- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《统计预测与决策》课程设计解析
《统计预测与决策》课程设计解析
PAGE / NUMPAGES
《统计预测与决策》课程设计解析
统计预测与决策 -课程设计论文
安徽工程大学
统计预测与决策课程设计论文统计学专业
题目: 1979 年— 2009 年安徽省人均 GDP预测及相关决策评价
姓名:朱俊
班级:统计学 101 班
学号: 3100802116
1
统计预测与决策 -课程设计论文
目 录
摘 要 3
一、问题的提出 . 3
二、模型的建立及预测 . 3
三、结论 . 10
四、决策评价 10
参考文献 . 13
附 录 11
2
统计预测与决策 -课程设计论文
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 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 Y CebX ,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:
Ln (Y ) Ln (C ) bX
(X 0,Y 0)
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。
2.1.2 、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:
3
统计预测与决策 -课程设计论文
图 1、安徽省 1979 年— 2009 年的人均 GDP散点图
安徽省 1979年— 2009年的人均 GDP
20000
P
15000
D
G
均
10000
人
5000
0
1970
1980
1990
2000
2010
2020
年份
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
SUMMARY OUTPUT
回归统计
Multiple R
0.993746802
R Square
0.987532706
Adjusted R Square
0.987102799
标准误差
0.142970653
观测值
31
方差分析
Significance
df
SS
MS
F
F
回归分析
1
46.95384
46.95384
2297.086
3.6161E-29
残差
29
0.592778
0.020441
总计
30
47.54661
上限
Coefficients
标准误差
t Stat
P-value
Lower 95%
Upper 95%
下限 95.0%
95.0%
Intercept
-266.688686
5.724672
-46.5858
8.16E-29
-278.39695
-254.980418
-278.39695
-254.98
年份
0.137597233
0.002871
文档评论(0)