第五章
1 平均預測法：推測事物未來發展的期望數量結果的一種方法。平均預測法有多種具體計算模型，如算術平均預測法、幾何平均預測法、移動平均預測法、指數平滑預測法
2 在應用算術平均預測法時，要特別注意數據的變化規律，如果數據有明顯的上升和下降趨勢，則不能采用算術平均預測法
3 算術平均預測法具體計算方法是首先以一個稱為權數的數值來代表每一個數據的重要性和程度；然后求得每個數據與對應的權數之積的和；最后將此和除以各個權數之和就得到相應的平均數，這就是加權平均法，所得平均數稱為加權平均數
4 在加權平均數的計算中權數一般由有關專家確定，權數是否合適直接影響加權平均數的結果，所以權數的選取應認真對待
5 移動平均預測法： 一組數據平均間隔不變時，每次后移一位求相應間隔的平均數，并根據此平均數列的變化規律來進行預測的方法
6 在移動平均預測法中，所選時間間隔k值不同，移動平均修勻原數列的效果也不同。k值越小，越能反映變化細節，當k=1時就是原序列；k值越大，反映變化過程越平緩，k等于全部原始數據個數時，移動平均數數列就是一個算術平均數
7 時間序列的發展趨勢無明顯變化時，k值大小不作過多要求，稱為平穩式；時間序列公在一段時間變化比較劇烈時，在其他時間變化比較平穩，應取較大k值，以便較好修勻時間序列變化趨勢，稱為肪沖式；時間序列以階段性的規律發展時，應取較小k值，這樣才能更好反映數據變化的階段性，這是階梯式；時間序列的發展趨勢比較明顯時，移動平均數列落后于實際變化趨勢，應取較小k值以減少預測誤差，這是斜坡式
8 根據平滑次數多少，指數平滑預測法可分為一次指數平滑預測法、二次指數平滑預測法、三次指數平滑預測法
14 平滑系數a的值越小，其平滑功能越強。實際選擇的a值，需要考慮歷史數據的特征以及預測誤差的大小。當時間序列變化較穩定時，取較小a值，歷史數據的增減變化幅度較大時，取較大a值
15 回歸預測法是一種從變量之間變化的統計伴隨關系出發對事物的發展進行預測的數據統計方法。它在教育領域有廣泛應用，即有微觀的個人成就、能力發展水平的預測；又有宏觀人才需求、教育規模等全局問題的預測。由于回歸預測法是驗證因果關系和發現因果聯系的一種定量方法，因此又稱因果預測法
16 回歸預測法是通過建立回歸模型來實現對預測對象進行預測的，根據變量之間的數量關系類型，須構造多樣性的回歸模型。通常以自變量的個數為標志分為一元回歸預測和多元回歸預測，以自變量與因變量的線性關系為標志分為線性回歸預測和非線性回歸預測
16 散點圖又稱散點分布圖，是以一個變量為橫坐標，另一變量為縱坐標，利用散點（坐標點）的分布形態反映變量統計關系的一種圖形。特點是能直觀表現出影響因素和預測對象之間的總體關系趨勢。優點是能通過直觀醒目的圖形方式反映變量間關系的變化形態，以便決定用何種數學表達方式來模擬變量之間的關系。散點圖不僅可傳遞變量間關系類型的信息，也能反映變量間關系的明確程度
17 如果變量y與x的關系不是線性的，而是近似于某種曲線，也可以通過變量代換把曲線關系轉化為線性關系進行非線性回歸預測 |
