景预测方法与概率预测方法的比较

当今人口预测的标准模式为队列因素法,鉴于参数的估计方法不同,该方法又可分为场景预测方法和概率预测方法。文章认为,从统计学的视角看,概率预测方法更科学、更合理。由于场景预测方法概念简单,对数据要求低,可以充分利用专家的主观预测成果,同时预测方法简便易行,目前应用广泛。概率预测方法对数据的数量和质量都有较高的要求,且需要较复杂的统计技术,应用受到限制。     

城镇居民消费结构发展趋势预测

文章运用扩张的线性支出模型,在西安城镇居民2001-2014年消费数据的基础上,分析了西安城镇居民的消费结构现状,并预测了其发展趋势.2001-2014年的数据表明,西安城镇居民的消费情况具有以下特征:交通和通信产业是消费热点,重视衣着、交通和通信、文化教育娱乐服务、医疗支出,已经迈入发展型消费阶段.而2015-2025年的预测数据表明,食品支出占消费性支出的比重将维持下降趋势、衣着支出比重稳中有升、交通与通信支出一直是消费热点、居住支出比重略有提升、吃穿住行和教育娱乐是西安城镇居民消费的重点.     

中国GDP的季度调整模型及预测分析

基于全国2000年1季度至2014年4季度的GDP季度数据,文章采用乘法模型的时间序列分解法对其进行季度调整,得到不合有季节性特征的时间序列,然后进行趋势性分析以及趋势模型的建立、估计与检验,并结合季节指数预测出2015年1季度至2016年4季度的季度GDP.     

灰色马尔可夫链组合预测方法的应用

文章提出了一种新的组合预测方法.将灰色Verhulst-马尔可夫链预测模型和灰色GM(1,1)-马尔可夫预测模型按照残差方程加权组合来预测事物中长期发展趋势;并以国外发达国家高速公路网规模成熟发展为案例验证对其中长期预测的精度.文章还将此预测模型应用于广东省公路客运量以预测其未来5～10年的发展趋势.     

事业编制规模的预测方法

事业编制规模预测可以为机构管理和总量调控提供决策依据。文章针对编制规模影响因素的复杂性和体制变革产生的差异性,在用因子分析对指标体系进行浓缩的基础上,建立了含有因子和虚拟变量的回归模型,并结合马尔可夫链对回归预测结果进行了修正。这种组合预测方法可以较好地解释编制规模在事业变革中的波动现象,因而具有更高的预测精度。文章还用该方法以江西省为例进行了实证分析。     

关于协同组合预测方法的探讨

文章在协同网络的基础上提出了一种新的组合预测方法--协同组合预测,协同网络有着深厚的数学物理基础,对比其他智能方法,如广义回归神经网络、支持向量回归、遗传算法等,结果表明:协同网络具有运算速度快,运行时间短,预测精度高等优势.     

基于马尔可夫过程的线性规划方法探讨

马尔可夫过程作为研究无后效性动态演进过程的统计方法,在经济管理预测工作中占有非常重要的地位.目前线性规划法作为运筹学中的基本方法,其解法和建模方法等方面已经得到了众多学者的关注,并且已经形成了很多的理论成果.但其目标函数系数往往作为一种外生变量而存在,在经济管理实践过程当中,如果使用线性规划方法,则必须确定目标函数系数,而马尔可夫过程基于状态转移概率,可以帮助决策者根据前一阶段的确定状态,完成对若干今后阶段的目标函数系数的预测.文章以此为基础,探讨进行线性规划模型调整的方式和方法.     

当前宏观经济现时预测研究综述

宏观经济现时预测具有重要的现实意义。如何有效地利用大数据时代丰富的数据资源进行宏观经济现时预测已成为一个重要的研究课题。在梳理现有研究的基础上,对主流的宏观经济现时预测模型进行系统介绍,并就其预测能力进行分析比较,然后阐述当前现时预测可用的信息集及预测变量选取方法,再对中国宏观经济现时预测的现状做出评价,最后指出当前研究的不足与未来研究的主要方向,旨在为实证研究者提供技术参考。     

四种人力资源的定量预测方法及评述

新型定量预测方法在人力资源预测中的应用,顺应了人力资源管理的发展趋势,提高了复杂环境下的人力资源预测精度。由于这些方法的都具有各自的特点和适用条件,因此,文章选取了四种新型的人力资源定量预测方法加以介绍,并对这些方法的特点和适用条件进行了评述。     

基于大数据的碳价预测

为了研究大数据是否能够帮助我们预测碳排放权价格,本文讨论了结构化数据和非结构化信息对预测碳价所起的作用。结构化数据选取了国际碳现货价格、碳期货价格和汇率,非结构化信息选择百度搜索指数和媒体指数。考虑到当解释变量很多时,平等对待每一个解释变量是不合理的,所以提出了网络结构自回归分布滞后（ADL）模型,在参数估计和变量选择的同时兼顾了解释变量之间的网络关系。实证分析表明,网络结构ADL模型明显优于其他模型,可以获得较高的预测准确性,更适合基于大数据的预测。