信息分析与预测方法(二):层次分析法、回归分析法与时间序列分析法
层次分析法的递阶层次结构、判断矩阵、一致性检验、单层次计算与层次总排序;一元线性回归方程参数的求解与效果检验、多元线性回归;移动平均法、指数平滑法、生长曲线法和时间序列分解法。
本节导读
这一节对应大纲第三编第三章第三节「信息分析与预测方法」的后三条:层次分析法、回归分析法、时间序列分析法。
大纲在这里写得很明确:「层次分析法的计算」「一元线性回归方程参数的求解」「回归方程效果的检验」「指数平滑法」。试卷结构说明里没有单列计算题,本节把每种方法的思路和式子讲清楚,配几道小计算。记号照第 1 节的全课记号表;本节的 n 在层次分析法里是判断矩阵的阶数,在回归里是数据组数,α 是平滑系数(不是第 14 节的老化率),r 是相关系数(不是第 14 节的词序)。
四、层次分析法
1. 层次分析法的基本原理
层次分析法由美国运筹学家萨蒂在 20 世纪 70 年代提出,把定性判断转化为定量权重,适合多目标、多准则的评价与决策。
(1)递阶层次结构:把问题分成目标层(最高层)、准则层(中间层)、方案层(最低层),上层元素支配下层元素。
(2)判断矩阵的构成:对同一层中隶属于同一上层元素的几个元素两两比较,用 1~9 标度给出相对重要程度(1 表示同样重要,3 稍微重要,5 明显重要,7 强烈重要,9 极端重要,2、4、6、8 取中间),得到判断矩阵 A=(aij)。判断矩阵满足 aii=1,aji=1/aij。
(3)一致性检验:两两比较难免前后矛盾(甲比乙重要、乙比丙重要,丙却比甲重要),要检验判断是否大体一致。
CI=n−1λmax−n CR=RICIλmax 是判断矩阵的最大特征根,RI 是平均随机一致性指标(按阶数查表,3 阶是 0.58,4 阶是 0.90),CR<0.10 时认为一致性可以接受,否则要调整判断矩阵。完全一致的矩阵 λmax=n,CI=0。
2. 层次分析法的计算
(1)单层次计算方法:由判断矩阵求出各元素的相对权重,常用和积法——把矩阵每一列归一化(每个元素除以所在列的和),再按行求平均,就得到权重向量 w;最大特征根可以近似地用 λmax≈n1∑wi(Aw)i 估计。
(2)层次总排序:方案对总目标的总权重,等于它在各准则下的权重乘以各准则的权重再相加。总权重最大的方案最优。
五、回归分析法
1. 一元线性回归分析法
(1)一元线性回归方程参数的求解:用最小二乘法,使各点到回归直线的纵向距离平方和最小,求出回归方程 y^=b0+b1x 的两个参数:
b1=n∑x2−(∑x)2n∑xy−∑x∑y b0=yˉ−b1xˉ(2)回归方程效果的检验:常用相关系数检验。相关系数
r=n∑x2−(∑x)2n∑y2−(∑y)2n∑xy−∑x∑yr 的绝对值越接近 1,线性关系越密切。把 ∣r∣ 与给定显著性水平下的临界值比较:大于临界值,说明线性关系显著,回归方程可以用于预测;否则不宜使用。也可以用 F 检验、t 检验,结论是一致的。
2. 多元线性回归分析法
当因变量受几个因素共同影响时,建立 y^=b0+b1x1+b2x2+⋯+bkxk,同样用最小二乘法求参数,用复相关系数和 F 检验看整体效果,并逐个检验各自变量的作用。各自变量之间高度相关时,参数估计会不稳定,要加以处理。
六、时间序列分析法
时间序列分析法把预测对象的历史数据按时间排列,找出变化规律并向外延伸。
1. 移动平均法:取最近 N 期数据的平均数作为下一期的预测值,每过一期就加入新数据、去掉最早的数据。
Mt=Nyt+yt−1+⋯+yt−N+1N 越大,结果越平滑,但对新变化的反应越慢。
2. 指数平滑法:对历史数据加权平均,越近的数据权重越大,权重按几何级数递减。
本节后面还有约 1784 字:报名学员看全文
每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。
题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。
学完练一练
按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。
本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。