《统计建模-(时间序列、回归、层次分析法).pptx》由会员分享，可在线阅读，更多相关《统计建模-(时间序列、回归、层次分析法).pptx（16页珍藏版）》请在三一办公上搜索。
1、,A,B,C,AHP-层次分析法,回归预测,时间序列预测,学习分享-数据篇,A,AHP-层次分析法,产生背景,美国运筹学家于本世纪70年代提出的层次分析法（Analytical Hierar-chy Process，简称AHP方法)，是一种定性与定量相结合的决策分析方法。它是一种将决策者对复杂系统的决策思维过程模型化、数量化的过程,AHP法首先把问题层次化，按问题性质和总目标将此问题分解成不同层次，构成一个多层次的分析结构模型，分为最低层（供决策的方案、措施等），相对于最高层（总目标）的相对重要性权值的确定或相对优劣次序的排序问题。,基本原理,step3,step4,step5,step2,s
2、tep1,明确问题,建立递阶层次结构,建立两两比较的判断矩阵,层次单排序,层次综合排序,具体步骤,重要性标度,判断矩阵,step1max,C.I.,step2,step3,判断矩阵一致性检验,C.I.=,max n n-1,C.R.,C.R.=,C.I.,R.I.,max=1,n,(Aw)i,nWi,平均随机一致性指标 R.I.(Random Index),C.R.0.1，一致性检验通过。,B,回归预测,产生背景,回归分析起源于生物学，由英国生物学家兼统计学家高尔登在19世纪末叶研究遗传学特性时首先提出。,对有相关关系的变量之间的数量变化规律进行测定，研究某一随机变量与其他一个或几个普通变量之
3、间的数量变动关系，并据此对因变量进行估计和预测的分析方法。,基本原理,01,一元线性回归预测,02,多元线性回归预测,03,非线性回归预测,成对的两个变量数据分布大体上呈直线趋势时，根据自变量与因变量之间的关系，预测因变量的趋势。,包含两个或两个以上自变量的回归称为多元回归。,通过变量代换，可以将很多的非线性回归转化为线性回归。因而，可以用线性回归方法解决非线性回归预测问题。,step3,step4,step5,step2,step1,确定预测目标和影响因素,进行相关分析,建立回归预测模型,回归预测模型的检验,进行实际预测,具体步骤,01,R2,02,F,03,T,拟合优度检验,04,D-W,C,时间序列预测,1,04,3,Thank you.,
