时间序列分析方法在张家川冠心病发病情况的应用

文章应用SPSS软件对张家川地区2002年12月至2006年8月冠心病每月发病人数统计资料做时间序列分析观测到该时间序列是无长期趋势和周期性波动的序列,进行指数平滑法拟合得到单参数的指数平滑模型,数学表达式,且进行预测值比较,得到较好效果。     

时间序列法在市场预测中的应用

快速消费品由于其特性给企业在预测时带来很多难题。很多企业往往是采用宏观估算的方式来预测市场,预测误差带来生产计划经常变动、库存增加、服务水平下降等问题。时间序列法预测以历史数据为基础预测未来,本文以典型的快速消费品生产企业为例,用时间序列法来建模预测市场。     

基于人工神经网络的时间序列分析方法在物流需求预测中的应用

当在对物流需求进行预测遇到较大波动的时间序列数据时,传统的以统计学为基础的预测方法在进行预测分析时误差会很大,本文建立了基于人工BP神经网络的预测方法并证明了其有效性。     

一种时间序列分析方法在经济预测中的应用

本文通过一种时间序列方法(序列有线性趋势和季节性波动),对具有季节变动趋势的产品销售情况进行了简要的预测研究,为企业制定经营决策、编制下年度的工作计划,改善经营管理提供依据与参考.     

一种时间序列分析方法在经济预测中的应用

本文通过一种时间序列方法(序列有线性趋势和季节性波动),对具有季节变动趋势的产品销售情况进行了简要的预测研究,为企业制定经营决策、编制下年度的工作计划,改善经营管理提供依据与参考。     

中国人均GDP时间序列建模与相关分析

人均GDP是衡量一个国家和地区经济发展水平和综合经济实力的重要指标。本文在相关背景下收集了1978-2008年中国人均GDP时间序列数据,应用了SPSS软件进行数据分析并建立时间序列模型,利用模型预测了2009,2010年人均GDP数值,对制定相应的宏观调控政策有十分重要的意义。     

基于小波分析方法的非线性时间序列模型及其应用

本文主要探讨了非线性时间序列中的异方差双门限自回归模型(DTARCH)的门限和延时的小波辨识方法,并利用相应的股市数据对此模型进行了实证分析。     

时间序列在粮食预测中的应用

所谓时间序列就是将某一个指标在不同时间上的不同数值,按照先后顺序排列而成的数列,它包括了系统结构特征及运行规律。本文通过时间序列分析在粮食产量预测中的应用,介绍了时间序列模型的辨识和预测,并基于Eviews软件计算完成了我省粮食产量的预测。     

时间序列分析在社会保险基金收支预测中的应用

基金收支预测是根据现有基金运行状况,考虑到预测期内影响收支各个因素的变化,对未来基金收支发展前景作出推算。定期开展基金收支预测分析,评估基金运行风险,是社会保险精算的基本业务。科学预测影响基金收支的各项因素,准确确定精算模型中的参数假设。     

多元回归时间序列方法在货运市场预测中的应用

为了解决制定某地区货运行业发展规划中的区域货运发展规模的分析和预测问题。提出一种以统计数据为依据,为货运行业需求量建立预测模型,并应用SPSS(Statistical Product Service Solution)分析软件,对预测结果进行评估检验的方法。最后以四川货运行业为例,研究预测了四川省今后数年的货运需求量,为四川货运部门进行决策提供一定的科学依据。     

基于时间序列模型在物流需求预测中的应用

本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化、标准化，建模，经模型的识别、定价、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。     

基于时间序列的上海市物流需求预测分析

文章通过收集近十年上海市的货运周转量及可能影响物流产业发展的相关经济指标数据,归纳总结以往学者对物流需求预测的必要性,运用线性回归法和指数平滑法对上海市的物流需求进行预测,通过对比分析选取基于时间序列的指数平滑法的预测结果,对上海市的物流业发展水平做了定量估计,为上海市物流产业的发展提供对策,助力上海市成为“十四五”规划中长三角世界级城市群的核心引领者,实现物流产业现代化。     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

混沌时间序列在企业库存管理中的应用研究

现实生活中混沌现象无处不在,许多学科领域都从混沌理论中得到启示。根据混沌的定义和基本特征,结合企业库存管理系统的特点,从系统非线性、初值敏感性方面探讨了库存管理系统的混沌特性。文章采用混沌时间序列方法,以某公司2001.7—2011.6每个月实际销售量为基数,通过相空间重构技术,在由Lyapunov指数数值计算判别系统混沌特性的基础上,对2011年下半年的销售量进行预测,根据预测的结果确定企业的安全库存,实证分析效果较好。     

顾客满意度时间序列分析应用研究

越来越多的企业已经将顾客满意度测评作为一项常规工作,以年度、季度或者月度为周期持续开展.随着时间的推移,就形成了一串依时间顺序记录的顾客满意度数据,我们可以称之为时间序列,用(Z1,Z2,…,Zn)表示.有了时间序列,我们就可以应用时间序列分析研究顾客满意度数据随时间变化的统计规律,对顾客满意度的未来变化趋势进行预测,并根据预测结果及早采取有效的措施进行控制.     

SVM与神经网络在时间序列预测中的比较

神经网络和支持向量机都能有效地预测时间序列数据,但各自结构特点不同,导致其预测性能有差别。文章从理论和实践上比较了支持向量机与神经网络的优缺点。     

正则化的时间序列AR模型及其在经济分析中的应用

通过添加一个正则化因子OC,使时间序列AR（n）模型的最小二乘估计（X’X）-’X’Y变为（X’X＋αl）-^1X’Y,改善了时间序列分析模型中信息矩阵的病态程度,避免了时间序列分析模型产生不适定;经济统计数据分析表明,新的正则化时间序列分析模型在一定程度上起到了稳定所求参数的作用。     

正则化的时间序列AR模型及其在经济分析中的应用

通过添加一个正则化因子α,使时间序列AR(n)模型的最小二乘估计(X′X)-1X′Y变为(X′X+αI)-1X′Y,改善了时间序列分析模型中信息矩阵的病态程度,避免了时间序列分析模型产生不适定;经济统计数据分析表明,新的正则化时间序列分析模型在一定程度上起到了稳定所求参数的作用。     

对经济增长的时间序列分析

时间序列分析在经济运用中作用十分明显。利用1980～2003年国内生产总值的相关资料,运用时间序列分析,应用SAS软件对经济增长时间序列进行模型识别、拟合、估计和预测,预测结果较为满意。而改革开放以来,投资在经济增长中的作用越来越明显,在对经济增长序列进行时间序列分析的同时,也结合回归分析建立经济增长和投资的回归-时间序列组合模型来进行分析。     

基于时间序列的郑州市人均生产总值的预测

随着社会经济的不断发展、生活水平的提高及人口的增加,通过GDP这一宽泛的指标来反映一个地区经济的发展状况是不准确的。由于GDP不能很准确地反映平均每个人的生活水平,而人均GDP则能弥补GDP的这点不足。因为人均GDP=总产出/总人口,它是一个既考虑经济总量大小又考虑人口数量因素的综合性指标,所以常常用来了解和把握一个国家或者地区的宏观经济运行状况、发展水平和人民生活水准。所以论文利用ARIMA模型对人均生产总值进行短期的预测。