SPSSAU|超级干货:一文读懂灰色预测模型


SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
灰色预测模型可针对数量非常少(比如仅4个) , 数据完整性和可靠性较低的数据序列进行有效预测 , 其利用微分方程来充分挖掘数据的本质 , 建模所需信息少 , 精度较高 , 运算简便 , 易于检验 , 也不用考虑分布规律或变化趋势等 。
但灰色预测模型一般只适用于短期预测 , 只适合指数增长的预测 , 比如人口数量 , 航班数量 , 用水量预测 , 工业产值预测等 。
灰色预测模型有很多 , 其中GM(1,1)模型使用最为广泛 。
灰色关联预测分析GM(1,1)通常可分为以下四个步骤:
(1)级比值检验
此步骤目的在于数据序列是否有着适合的规律性 , 是否可得到满意的模型等 , 该步骤仅为初步检验 , 意义相对较小 。
(2)后验差比检验
在进行模型构建后 , 会得到后验差比C值 , 该值为残差方差/数据方差;其用于衡量模型的拟合精度情况 , C值越小越好 , 一般小于0.65即可 。
(3)模型拟合和预测
【SPSSAU|超级干货:一文读懂灰色预测模型】进行模型构建后得到模型拟合值 , 以及最近12期的预测值 。
(4)模型残差检验
模型残差检验为事后检验法 。 主要查看相对误差值和级比偏差值 。 相对误差值=预测拟合值与残差值的差值绝对值/原始值 。 相对误差值越小越好 , 一般情况下小于20%即说明拟合良好 。 级比偏差值也用于衡量拟合情况和实际情况的偏差 , 一般该值小于0.2即可 。
一、研究背景
取某地1986年~1992共7年的道路交通噪声平均声级数据进行预测 。
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
二、操作步骤
选择【综合评价】--【灰色预测模型】 。
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
将指标项放入分析框中 , 点击开始分析 。
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
灰色模型预测
三、结果解读
(1)GM(1,1)模型级比值表格
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
首先 , 计算级比值 , 级比值介于区间[0.982,1.0098]时说明数据适合模型构建 。
从上表可知 , 针对城市交通噪声/dB(A)进行GM(1,1)模型构建 , 结果显示:级比值的最大值为1.010 , 在适用范围区间[0.982,1.0098]之外 , 意味着本数据进行GM(1,1)可能得不到满意的模型 。 但从数据来看 , 1.01非常接近于1.0098 , 因此有理由接着进行建模 。
(2)后验差比检验
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
后验差比C值用于模型精度等级检验 , 该值越小越好 , 一般C值小于0.35则模型精度等级好 , C值小于0.5说明模型精度合格 , C值小于0.65说明模型精度基本合格 , 如果C值大于0.65 , 则说明模型精度等级不合格 。
从上表可知 , 后验差比C值0.231<=0.35 , 意味着模型精度等级非常好 。
(3)模型拟合和预测
SPSSAU|超级干货:一文读懂灰色预测模型
文章图片
上表格展示出模型的拟合值 , 以及向后12期的拟合数据情况 。
也可通过图形直观查看 , 下图明显可以看出 , 往后时会一直下降 , 这是GM(1,1)模型的特征 , 其仅适用于中短期预测 , 因此向后1期和向后2期的数据具有价值 , 更多的预测数据需要特别谨慎对待 。
SPSSAU|超级干货:一文读懂灰色预测模型


推荐阅读