技术经济学 978-7-302-28677-6 技术经济学 12章

1、第十二章 技术经济预测,第一节 技术经济预测概述,预测成为一门科学，而且广泛应用于经济、技术领域还是近几十年的事。我们现在所要研究的预测是在对现实和历史进行调查研究的基础上，找出事物发展的客观规律，对未来事件状态的科学分析。预测的主要特点是： (1)预测是把过去、现在和未来视为不可截然分开的整体，根据现在和过去预计未来，根据已知推断未知。 (2)预测本身不是目的，是一种手段，它的功能在于提供关于未来的信息，在于提高人们的决策水平，以便人们去追求和努力争取实现有利的未来，尽力减少或避免不利的未来所带来的损失。 (3)预测结果具有近似性和随机性的特点，预测的对象是现实事件的未来状态和未来发生的事件。 (4)预测工作具有科学性，也具有艺术性，预测的科学性表现在预测工作要基于能指导实践的理论，基于详尽的调查研究，基于系统而可靠的资料，基于科学的方法和计算工具等等。,一、预测分类 (一)按预测对象应用领域分类 1.社会发展预测 2.政治军事预测 3.科学预测 4.技术预测 5.经济预测 6.市场预测 所谓技术经济预测，通常包括科学预测、技术预测、经济预测及市场预测。 (二)按预测问题涉及范围的大

2、小分类 1.宏观预测 2.微观预测,(三)按对预测结果的要求分类 1.定性预测 2.定量预测 在许多情况下，定量预测与定性预测要结合进行。,(四)按预测期限长短分类 1.短期预测 2.中期预测 3.长期预测,二、技术经济预测的步骤 预测的程序因预测对象、预测目标的不同而各不相同，一般的技术经济预测工作有如下几个步骤： (一)确定预测目标 (二)搜集、分析资料 (三)选择预测方法 (四)建立预测模型(包括对模型的检验与评价) (五)分析情况作预测,(四)按预测期限长短分类 1.短期预测 2.中期预测 3.长期预测,第二节 抽样调查法,一、抽样调查法的种类 抽样调查的抽样方法有两大类：一是随机抽样；二是非随机抽样。 上述两类抽样方法，还可根据具体对象运用更为具体的抽样方法。这些方法见表12-1。,表12-1,1.单纯随机抽样 这种方法是通过抽签方式(摇奖机)或查随机数表抽取样本。这种取样方法比较客观，完全排除了调查人员的主观选择，在数学上可以严格证明，在被抽样的总体中，每个个体被抽到的可能性完全相等。因此，此种抽样被称为机会均等的抽样。,2.分层随机抽样 这种抽样是首先将抽样总体按某种特征

3、或属性分为若干层，然后在各层中用单纯随机抽样的方法，抽取所需的样本。例如，调查某地居民每户人均收入情况，先按户人均收入的高低分为高、中、低三个层次，然后再从这三个不同的层次中，分别按单纯随机抽样的方法，按事先规定的样本数抽取样本。 3、分群随机抽样 这种抽样是将抽样的总体分为若干个群体，使每个群体中都包含了总体中的各种类型的个体。例如，以某大学为一群，这个群体中含有教师、干部、工人、农场工人、大学生、中学生、小学生等。分层随机抽样与分群随机抽样二者是有区别的。前者要求各分层的子母体之间有明显的差异性。相反地，分群随机抽样的子母体之间，则要求具有相同性。例如，分层随机抽样中的高收入阶层，每户的人均收入都很高，而低收入阶层中，每户的收入都较低。但是，在分群随机抽样中，不论是高等学府的群体还是工厂企业群体，按户的人均收入，均有高、中、低三个档次，呈现出群体之间的相同性。 4.便利抽样 这种抽样是随调查者的方便选取样本。例如，调查人员进行市场调查，在商店里遇到谁就问谁，其选取样本的原则是以便利调查为标准。此法的特点是应用方便，但误差大，使用价值低，缺乏严格的科学性。,6.配额抽样 按各类代表人

4、物都配以一定的比例抽取样本。人民代表大会的代表名额分配就是如此。例如，规定选取20人，按性别分男11人、女9人；按社会阶层分干部2人、工人14人、农民4人；按年龄分1828岁6人、2944岁8人、4554岁4人、55岁以上2人。根据上述原则得到配额抽样表(见表12-2)。,表12-2,5.判断抽样 又称为主观抽样，是根据专家或调查人的判断来选取样本。例如，在编制物价指数时，有关产品项目的选择以及样本地区的决定常用此法。,二、抽样调查的误差分析及样本大小的确定 抽样调查只是调查了总体的一部分，以此去推断总体，未免产生误差。产生误差的原因有二：一是由抽样产生的，称为抽样误差，这是一种不可避免的误差；二是非抽样误差，称人为误差或伪误差。 在单纯随机重复抽样的条件下，估计母体均值所需的样本数，可按下述公式计算 式中 n 抽取的样本数； t在置信水平下的概率分布临界值； 总体方差； 允许误差范围。,（12-1）,在单纯随机不重复抽样的条件下，估计母体平均数所需的样本数为,(12-2),式中 N总体的个体总数。,一般说来，在抽样调查时， 是未知的，通常用过去作过调查或试验性调查所 得到的 来代替。

5、如果过去有若干个 的值可供参考，则宜选取最大的 值。因为 越大 ，抽取的样本数就越多，就越能保证调查的精度。 例12-1 某厂对其所生产的20 000只灯泡进行寿命检验。根据以往正常生产的经验，灯泡寿命的方差为 =25(小时)，现采用不重复抽样方式，进行抽样调查，要求在95.45%的概率保证下，允许误差不超过2小时，问至少要抽多少样本? 根据不重复抽样中估计母体平均数所需样本数的计算公式，得到样本数为 这里的 值是在95.45%的置信水平下，其概率分布的临界值为2，允许误差 2，代入计算公式得到n=25。,第三节 专家调查法,一、专家调查法概述 所谓专家调查是运用一定方法，将专家们个人分散的经验和知识汇集成群体的经验和知识，从而对事物的未来作出主观预测。这里的“专家”是指对预测问题的有关领域或学科有一定专长或有丰富实践经验的人。对专家作调查和索取信息所采取的具体方式有许多种，常用的有专家个人判断、专家会议和德尔菲法。 二、德尔菲法(Delphi) (一)德尔菲法的特点 1.匿名性 2.反馈性 3.收敛性 (二)德尔菲法预测步骤 1.组成调查工作组 2.选择专家 3.以函询方式向专家们索

6、取预测信息 4.调查结果的汇总处理 调查结果汇总以后，需要进行统计处理，国外预测学者的研究结果表明，专家意见的概率分布一般符合或接近正态分布，这是对专家意见进行统计处理的重要理论依据。对调查结果进行处理和表达的方式取决于预测问题的类型和对预测的要求。,(1)对定量调查结果的处理 当预测结果需要用数量(含时间)表示时，一般用“中位数法”进行数据处理。即分别求出预测结果的中位数、下四分位点和上四分位点。 设参加预测的专家数为n，对某一问题各专家回答的定量值为 ， 是由小到大或由前至后顺序排列的，即 ，则调查结果的中位数为 中位数可看作是调查结果的期望值。在小于或等于中位数的答数中再取中位数，即为调查结果的下四分位点，在大于或等于中位数的答数中再取中位数，即为调查结果的上四分位点。上、下四分位点之间的区域为四分位区间。四分位区间的大小反映专家意见的离散程度，四分位区间越小，说明专家意见的集中程度越高，预测结果的可信程度也就越大。调查过程中，可以根据四分位区间的大小确定是否需要进行下一轮意见征询。 (2)对评分、排序调查结果的处理 在征询专家意见时，常常有请专家们对某些事项的重要性进行评分或排

7、序的内容，对于这类问题的答案，可用总分比重法进行处理，即用各事项的得分在总得分中所占比重衡量其相对重要程度。,(12-3),对于以评分方式回答的问题，各事项的总分比重可直接由下式求得 式中 Bj 第 个事项的总分比重； bij第 个专家对第 个事项的评分； n给出答案的专家数； m参加比较的事项数。 对于以排序方式回答的问题，需要事先给定各排序位置的得分，然后再用式(12-4)求出各事项的总分比重。 (3)对主观概率的统计处理 用德尔菲法进行预测，有时需要专家对某个未来事件发生的概率作出主观判断，当各位专家的主观概率估计不一致时，通常用平均主观概率作为专家集体的预测结果。平均主观概率的计算公式为 式中 专家集体的平均主观概率； P 第 个专家估计的主观概率； n 参加预测的专家数。,(12-4),(12-5),(三)对德尔菲法的评价 德尔菲法简单易行，用途广泛，费用较低，在大多数情况下可以得到比较准确的预测结果。在缺乏足够资料的领域中，例如对某些长期的复杂的社会、经济、技术问题的预测，对某些无先例事件和突发事件的预测等，数学模型往往无能为力，只能使用德尔菲法这一类专家预测方法。 德尔菲

8、法预测是建立在专家主观判断的基础之上的，因此专家的学识、兴趣和心理状态对预测结果影响较大，从而使预测结论不够稳定。采用函询方式调查，客观上使调查组与专家之间的信息交流受到一定限制，可能影响预测进度与预测结论的准确性。采用匿名方式调查，有不利于激励创新的一面。 了解德尔菲法的优点，同时也认识到它的缺点，有助于预测人员更恰当地使用这种方法。,除了上面介绍的专家意见统计处理方法之外，还可用直方图表示专家预测值的分布，用方差或标准差表示专家预测值的离散程度。,第四节 回归分析法,一、一元线性回归预测法 一元线性回归预测法适用于预测对象主要受一个相关变量影响且两者间呈线性关系的预测问题。一元线性回归的工作程序如下。 1.建立一元回归模型。设有一组反映预测对象与某变量之间因果关系的样本数据(可以是历史序列数据，也可以是历史截面数据)为 (12-6) 根据经验判断或观察分析(如通过作散点图观察)，两者之间确有较明显的线性相关关系，则可建立如下一元回归模型 (12-7) 式中 y因变量(预测对象)； x自变量； a,b回归系数。,2.由已知样本数据根据最小二乘法原理求出回归系数。计算公式为,(12-8

9、),(12-9),式中 n样本数据点数目，最好不少于20； xi ,yi样本数据。 样本数据应经过分析筛选，去掉不可靠和明显不正常的数据点。,3.计算相关系数r，进行相关检验。,(12-10),， 越接近1，说明 x与 y的相关性越大，预测结果的可信程度愈高。一般可用计算出的相关系数r 与相关系数临界值r0 相比较，r0 是由样本数 n和显著性水平 两个参数决定的，实际工作中可由相关系数临界值表,(表12-3)查出。表示用线性方程在一定区间描述 x与 y的相关关系不可靠的概率。1- 称为置信度，表示在一定区间用线性方程描述 x与 y的关系令人置信的程度。只有当 时，预测模型(回归方程)在统计范围内才具有显著性，用回归方程描述y 和 x的关系才有意义。,表12-3 相关系数临界值表,4.求置信区间。由于回归方程中自变量 x与因变量 y之间的关系并不是确定性的，所以对于任意的 x=x0 ，我们无法确切地知道相应的 y0值，只能通过求置信区间判定在给定概率下 y0实际值的取值范围。在样本数为 n，置信度为 1-的条件下，y0的置信区间为：,(12-11),式中,与x0相对应的根据回归方程计算的y0的估计值；,自由度为 n-2，置信度为1- 时 t分布的临界、 值，可参考有关文献由 t分不表查出；,s(y)经过修正的因变量y 的标准差。,(12-12),(12-13),式中,在实际的预测工作中，如果样本数足够大，式(12-11)中的根式近似地等于1。当置信度取1- =0.95时， 约等于2， y0的置信区间近似为 ，这意味着y0的实际值发生在 区间内的概率为95。当置信度取1- =0.95时， 约等于3，y0的置信区间近似为 。 5.分析情况做预测。回归方程是根据历史数据建立的，利用回归方程做预测的前提是确认预测对象与所选自变量的关系及影响预测对象的环境条件未来没有重大变化，因此必须对变量间的关系及环境因素的变化作认真的分析，必要时应对预测模型作适当的修正。在此基础上才可根据求得

《技术经济学 978-7-302-28677-6 技术经济学 12章》由会员E****分享，可在线阅读，更多相关《技术经济学 978-7-302-28677-6 技术经济学 12章》请在金锄头文库上搜索。