统计预测与决策》课程设计

《统计预测与决策》课程设计》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、统计预测与决策课程设计《统计预测与决策》课程设计—1979年—2009年安徽省人均GDP预测及相关决策评价姓名：XXXX班级：XXXXXX学号：XXXXXXXX14统计预测与决策课程设计目录摘要3一、问题的提出3二、模型的建立及预测32.1、指数模型预测32.1.1、指数模型32.1.2、指数模型建立及预测32.2、简单移动平均法预测52.2.1、简单移动平均法52.2.2、N值的选择原则52.2.3、简单移动平均法模型建立及预测62.3、灰色预测72.3.1、灰色系统72.3.2、灰色模型建模机理72.3.4、灰色模型建立及预测8三、结论10四、决策评价10参考文献11附录1214统计预测

2、与决策课程设计1979年—2009年安徽省人均GDP预测及相关决策评价摘要就统计预测方法而言，它最基本的作用在于把历史资料中同时并存的基本轨迹和误差分开，以研究其形态的变化。在市场经济条件下，预测的作用是通过各个企业或行业内部的行动计划和决策来实现得。预测与决策和行动计划之间的关系在于：预测与决策之前，行动计划在决策之后。预测为决策提供依据，是决策科学化的前提；而正确的决策又给合理的预测提供实现机会。行动计划是预测、决策之后的产物，又是预测、决策实现的桥梁。2009年上半年安徽省开始承接长三角产业转移，建立皖江城市带。本文通过对安徽省1979年—2009年人均GDP数据进行分析建立三个数学模

3、型，即指数模型、简单移动平均模型、灰色模型，拟合历年数据及以此来预测2010年—2012年的人均GDP值，来观察安徽省建立产业转移示范区对安徽省人均GDP的影响，又利用决策评价的三原则来对安徽省承接产业转移进行决策评价。本文中安徽省人均GDP数据的来源为：2007年与2009年的《安徽省统计年鉴》，以及http://www.doc88.com/p-39854614874.html上的数据资源。数据来源真实、可靠。关键词：指数模型简单移动平均灰色模型决策评价一、问题的提出人均GDP是描述人均经济发展指标的重要指标。人均经济发展水平在一定程度上反映一个国家、地区的富裕程度和人民生活水平的高低。安

4、徽省自建国到2008年以来，经过几代领导的努力，提出了许多设想，同时也做了许多工作，使得安徽省的人均GDP逐年增加，尤其是近几年增长速度较快，2009年安徽省人均GDP已经达到16391元，是历年之最。2009年上半年安徽省又做出承接长三角产业转移，建立皖江城市带的决策。那么这一决策对安徽省的人均GDP产生怎样的影响，是本文需要研究的问题。二、模型的建立及预测2.1、指数模型预测2.1.1、指数模型指数模型的数学方程式为，该函数适用于按指数增长的模型。在实际操作中，往往先将数据进行对数处理，即：然后将处理后的数据利用Excel进行回归分析，由回归分析结果判断模型的优劣及各参数的数值。2.1.

5、2、指数模型建立及预测第一步：对安徽省1979年—2009年的人均GDP数据进行绘图，如下图：14统计预测与决策课程设计图1、安徽省1979年—2009年的人均GDP散点图由图形趋势可知此数据符合指数趋势，可以尝试使用指数模型。第二步：将人均GDP数据对数化处理，并使用Excel中的数据分析对其进行回归分析，过称为：工具—数据分析—回归—输入相关信息—确定。结果如下：表1、对数化后的数据回归分析SUMMARYOUTPUT回归统计MultipleR0.993746802RSquare0.987532706AdjustedRSquare0.987102799标准误差0.142970653观测值3

6、1方差分析dfSSMSFSignificanceF回归分析146.9538446.953842297.0863.6161E-29残差290.5927780.020441总计3047.54661　Coefficients标准误差tStatP-valueLower95%Upper95%下限95.0%上限95.0%Intercept-266.6886865.724672-46.58588.16E-29-278.39695-254.980418-278.39695-254.98年份0.1375972330.00287147.927933.62E-290.131725540.1434689230.13

7、1725540.143469由上述分析结果可以看出，=0.9871，模型的拟合优度较高。进一步分析检验和检验结果可知：=2297.086，相应的显著水平为3.6161E-29，统计量为47.928，可以99.9999999%的置信度拒绝方程整体和自变量不显著的虚假设，因此指数模型的拟合度较高。模型为14统计预测与决策课程设计即原模型为原数据与模型拟合效果见下图：图2、原始数据与指数模型拟合2010年—2012