自身回归预测法探讨

在商业经济现象中,如工农业生产水平与商品供应量之间,消费品需求量与居民收入水平之间,合理储运与流通费用之间,加速资金周转与利润之间,均有因果关系存在。在商情预测中的因果预测,就是根据事物变化的原因,来预测事物变化的结果。回归预测是因果预测的一种重要方法,它是根据某一个或几个自变量(x)的变动,来推测另一个因变量(y)变动的方向和程度。回归预测除了用一个或几个自变量与一个因变量计算单元或多元回归进行预测外,还可以用同一时间数列的因变量数列与向过去推移若干时期的一个或几个自变量数列进行自身回归预测。自身回归预测是进行商情预测的有效方法之一,本文对此方     

区域物流需求量预测实证研究

本文从河北省的物流需求现状出发,通过分析区域物流需求量的衡量指标和影响因素,建立了区域物流需求量预测指标体系,并根据实际数据采用BP神经网络方法建立预测模型,通过与指数平滑法预测结果比较可以看出,采用BP神经网络方法进行物流需求量预测较指数平滑法更精确,在一定程度上能够为河北省物流规划提供定量决策依据,并以此为基础为整个区域物流需求量预测提供科学依据。     

2008北京奥运食品冷链物流需求预测分析

本文认为,对奥运食品冷链物流需求进行预测分析,可在一定程度上减少冷链物流在实际运作中的不确定性,为奥运食品冷链物流的系统规划和实际运作提供参考。冷链物流需求预测主要预测居住在奥运村的各类人员和国内外观众(需求主体)对冷冻冷藏食品(需求客体)的需求所引发的冷链物流需求量。文章首先预测需求主体数量,然后结合人均食品消耗量预测冷冻冷藏食品的总需求量,最后根据单位设施设备的能力,预测食品冷链物流需求量。预测结果表明,奥运会期间食品冷链物流的需求量将成倍增加,而目前多数生产企业自有冷藏车数量较少,不足以应对奥运会带来的对冷藏车需求的增加。因此,北京市及相关奥运餐饮服务提供商应考虑是购买冷藏车还是与第三方物流公司合作进行配送。同时鉴于奥运需求只是短时间内的需求,政府和企业既要考虑到奥运会期间的需求,更要考虑到奥运会之后的经济效益。     

灰色线性回归组合模型在黑龙江煤炭物流需求预测中应用

黑龙江省是煤炭资源大省,煤炭需求量的快速增长对物流体系提出了更高的发展要求。利用灰色线性回归组合模型对黑龙江2006-2011年煤炭消费进行预量的结果与实际消费相对吻合,表明此模型具有较好的预测能力,可以证明对今后一个时期预测的可行性。黑龙江省应根据煤炭物流需求量做出相应的应对对策,应加强煤炭生产,优化能源消费结构,加强黑龙江煤炭国际运输通道建设,建立黑龙江煤炭物流基地,满足经济社会快速发展的需要。     

河南省物流需求影响因素实证分析

本文基于区域物流需求理论,通过多元线性回归分析分别从河南省经济增长、技术进步、产业结构升级、区位优势等影响因素对河南省物流的需求量进行定量分析。研究结果表明,GDP产值、社会消费品零售总额、第三产业产值、第二产业占GDP的比重、3种主要专利授权数、公路里程与物流需求有显著的关系。     

基于多因素分析的区域物流需求径向基函数网络预测

对区域物流需求量进行合理、精确地预测,能为政府部门科学制定物流规划、合理配置物流资源提供决策支持和依据。在对影响区域物流需求的多种因素进行全面分析以及物流需求量指标合理选取的基础上,采用径向基函数神经网络构建区域物流需求量的非线性预测模型,并以四川省相关统计数据为基础,对区域物流需求量进行了预测,取得了满意的预测结果。研究表明:该预测模型较全面地反映了区域物流需求量的变化规律,预测精度较高,泛化能力强,预测结果具有较高的可信性。     

物流园区规划中的物流需求量预测问题研究

文章主要针对物流园区规划中的物流需求量预测问题进行研究,结合当前物流园区规划现状以及物流业需求量预测等方面出发点,积极从物流园区发展分析、物流园区规划物流需求基本思路以及物流园区规划中的物流需求量预测等方面进行深入探索,主要研究目的是为了更好地提升物流园区规划,解决物流园区规划中的物流需求量问题,促进物流园区的发展以及进步。     

配送中心内一个物流成本控制模型的建立

通过对配送中心的物流成本的特点及内在关系的分析,引入了线性回归原理,在一次具体的配送活动中运用所建立模型来预测和控制物流成本,同时讨论了单个品种的物流成本对总物流成本的影响。通过实例验证了线性回归控制模型对配送中心内部多品种产品配送的物流成本控制的可行性。     

物流企业需求预测

需求预测是为企业给出了其产品在未来一段时间里的需求期望水平,并为企业的计划和控制决策提供了依据。本文首先分析需求预测的意义,随后介绍了需求预测的定性和定量方法,最后结合物流企业实际进行实证分析,运用简单移动平均法、加权移动平均法、线性回归分析法进行预测,并对预测效果进行评估。     

基于支持向量机的区域物流需求预测研究

基于支持向量机的区域物流需求预测是在追求更高的预测精度下提出的,首先选取非线性回归方法筛选影响区域物流需求的主要因子,然后用支持向量机模型对原始数据进行处理,并通过"影响区域物流需求因素"求解最优化的支持向量机核函数,最后构建影响区域物流需求的影响因子的非线性数据模型。结论表明,支持向量机模型相对多元线性回归、BP神经网络等,提高了区域物流需求的精确度,在之后的区域需求预测中将会有更加广泛的应用。     

影响我国房地产价格的宏观经济因素实证分析

本文旨在建立我国近年来房地产价格宏观经济影响因素的线性模型,选取6个宏观经济指标作为方程初始导入自变量,与房地产价格进行初步多元线性回归分析,以解决自变量之间多重共线性问题;进而选取出两个自变量与房地产价格建立多元线性回归方程,并对回归结果进行分析;用2006年第1季度的现实数据对所建立的方程进行检验,得出方程效果良好的结论;指出方程的应用价值。     

基于灰色模型的河南生鲜农产品冷链物流需求量预测

居民生活水平的提高,对健康食品的追求,加快了冷链物流的需求量的增长速度。利用灰色模型研究河南生鲜农产品冷链物流需求量变化情况,可为政府及企业制定合理的战略规划提供依据。首先基于2007-2016年河南省生鲜农产品冷链物流需求量的数据,建立GM(1,1)模型,其次经检验,模型精确度高,为优秀等级,以此预测了2017-2026年的需求量,发现需求量的模拟值成明显的上升趋势,最后就冷链物流市场如何应对需求的变化的问题,从技术、平台、渠道、人才、政策等方面给出相关建议。     

基于计量模型的劳动力需求量影响因素分析

劳动力的需求状况是决定和影响就业的重要因素,它本身受经济增长、政策和季节等方面的因素影响。本文使用某国1995年～2005年间的时间序列数据,以计量经济学模型为基础,将先验经济理论与数理统计分析结合,建立对数线性回归模型,分析了各种影响因素对劳动力需求量的影响程度,为判别劳动力需求总量的发展趋势和预测提供依据。     

基于BP神经网络的北京市物流需求预测

随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测。结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05。     

基于组合预测模型的广州市物流需求量预测

选取2004—2014年广州市物流需求量数据,分别建立三次指数平滑预测模型和回归分析预测模型,加权组合后构建组合预测模型,并对广州市"十三五"规划期末2020年物流需求量进行预测,结果表明:货运量将大幅增长,超过15亿吨。提出以下建议:通过提高物流技术、增加物流基础设施投入、发展特色物流园区等多种举措推动广州市物流业持续健康有序发展。     

农产品物流需求的影响因素研究

本文结合农产品物流的供给与需求,选取与农产品物流供给与需求的关键性指标,分析农产品物流需求的影响因素和各影响因素的作用大小,通过多元线性回归及主成分分析等方法,总结出影响农产品物流需求的关键因素在于农业机械总动力、城镇化率和城市消费品零售总额几个方面,为促进农产品物流的发展提供了科学合理的方向。     

基于STATA的中国物流行业发展影响因素分析

通过建立2009年-2020年全国四大地区各省的面板数据进行分析,找出影响我国以及四大地区物流行业发展最显著的因素。主要采取Stata12.0工具建立多元线性回归模型,选择社会物流总额作为被预测值,以地区GDP、地区CPI、社会物流需求、电商物流需求为预测值来分析物流行业的发展状况,并探究各预测值的影响程度。结果表明：GDP、CPI、社会物流需求、电商物流需求对全国以及东部地区物流行业发展都有明显的推进作用,中部地区和东北地区的电商物流需求对物流行业的影响均是不显著的,而西部地区的社会物流需求的影响效果并不明显。     

线性回归在居民家庭收入与支出中的应用

回归预测分析是一种重要的预测方法。如果某个预测对象与其它因素有关，那么从因果分析的角度来说，通常可用回归预测模型。而且通常采用线性回归。线性回归分为一元线性回归和多元线性回归。本文通过举例居民家庭收入与家庭支出说明一元线性回归方法在生产运作中的预测功能。     

信息化条件下运输装备零部件需求预测研究

对运输装备零部件需求预测的方法进行了对比分析,选取了多元线性回归预测法在零部件需求预测中应用,建立了多元线性回归需求预测模型,并用实例进行了验证和分析。     

直线回归技术在相关预测和因素分析应用中的几个问题

直线回归技术是相关预测和相关因素分析最常用的一种方法。回归分析法是借助回归分析这一数理统计工具进行定量预测的方法。回归分析是建立在大量实际数据的基础上的,寻求其随机现象统计规律并建立经验公式的一种工具,而回归预测法正是利用预测对象和影响因素之间的因果关系,通过建立回归方程式进行预测的一种方法。