上篇
　　统计预测
　　1.1 统计预测的概念
　　中国有两句古话：“凡事预则立，不预则废”和“人无远虑，必有近忧”.这正是对预测的重要性所做的经验总结.统计预测是适应社会经济的发展和管理的需要而产生、发展起来的.随着人类社会的发展，生产力得到了较大的提高.特别是作为生产力的第一要素的科学技术水平显著地提高，科学的统计预测逐步取代了迷信占卜和经验预测而发展成为一门学科.统计预测真正成为一门自成体系的独立的学科仅仅是近几十年的事情.特别是第二次世界大战以后，由于科学技术和世界经济取得了前所未有的快速发展，社会经济现象的不确定因素显著增加，诸如政治危机、经济危机、能源危机、恐怖活动等.所有这些不确定因素增加了人们从心理上了解和掌握未来的必要性和迫切性.人们日益意识到科学统计预测的重要性，这也就成为统计预测学科进一步发展的推动力.
　　对于“统计预测”一词，可以从不同的角度来理解.它有三个含义，即统计预测工作、统计预测结果、统计预测学.
　　首先，从统计预测工作来看，它是指一种实践活动.统计预测是如何利用统计方法，对不确定的事件或未知的事件根据其过去和现状的信息来推知、估计未来，探索事件发展变化的规律.亦即根据已知推断未知的过程.
　　其次，从统计预测结果来看，它是统计预测工作的成果和“产品”.具体表现为统计预测工作过程所获得的统计预测值.这些统计预测值是反映社会经济现象的数量特征及其规律性.
　　*后，从统计预测学来看，它是阐述统计预测方法的一门学科和理论.科学统计预测方法是采用科学的统计判断和计量方法，对未来事件的可能变化情况做出事先推测的一种技术.统计预测学是一门统计模型应用的方法论学科.科学统计预测方法要求根据社会、经济和工程领域的历史和现实统计资料，综合多方面的信息，运用定性和定量相结合的统计分析方法，来揭示客观事物的发展变化的规律，并指出事物之间的联系、未来发展的途径和结果等.
　　上述三个含义既有区别也有联系.统计预测结果是统计预测工作的成果.统计预测学是统计预测工作的理论概括和总结，因此统计预测学阐述的统计预测方法对统计预测工作起着指导作用.统计预测工作一方面接受统计预测方法对其的指导作用，另一方面可以用来检验统计预测理论方法正确与否，从而促进统计预测理论方法的发展.统计预测学与预测工作、预测结果之间的关系表明理论来源于实践，又反过来服务于实践，体现着理论与实践的辩证关系.
　　统计预测学已发展成为一门综合性的学科，它突破了自然科学和社会科学的界限.目前统计预测学应用研究领域有很大的开拓，它广泛应用于人口、环境、资源、教育、金融、交通运输、城市规划、医药卫生、材料科学、科技管理等领域.可见统计预测方法与各个学科、各个部门均有密切联系.同时统计预测学理论研究有了新的进展，但是我们还不能说统计预测学已经发展得很成熟.它在以较快的速度继续向前发展.在发展过程中不断地吸收其他学科的营养，进一步丰富和完善自己.
　　现代统计预测理论由五个基本要素组成：预测者、预测依据、预测方法、预测对象、预测结果.五个基本要素的关系如图1.1.1所示.
　　图1.1.1 统计预测五个基本要素之间的关系
　　1.2 统计预测方法的分类
　　根据其目标和特点不同，统计预测可以分成不同的类别.传统的预测方法按属性不同，可以分为定性预测方法和定量预测方法.
　　定性预测方法就是以人的经验、事理等主观判断为主的预测方法，对事物的未来性质做出描述.一般地，定性预测方法适用于缺少历史统计资料，而需要在更多地依赖专家经验的情况下使用.定性预测方法通常有德尔菲法、主观概率法、市场调查法、领先指标法、模拟推理法和相关因素分析法等.定性预测法的特点可归纳如下：
　　(1)强调对事物发展的性质进行描述性的预测.这主要通过专家的经验以及分析判断能力.尤其是对预测对象所掌握的历史数据不多或影响预测对象因素众多、复杂的情况下，难以做出定量分析，此时定性预测方法是较好的可行方法.
　　(2)强调对事物发展的趋势、方向和重大转折点进行预测.例如，某商品在市场上所处的阶段、市场总体形势的变化、国家产业政策的变化、新产品的开发、企业经营环境分析等.
　　从上面定性预测方法的特点可知，定性预测法的优点在于预测事物未来发展性质方面，且定性预测法的灵活性较强，能充分发挥人们的主观能动性，同时定性预测法预测简单迅速，可节省一定的人力、物力和财力.当然定性预测方法也存在缺点，其缺点表现为它受人们的主观因素的影响较大.这是因为定性预测方法主要依赖于人们的知识、经验和能力等，因此它缺乏成套的数学模型，难以对事物发展做出数量上的精确度量.
　　定量预测方法就是利用预测对象的历史和现状的数据，按变量之间的函数关系建立数学模型，从而计算出预测对象的预测值.显然定量预测方法适用于历史统计资料较为丰富的情况.定量预测方法通常有移动平均法、指数平滑法、线性回归法、非线性回归法、马尔可夫预测法、灰色预测法、Box-Jenkins模型法、经济计量模型法、组合预测方法等等.
　　(1)强调对事物发展的数量方面进行较为精确性的预测.这主要通过历史统计数据建立相应的统计模型对事物发展做出数量上的预测.
　　(2)强调对事物发展的历史统计资料和统计模型利用的重要性，且要利用计算机应用软件来解决定量预测法中复杂的数学模型的参数计算问题.目前，计算机的普及和若干统计软件的开发，为定量预测法提供了良好的技术条件.
　　从上面定量预测方法的特点可知，定量预测法的优点偏重于预测事物未来发展数量方面的准确描述.它较少依赖于人的知识、经验等主观因素，而是更多地依赖于预测对象客观的历史统计资料，利用电子计算机对数学模型进行大量的计算获得预测结果.其缺点是：对预测者的素质要求较高，预测者必须掌握统计方法、计算机技术及相应的专门理论;另外定量预测法的精确度较多地依赖于统计资料的质量和数量，以及统计预测方法的选取等.同时若预测对象的系统结构发生质的变化时，相应的统计数据发生较大的波动，此时定量预测法难以获得满意的预测结果.
　　1.3 统计预测的原则和步骤
　　1.3.1 统计预测的原则
　　一般而言，统计预测遵循以下基本原则.
　　(1)连贯性原则.统计预测对象具有的规律性不仅在过去和现在起作用，而且在未来的一段时间内继续发挥作用，这种连贯性包括时间的连贯性和统计预测系统结构的连贯性.
　　(2)相关类推原则.统计预测对象的发展变化与某些因素密切.有的呈正相关关系，有的呈负相关关系.因此类推原则要求在建立适当的统计预测模型后，根据相关因素发展变化来类推统计预测对象的规律.
　　(3)概率性原则.统计预测对象的发展既受到偶然因素的影响，又受到必然因素的影响.概率性原则要求利用统计方法可以获得统计预测对象发展的必然规律.
　　(4)系统性原则.预测者在做统计预测时，要采用系统分析的方法.所谓的系统，就是由相互作用、相互依赖、相互制约的若干组成部分结合而成的，具有特定功能的有机整体，它可能是某个更大系统的子系统.因此，预测事物要从系统的观点出发，研究其全局性的预测问题，不能将其随意割裂.同时注意事物发展的动态阶段以及与其他系统的相互关系.例如，交通系统作为社会的一个子系统，其发展变化必然受到整个社会系统的影响，并且政治、经济、文化等的发展变化也会引起交通系统发展变化.因此，统计预测的系统性原则要求做交通预测时，不仅要考虑到其自身的发展变化，还要考虑到社会其他子系统的发展变化.
　　1.3.2 统计预测的步骤
　　统计预测是一个完整的过程，在解决实际的预测问题时，一般包括以下步骤.
　　(1)分析统计预测问题，明确预测目标.
　　因为统计预测所解决的问题一般都是来源于实际的社会经济系统较为复杂的问题，涉及的因素较多，事情发展的后果难以预计，所以要通过调查研究，理清影响因素以及可能导致的后果.明确预测目标是解决问题的关键.
　　(2)收集和整理历史及现实统计信息.
　　统计预测根据事物过去和现在的信息来推知和估计其未来的发展变化规律.因此有必要根据预测目标去收集和整理统计资料.这不仅包括其自身发展的历史和现实信息，而且也要包括影响其发展的相关因素的历史和现实信息.当然，收集来的信息需要进行适当的整理，去粗取精，去伪存真.
　　(3)建立合适的统计预测模型.
　　模型是对客观世界的事物、现象、过程和系统作简化的描述，是对实际问题的抽象概括和严格的逻辑表达.统计预测模型和方法有很多，每种模型和方法都有其自身特点和适用范围.由于实际预测问题的复杂性，所以很难总结出一套规范的方法来建立通用的统计模型.因此建立统计预测模型是一项创造性的劳动，要依靠预测工作者发挥其聪明才智，并利用其预测经验来完成.在建立统计预测模型时，还应考虑收集信息的充足情况，预测对象的特点以及完成预测任务的时间限制等因素.
　　(4)进行实际预测，并评价统计预测模型.
　　首先根据建立好的预测模型，把模型中因素变量信息代入到模型中进行计算

目录
前言
上篇 统计预测
第1章 统计预测概述 3
1.1 统计预测的概念 3
1.2 统计预测方法的分类 4
1.3 统计预测的原则和步骤 5
1.3.1 统计预测的原则 5
1.3.2 统计预测的步骤 6
1.4 统计预测的发展现状 8
1.4.1 不确定性预测方法 8
1.4.2 组合预测方法 9
1.5 统计预测与决策的关系 10
习题1 11
第2章 定性统计预测方法 12
2.1 定性预测概述 12
2.2 德尔菲法 13
2.2.1 德尔菲法的实施过程 13
2.2.2 德尔菲法特点 14
2.2.3 专家意见的统计处理 15
2.2.4 德尔菲法在中国生物制药行业技术预测分析中的应用 16
2.3 主观概率法 18
2.3.1 主观概率法 18
2.3.2 主观概率预测方法的案例 18
习题2 20
第3章 统计回归预测方法 21
3.1 一元线性回归预测方法 21
3.1.1 回归模型的建立 21
3.1.2 一元线性回归模型参数的估计 22
3.1.3 一元线性回归模型的检验 22
3.1.4 一元线性回归模型的预测 24
3.2 多元线性回归预测方法 26
3.2.1 多元线性回归模型 26
3.2.2 参数估计 27
3.2.3 统计检验 28
3.2.4 多元线性回归模型进行预测 30
3.3 非线性回归预测方法 31
3.4 主成分回归预测方法 33
3.4.1 主成分分析 33
3.4.2 主成分回归预测 36
习题3 41
第4章 时间序列分解法和趋势外推法 43
4.1 时间序列以及时间序列分解 43
4.1.1 时间序列的含义 43
4.1.2 时间序列确定性因素分解 44
4.2 趋势外推法概述 45
4.2.1 趋势外推概念 45
4.2.2 趋势外推法分类 46
4.2.3 趋势外推模型的选择 47
4.3 多项式曲线趋势外推法 49
4.3.1 二次多项式曲线预测 49
4.3.2 三次多项式曲线预测 51
4.4 指数曲线趋势外推法 53
4.4.1 指数曲线预测 53
4.4.2 修正的指数曲线预测 55
4.5 生长曲线趋势外推法 56
4.5.1 Gompertz曲线模型 56
4.5.2 Logistic曲线模型 58
4.6 曲线拟合优度分析 60
4.7 时间序列分解的案例研究 62
4.7.1 背景介绍 62
4.7.2 数据说明 63
4.7.3 描述性统计分析 63
4.7.4 时间序列分解及趋势外推 63
4.7.5 总结 67
习题4 68
第5章 马尔可夫预测方法 69
5.1 马尔可夫链基本理论 69
5.2 马尔可夫预测方法 74
5.3 市场占有率预测 75
5.4 股票价格走势预测 78
习题5 80
第6章 平稳时间序列预测方法 82
6.1 平稳时间序列 82
6.1.1 平稳时间序列概念 82
6.1.2 平稳性检验 83
6.2 平稳时间序列模型及识别 89
6.2.1 AR(p)模型 89
6.2.2 MA(q)模型 90
6.2.3 ARMA(p， q)模型 91
6.2.4 ARMA(p， q)模型定阶 92
6.3 平稳时间序列模型的参数估计 96
6.3.1 矩估计 96
6.3.2 *小二乘估计 98
6.4 平稳时间序列模型的预测 99
6.4.1 AR(p)序列预测 99
6.4.2 MA(q)序列预测 100
6.4.3 ARMA(p， q)序列预测 102
6.5 平稳时间序列案例分析 103
6.5.1 背景介绍 103
6.5.2 数据说明 104
6.5.3 随机时间序列预测过程 104
习题6 109
第7章 模糊时间序列预测方法 111
7.1 模糊时间序列 111
7.1.1 模糊数学基本概念与理论 111
7.1.2 模糊时间序列模型 113
7.2 一阶模糊时间序列预测方法 114
7.3 高阶模糊时间序列预测方法 119
7.3.1 高阶模糊时间序列分析简介 119
7.3.2 高阶模糊时间序列分析模型建立 120
7.4 多因素模糊时间序列预测方法 122
7.4.1 多因素高阶模糊时间序列分析 122
7.4.2 多因素高阶模糊时间序列模型建立 125
7.5 模糊时间序列应用案例分析 129
7.5.1 模糊时间序列预测 129
7.5.2 高阶模糊时间序列预测 133
习题7 135
第8章 灰色系统预测方法 137
8.1 灰色预测GM(1， 1)模型 137
8.1.1 灰色系统基本概念 137
8.1.2 GM(1， 1)预测模型的基本原理 137
8.2 GM(1， 1)模型检验 140
8.2.1 GM(1， 1)模型残差检验 140
8.2.2 GM(1， 1)模型后验差检验 141
8.2.3 GM(1， 1)模型关联度检验 141
8.3 GM(1， 1)残差模型 142
8.4 GM(n， h)模型 144
8.4.1 GM(1， h)模型 144
8.4.2 GM(n， h)模型 147
8.5 案例分析：生活垃圾清运量预测 148
8.5.1 研究背景 148
8.5.2 数据来源 149
8.5.3 模型建立 149
习题8 155
第9章 神经网络预测方法 157
9.1 BP 神经网络预测模型 157
9.1.1 人工神经元数学模型 158
9.1.2 BP神经网络的结构 158
9.1.3 传递函数(激活函数) 159
9.1.4 BP神经网络学习算法及流程 160
9.2 BP神经网络的MATLAB工具箱函数 161
9.2.1 数据的预处理和后处理 161
9.2.2 创建网络 162
9.2.3 设定参数 163
9.2.4 训练网络 163
9.2.5 BP神经网络的仿真 163
9.2.6 模拟输出 163
9.3 神经网络预测案例 163
习题9 168
第10章 组合预测方法 170
10.1 组合预测的概念及分类 170
10.2 非*优正权组合预测模型权系数的确定方法 172
10.2.1 几种常规的非*优正权组合预测模型权系数的确定方法 172
10.2.2 非*优组合预测系数确定方法的应用举例 174
10.3 以预测误差平方和达到*小的线性组合预测模型 175
10.3.1 *优线性组合预测模型的建立 175
10.3.2 *优线性组合预测模型的解的讨论 177
10.4 基于相关系数的*优组合预测模型 179
10.4.1 基于相关系数的*优组合预测模型 179
10.4.2 实例分析 181
10.5 基于IOWA算子的组合预测方法 184
10.5.1 OWA算子和IOWA算子的概念及性质 184
10.5.2 基于IOWA算子的组合预测模型 186
10.5.3 实例分析 188
习题10 191
下篇 统计决策
第11章 统计决策概述 195
11.1 决策问题的基本概念 195
11.1.1 决策的基本概念 195
11.1.2 统计决策的三个基本概念 195
11.2 决策的种类 196
11.3 决策的过程与决策分析的要素和原则 197
11.3.1 决策的过程 197
11.3.2 决策分析 198
11.3.3 决策的原则 198
习题11 199
第12章 不确定型决策方法 200
12.1 乐观准则决策方法 200
12.2 悲观准则决策方法 201
12.3 乐观系数决策方法 201
12.4 等可能性准则决策方法 202
12.5 后悔值准则决策方法 202
12.6 信息集成法在决策中的应用 203
12.6.1 多属性决策方法 203
12.6.2 基于OWA算子的多属性决策方法 205
12.7 几种决策方法的比较分析 207
习题12 209
第13章 风险型决策方法 211
13.1 风险型决策的基本问题 211
13.2 风险型决策的期望值准则 212
13.3 决策树分析法 214
13.4 风险决策的灵敏度分析 216
13.4.1 敏感性分析的概念和步骤 216
13.4.2 两状态两行动方案的敏感性分析 216
13.4.3 三状态三行动方案的敏感性分析 217
13.5 效用理论及风险评价 219
13.5.1 效用的含义 219
13.5.2 效用曲线 220
13.5.3 效用曲线的类型 222
13.5.4 效用曲线的应用 222
13.6 连续型变量的风险型决策方法 224
13.6.1 边际分析法 225
13.6.2 标准正态分布决策法 227
13.7 主观概率决策法 229
13.7.1 主观概率的基本概念 229
13.7.2 主观概率的估计方法 230
13.7.3 主观概率决策 233
13.8 贝叶斯决策法 234
13.8.1 贝叶斯决策的概念和步骤 234
13.8.2 后验预分析 234
13.8.3 贝叶斯决策 239
习题13 241
第14章 多目标决策方法 245
14.1 多目标决策概述 245
14.1.1 多目标决策过程 245
14.1.2 多目标决策问题的要素 247
14.2 层次分析法 251
14.2.1 层次分析法的基本原理 251
14.2.2 层次分析法的基本步骤 258
14.3 字典式法 259
14.4 TOPSIS法 260
14.5 ELECTRE法 264
14.5.1 级别高于关系的性质 266
14.5.2 级别高于关系的构造 266
14.5.3 级别高于关系的应用 268
14.5.4 算法步骤 269
14.6 LINMAP法 271
14.7 优劣系数法 277
习题14 282
第15章 序贯决策方法 285
15.1 单目标确定性序贯决策 285
15.2 单目标随机性序贯决策 289
15.3 马尔可夫决策 293
15.3.1 状态转移概率矩