（产业经济学专业论文）RBF的改进及在中国轿车市场预测中的应用研究.pdf

大连理工大学硕士学位论文 摘要 随着国民经济的发展，人民生活水平的不断提高，轿车消费已经成为人们关注的热 点之一。从汽车工业发展的历史可以看出，轿车进入家庭是汽车工业普及的关键。同时 这又使得轿车成为我国启动经济拉动内需的一个重要手段。因此，对未来轿车市场的需 求量进行一些探讨是十分必要的。 预测是很难的，特别是一些重要事件的预测。目前，预测方法多达2 0 0 多种，广泛 使用的有3 0 多种，经常使用的有十几种。而且随着时间的推进这个数据还在不断加大。 近几十年来，随着科学技术和生产的迅速发展，轿车市场的产业结构和市场都发生了巨 大的变化。各相关因素对轿车市场需求量的影响并不是简单的线性关系，而存在着复杂 的非线性关系。近年来，在传统的预测方法在解决这些问题时，都遇到了比以往更大的 困难，使得预测结果并不理想。为了得到更加理想的预测结果，在轿车市场需求量预测 中，不断的尝试运用新的科学理论、技术对其进行更为合理的预测。神经网络方法是近 年来新兴起的一门科学，随着计算机技术的发展，其应用已经十分广泛。在预测方面， 神经网络方法还处在探索和实践阶段，通过对神经网络方法的研究发现，径向基( r b f ) 网络有着良好的预测性能。 本文首先用传统的预测方法进行预测研究，并分析预测结果产生误差的原因，找出 各影响因素与轿车市场需求量间存在的复杂的非线性关系。然后利用等维向量的思想改 进r b f 网络并进行预测。通过对传统预测方法、r b f 网络模型的比较发现，r b f 网络可 以很好地解决传统方法中许多难于解决的问题。其利用人工智能的原理通过多层信息传 递，建立因变量与自变量复杂相关关系，使其在解决复杂问题时相比传统方法有着先天 的优势。因此，对未来轿车市场需求量的预测，r b f 网络的预测结果更加准确、可靠。 关键词：轿车；需求量；传统预测方法：径向基网络 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 r e s e a r c ho ni m p r o v e m e n ta n d a p p l i c a t i o no fr b f i nf o r e c a s t i n gc a r m a r k e t a b s t r a c t w i t ht h ed e v e l o p m e n to fe c o n o m ya n dt h ei m p r o v e m e n to fp e o p l e sl i v i n gs t a n d a r d s t h e c o n s u m p t i o no fc a rh a sb e c o m eah o t s p o tp e o p l ep a ya t t e n t i o nt o i ti st h ek e yp o i n tt h a tc a r s e n t e ri n t ot h ec o m m o n p e o p l e sf a m i l i e s ，a c c o r d i n gt ot h ed e v e l o p m e n tc o u r s eo f c a ri n d u s t r y m e a n w h i l e ，i tm a k e sc a ri n d u s t r yi m p o r t a n ti n s t r u m e n t si nw h i c hn a t i o ns t a r t u p se c o n o m y a n ds t i m u l a t e sd o m e s t i cd e m a n d t h e r e f o r e ，i ti sn e c e s s a r yt of o r e c a s tt h ed e m a n dc a ri nt h e f u l u r e i ti ss od i f f i c u l tt h a tt h er e s e a r c h e r sh a v es p e n tl o t so fe f f o r t si ns t u d yt a s k s a tp r e s e n t t h e r ea r e2 0 0f o r e c a s tm e t h o d s ，3 0o fw h i c ha r ew i d e l yu s e da n dm o r et h a n1 0o fw h i c ha r e u s e dc o m m o n l y t h i sd a t ai n c r e a s e sc o n s t a n t l yw i t ht h ea d v a n c eo ft i m e v a r i o u sc o r r e l a t i v e f a c t o r sh a v i n ge f f e c to nt h ed e m a n do fc a rm a r k e ta r en o ts i m p l el i n e a rr e l a t i o nb u tc o m p l e x n o n 1 i n e a rr e l a t i o n t h et r a d i t i o n a lf o r e c a s tm e t h o d sf a c ed i f f i c u l t i e sw h e nt h e yr e s o l v et h e s e p r o b l e m s i tm a k e st h ef o r e c a s tr e s u l t sn o ts a t i s f i e d i no r d e rt oo b t a i nm o r es a t i s f i e dr e s u l t , w ec o n s t a n t l ya t t e m p tt oa p p l yn e ws c i e n t i f i ct h e o r i e sa n dt e c h n o l o g i e st or e a s o n a b l ef o r e c a s t i nf o r e c a s t i n gt h ed e m a n do fc a rm a r k e t n e r v en e t w o r km e t h o di sas c i e n c e ，s p r i n g i n gu pi n r e c e n ty e a r s w i t ht h ed e v e l o p m e n to fc o m p u t e rs c i e n c e i t sa p p l i c a t i o nh a sb e c o m em o r e a n dm o r ew i d e h o w e v e r t h en e r v en e t w o r km e t h o di ss t i l la tt h ee l e m e n t a r ys t a g eo f e x p l o r a t i o n a n dp r a c t i c e ，w ef i n do u tt h a tr a d i a lb a s i sn e t w o r kh a sb e t t e rf o r e c a s t c h a r a c t e r i s t i cb yt h ed o i n gr e s e a r c ho nn e r v en e t w o r km e t h o d f i r s to fa l l - t h i sp a p e ru t i l i z e st h et r a d i t i o n a lm e t h o d st of o r e c a s ta n da n a l y z e st h er e a s o n s f o rt h ee r r o r sf r o mt h ef o r e c a s tr e s u l t sa n dt od i s c o v e rt h ec o m p l e xr e l a t i o n sb e t w e e nv a r i o u s c o r r e l a t i v ef a c t o r sa n de a rd e m a n dq u a n t u m t h e n ，u s i n gt h et h o u g h to fe q u a ld i m e n s i o n a l i t y v e c t o r si m p r o v e st h er a d i a lb a s i sn e t w o r k w ef i n do u tt h a tr b fn e t w o r kc a nr e s o l v et h e p r o b l e m st h a tt r a d i t i o n a lm e t h o d sc a nn o tr e s o l v e ，t h r o u g hc o m p a r i n gr b fn e t w o r kw i t h t r a d i t i o n a lm e t h o d si nf o r e c a s t i n gt h ed e m a n dr e s u l t so fc a rm a r k e ti nt h es e v e r a ly e a r s f u t u r e r b fn e t w o r ku t i l i z e st h ep r i n c i p l eo fa r t i f i c i a l i n t e l l i g e n c e a n dm u l t i l a y e ri n f o r m a t i o n t r a n s f e r r e dt oe s t a b l i s ht h ec o m p l e xr e l a t i o nb e t w e e na f t e r v a r i a b l ea n db e f o r e v a r i a b l ea n dj t h a so b v i o u sa d v a n t a g e ，c o m p a r i n gw i t ht h et r a d i t i o n a lm e t h o d s t h e r e f o r e ，t h ef o r e c a s tr e s u l t s w i t hr b fn e t w o r ka r em o r ee x a c ta n dr e l i a b l e k e yw o r d s ：c a r ；d e m a n dq u a n t u m ；t r a d i t i o n a lf o r e c a s tm e t h o d ；r a d i a lb a s i sn e t w o r k 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名：z 丝煎日期： 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名：之堡煎 导师签名 名匠 渺厂年r 瑚日 大连理t 大学硕十学位论文 1 绪论 1 1问题的提出 近百年来全世界工业发达国家的经济发展历史表明，汽车工业对于社会和国民经济 发展有着巨大的推动作用。汽车工业具有高资金投入，高技术密集和高附加价值产出的 特点，在国民经济中占有较大比重，带动了一系列能源、钢铁、化工、电子等产业的发 展，成为发达国家的支柱型先导产业，在工业发展进程中占有显赫的地位，通过对汽车 工业先进国的考察，看到美，日，德，法等国无不把轿车的生产放在首位。1 9 9 0 年末世 界汽车保有量为5 8 1 亿辆，其中轿车为4 4 4 亿辆，占7 6 4 ，工业发达国家的轿车产 量远远超过货车产量，事实证明，这符合汽车工业发展的内在规律。轿车应该是发展的 重点，是使本国汽车工业迈上新台阶的必要保证。轿车作为生产和人们生活的重要工具， f 1 益展现出重要作用，发展中国家在制定本国汽车产业规划时，必须对此做出深入而详 尽的考虑。 随着我国社会主义市场经济体制的建立，我国加入w t o 和经济全球化的进一步发 展，市场竞争愈来愈激烈。在这种背景之下，轿车产业的战略选择显得更为重要。如何 制定符合新形势下的发展规划，提供给企业更广阔的发展空间，同时又使得民族企业得 以充分的发展等，欲更好的完成这些任务最基本、最重要的就是要在科学的理论和方法 指导下进行轿车产业的市场调查和对其市场需求状况及其未来变化趋势进行符合客观 实际的预测。在市场经济体制下，企业只有及时了解市场的变化，才能有效地进行经营 决策和生产管理，在激烈的竞争中处于不败之地，作为产业的规划者，也只有通过这些 才能更好的为产业服务。可以说，轿车产业市场调查及其市场预测的结果的f 确与否对 规划、管理、决策等的正确性具有基础性的影响和决定性的作用。 常用的市场需求量预测方法有指数平滑法、龚珀兹曲线预测法和回归分析法等多种 方法。但由于轿车市场需求量是受国家工业和经济的发展水平、行业政策及居民的消费 水平等多层次、多因素影响的一个复杂变量。现行的预测方法虽各有其优点，但大多存 在数据拟合度不高，外推性不强，预测结果与实际符合程度也有较大偏差等问题。如时 间序列预测法，在利用过去的汽车需求量这一纵向数据来预测其随时间的走势，并不涉 及影响汽车需求量的其它相关因素。因果分析法中的回归分析法尽管可同时按横向数据 和纵向数据来进行预测，但由于它是利用过去的历史数据中某些影响轿车市场需求量的 因素求出具体的回归预测式，而所得出的回归预测式往往只考虑少数几种需求量主要影 响因素，所以建模对实际问题的表达能力不够准确。神经网络是近年来兴起的一项重要 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 的人工智能技术，其独特的并行分布处理，自组织、自适应、自学习，联想记忆，较强 的容错性和鲁棒性( r o b u s t n e s s ) 等特点，近年来在许多实际应用领域取得了显著的成效， 并广泛应用于多因素、不确定性、非线性问题的预测。这种黑匣予的预测方式能很好地 克服传统预测方法的不足。 因此，对国内轿车市场需求量进行研究是非常必要的，应该为轿车市场需求量寻找 一种行之有效的预测方法。为企业的决策和政府的相关政策提供科学的依据。本文重点 研究了中国轿车市场的现状，并指出传统的预测方法进行预测是存在的不足，提出了在 新形势下更加适用的改进的径向基函数( r b f ) 神经网络的需求预测模型。从而，揭示 这些因素对轿车市场需求的影响程度，为有关部门和企业促进轿车市场的发展提供参 考。 1 2 国内外研究概况 预测是很难的，特别是一些重要事件的预测。预测界的研究人员对于预测这样一个 非常难的研究课题作了大量的工作，他们的研究工作主要集中于两大方面：一方面是不 断地利用新理论来探索新的预测方法及其应用；另一方面是利用计算机和人工智能等技 术与预测技术相结合来研究与开发智能预测支持系统，使得一般人员能够利用它方便地 进行预测。 近几十年来，随着科学技术和生产的迅速发展，产业结构和市场都发生了巨大的变 化。目前，预测方法多达2 0 0 多种，广泛使用的有3 0 多种，经常使用的有十几种。而 且随着时间的推进这个数据还在不断加大l l 】。 直观预测技术又称为专家预测法，主要通过专家的直观判断进行预测，其中较为常 用的有：专家会议法、德尔菲法和综合判断法。这些方法主要都是作为定性分析之用。 本文主要是对定量方法的研究，因此这些定性预测的方法这里就不再多述。 1 2 1 传统预测方法 国内关于轿车需求量预测的问题也早有一些研究。我国目前主要的轿车需求量定量 预测方法大致可以分为两大类：时问序列预测、因果分析预测。 时间序列法是根据历史统计资料及数据，按时问顺序加以排列构成一个数字系列， 根据其动向预测未来趋势。这种方法根据是过去的统计数字之间存在一定的关系，这种 关系利用统计方法可以揭示出来，而h 过去的状况对未来的销售趋势有决定性的影u 虮 时问序列法主要用于短期预测。常用的有简单平均法、移动平均法、指数平滑法、趋势 曲线预测法等。时间序列预测是通过对以往汽车需求量的发展变化趋势进行分析，建立 汽车需求量与时间之间的对应关系。模型中的因变量是轿车需求量，自变量是对应的时 大连理工大学硕士学位论文 问或年份。由于这种方法没有考虑影响汽车需求量变化的诸多因素，因此预测结果的准 确性不高。 因果关系法是研究变量之间因果关系的一种定量方法。变量之间的因果关系通常有 两类：一类是确定性关系，也称函数关系：另一类是不确定性关系，也称相关关系。因 果法就是要找到变量之间的因果关系，据此预测未来。没有因果关系的预测只是形式上 的一种预测，而找出因果关系的主要方法之一就是指回归分析法。回归分析预测往往是 考虑影响轿车需求量的几种因素，根据以往数据建立回归模型。由于轿车需求量与其影 响因素之间的关系复杂，往往不能通过这种数学模型来准确表达。而且这种一对多的映 射在遇到多对多的问题时也显得力不从心。 1 2 2 神经网络预测方法 在新的预测方法与应用研究中，利用神经网络理论进行预测方法与应用研究工作中 有着较为突出的成绩。其中主要包括利用神经网络进行时间序列预测和回归预测的一般 方法与应用研究、神经网络组合预测的方法与应用研究、利用神经网络的经济预警方法 研究、神经模糊网络预测模型的研究及利用神经网络进行a r m a 模型结构的识别等。 l a p e d e s 等人最早( 1 9 8 7 1 发表了将神经网络应用于预测的文章，他们用非线性神经网 络对由计算机产生的时间序列仿真数据进行了学习和预测。后来，w e r b o s ，v a r f i s 和 v e r s i o n 分别对实际的经济时问序列数据进行了预测研究。w e i g e n d 等人利用神经网络研 究了太阳黑子的年平均活动情况，将神经网络与回归方法作了比较。其研究结果表明神 经网络预测优于统计预测。1 9 9 1 年，m a t s u b a 等人发表了有关应用神经网络进行股票预 测的文章。c h a k r a b o r t y 等人关于神经网络多变量时间序列预测的一篇文章中，研究了两 个相关的纯粹时间序列，用简单的神经网络模型进行了预测，结果比统计学方法好得多。 利用神经网络进行预测研究的基础是它能拟合任意的非线性函数并且具有很强的泛化 能力【2 j 。径向基函数( r b n 网络是一种良好前向神经网络模型。 神经网络在预测中的应用，解决了不少的预测难题，对我们的“预测两难”课题作 出了较大的贡献。神经网络在经济金融方面的研究也很多，如用于股票收益【3 】、汇率【4 。j 、 经济转折点预测【6 】、银行倒闭的判定【7 _ 8 、商品价格预测【9 】、国际航空旅客量预测【1 0 l 、经 济建模与预测研究中的变量选择【1 l 】、宏观经济指标【1 2 】和白适应时问序列建模与预测【1 3 】 等研究中，都得到了较好的结果。神经网络也广泛地用于f 乜力消费负荷预测，得到很大 成功。其它许多方面也还有不少采用或试用神经网络方法的。 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 近几年来，有关人工神经网络理论的新的研究成果不断涌现，目前我国人工智能及 其他相关学科领域的专家、学者在人工神经元网络理论和应用研究方面做出了许多可喜 的成绩。 1 23 径向基函数( r b f ) 网络的研究 r b f 网络是一种性能良好的前向神经网络，它在结构上具有输出权值线性关 系，同时训练方法快速易行，模型不仅简便而且具有更高的精度和自适应能力，具有很 强的生物背景和逼近任意非线性函数的能力。因此，近年来受到越来越广泛的重视。同 时，径向基函数限b f ) 网络很好的继承了神经网络的许多优点，是一种非线性时间系列 的模型和预测的有效方法。径向基函数近似是一种球型插补技术，具有很好的定位特性。 它能够在任意尺度( 维度) 平滑地插补离散数据。它首先被c a s d a g l j 用在了混乱时间系 列的非线性预测上面。b r o o m h e a d 将径向基网络使用在高级o r 问题的模拟上i l 4 1 。 对于径向基函数( r b f ) 神经网络及其改进算法目前也有很多种算法。在2 0 0 0 年9 月，国际电气和电子工程师协会( i e e e ) 举行的机器人与人的交流过程国际研讨会上，日 本九州大学电子工程系x i o n g ，q i n g y u 等教授提出将白组织特征映射网络( s o m ) 并n 径向 基神经网络( r b f l 结合起来【1 5 】，形成自组织径向基神经网络。在航空宇宙与电子系统领 域的研究中，加拿大卡尔加里大学电子与通讯工程系l e u n g ，h e n r y 教授等于2 0 0 2 年采 用遗传算法搜索径向基神经网络的一些参数值，并用最小二乘法修正权值【l “，从而得到 合理的径向基神经网络结构，这种方法经过验证取得了较好的效果。日本东京工业大学 研究生院的m i y a k e ，m o t o h a r u 等2 0 0 0 年提出了一种特殊定义的径向基函数，这种特殊 的径向基函数包含四种运算操作，计算过程比较复杂，主要是采用的是乘积与求和的操 作【1 7 】。通过采用这种特殊的径向基函数，神经网络在进行蒙特卡罗仿真的时候，能够很 好地逼近贝叶斯决策的边际结果。上海华东理工大学计算机系g a od a q i 教授在2 0 0 2 年 举行的国际电子电工研究会上提出用自适应的方法来确定径向基神经网络的聚类中心 和宽度【1 8 】。t o n t i n i ，g e r s o n 等科学家在1 9 9 6 年国际电气和电子工程师协会( i e e e ) 举行 的系统、人类与控制论学会上提出基于模糊自适应共振( f u z z y a r t ) 映射的径向基高 斯函数网络( r a d i a lb a s i sf u n c t i o nr b f ) p 9 】。在基于最小二乘学习的径向基神经网络的 基础上，s e g a l ，r a v i 教授2 0 0 0 年提出利用基于正交最小二乘学习的径向基神经网络选 取网络中，心1 2 0 l 。 1 3 论文思路与框架 通过对传统预测方法研究分析，可以发现在定量预测方面比较常用的指数平滑法、 龚珀兹曲线法、回归分析法在预测方面都有着良好的性能。并在多种市场预测中取得了 大连理工大学硕士学位论文 不错的效果。在轿车市场需求量的预测方面，也曾经是主要的预测方法。但是，随着科 学技术的进步，人们对轿车市场变化研究的逐步深入，发现原有的预测方法也存在着一 些不足。 通过与用传统的一些预测方法对轿车市场需求量的预测，发现其已经很难适应目前 轿车市场变化，对于轿车市场未来的需求量预测存在较大的偏差。分析其原因，主要由 于轿车市场需求量与各影响因素之间并不是简单的线性关系，也不是用简单的非线性关 系，它们之间存在的是复杂的非线性关系，传统的预测方法不能很好的学习并掌握这种 关系，并将其运用到未来的预测中去。其次，还由于当前正处于轿车市场发生巨大变化 的时期，需求量变化幅度很大，传统的预测方法很难掌握这一变化趋势或者过分夸大了 其未来的变化幅度。 本文利用径向基函数神经网络具有非线性特性、学习能力和自适应性的特点，对具 有复杂的非线性的轿车市场需求量预测进行了研究，并对径向基函数神经网络的学习过 程、训练过程的优化方法进行了探索，将其应用于轿车市场需求量的预测中。通过对其 预测结果的分析发现其具有较好的预测性能。通过与传统预测方法原理、结构及其对在 轿车市场需求量预测的结果的对比分析表明，在对于具有非线性关系的预测方面，径向 基网络有着天然的优势，同时也进一步证明了，径向基网络具有良好的非线性特性、学 习能力和自适应性的特点，对于像轿车市场需求量这样的复杂的非线性预测也能够得到 较好的预测结果。 1 4 主要工作及创新点 ( 1 ) 运用等维向量的思想改进径向基函数神经网络的i j i i 练过程。利用其创建函数 n e w r b ( ) 函数和n e w r b e 0 函数的不同特性，分别对影响轿车市场需求量的各个因素及 2 0 0 5 年至2 0 1 0 年轿车需求量进行预测。 ( 2 ) 通过预测结果的分析发现改进的径向基网络比原有模型有着更好的性能。将径 向基网络与传统预测方法的进行比较分析，证明在预测具有复杂的非线性特性的事件的 预测上径向基网络有着比较明显的优势。 尹德武：r g f 的改进及在中国轿车市场预测中的应用研究 2 传统方法的预测分析 预测学是2 0 世纪4 0 年代发展起来的一门研究未来的学科，其主要分支有社会预测、 科学预测、技术预测、经济预测和军事预测等。市场预测是经济预测的重要组成部分， 它是指在市场调查基础上，运用预测理论与方法，对决策者关心的变量的变化趋势和未 来可能水平做出估计与测算，为决策提供依据的过程。 市场预测的内容十分广泛。从国家宏观经济管理部门决度进行宏观市场预测，主要 包括预测生产的发展及其变化，市场容量及其变化，市场价格的变化趋势，消费需求的 变化趋势及对外贸易的变化等等内容。本文所研究的问题正是从宏观角度出发，侧重于 市场需求中的市场需求量的预测方法研究。 市场预测按照其预测的要求不同又可分为定性预测与定量预测。定性预测，是指就 预测预测对象目标运动的内在机理进行质的分析，据以判断未来的变化趋势，并辅以量 的表述。定量预测是与用一套严密的预测理论和根据这些理论所建立的数学模型，对预 测对象目标运动的规律进行描述，据以预测未来量的变化程度。而本文所研究的轿车市 场需求量的预测正是基于未来量的变化程度的预测，因此，本文主要研究分析了几种常 用的定量预测的方法。 2 1指数平滑法预测分析 指数平滑法是在加权平均法的基础上发展起来的，是移动平均法的改进。移动平均 法实际上是对历史数据采取限定记忆每次只用最近的1 1 其数据，等权( 1 n ) 平均的 办法计算移动平均值。其计算仅仅保留近期的n 个数据，并没有充分利用全部数据信息。 一般认为，越近期的数据越能反映当前情况，对今后的发展越有参考意义。因此充分利 用已知资料，区别对待不同时点的历史数据，对近期数据给予较高的加权，采取逐步衰 减性质的加权处理将更符合实际。指数平滑法就是遵循“重近轻远”的原则，对全部历 史数据采用逐步衰减的不等加权办法进行数据处理的一种预测方法。指数平滑法通过对 历史事件序列进行逐层平滑计算，从而消除随机因素影响，识别经济现象基本变化趋势， 并以此预测未来。 从理论上讲，指数平滑法是用时间序列中的历史值来计算平滑值，但操作上则是用 前期预测值导出相应的新预测值，并修正前期预测值的误差，即用一个简单的递推公式 来计算平滑值或预测值。 指数平滑法又分一次指数平滑、二次指数平滑、三次指数平滑。一次指数平滑法适 用于预测目标时间序列波动无明显增加或减少的场合；二次指数平滑法适用于呈线性增 大连理工大学硕士学位论文 长的时间序列，对应于高次指数平滑预测法；三次指数平滑法适用于趋势变化为非线性 增长的情况。 其中三次指数平滑法的模型为： s 1 3 = a 母2 + ( 1 一a ) g ： 置+ l = 口，+ 包| + c ，k 2 q = 3 “一捌2 + 哥卸 包= 互石与【( 6 5 口) g ”一2 ( 5 4 。) q 2 ) + ( 4 3 口) s j 3 】2 1 c f _ 鑫畔一掣衅】 从表2 1 中可以看出轿车市场需求量随时间分布具有二次曲线特征。因此，采用三 次指数平滑法预测未来几年的轿车市场需求量。 根据我国轿车市场的发展状况可以看出，轿车需求量的近期数据对未来的发展较前 期数据有更大的影响，所以，a 应取较大值，使近期信息对指数平滑值起较重要的作用。 如对曲线的5 点或7 点平滑，即数据的平均年龄取5 7 ，则利用a = 2 ( n + 1 ) 求得平均值 为0 2 9 2 ，故取口= 0 3 。 根据经验，当t 0 ，a 0 ，b 0 ) ( 2 4 ) 上式两边取对数，模型可写作 l g y , = l g k + 6 l g a ( 2 5 ) 式中y 。为历史发展t 是其产品销售量：t 为观察的某时间周期；k ，a ，b 为龚珀兹曲线 的参数，k 表示产品发展过程市场的极限值。k , a ，b 三参数通常利用三段和数学方法计算。 从当前世界上轿车高度普及国家的轿车需求变化历程上可以看出。从轿车产生以后市场 需求量的缓慢增长，到轿车进入家庭开始，轿车市场需求量迅速增加，当轿车普及到一 定程度以后增长速度开始放慢。这一过程正好符合了龚珀兹曲线的s 型变化趋势。绘制 中国的轿车市场需求量的近年来的发展趋势图2 1 。我们可以看出中国轿车市场需求量 在经过了2 0 0 2 、2 0 0 3 年的高速增长以后，2 0 0 4 也开始有所减慢，从其增长趋势线可以 看出其也具有龚珀兹曲线的特点。正因如此，本文尝试运用龚珀兹曲线来预测未来的轿 车需求量。 轿车工业需求量( 万辆) 2 5 0 0 0 2 0 0 0 0 巽1 5 0 0 0 r 1 0 00 0 5 0 0 0 0 0 0 一 f ， 一 。一一_ 图21 轿车需求量增长趋势图 f i g 2 1f i g u r eo ft h ec a rd e m a n dg r o w t ht r e n d 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 由于此方法一般利用三段和数学方法计算，因此，舍弃1 9 8 9 年数据并将时间序j 分成三组，即r = 1 5 3 。时序变量t 取0 ，1 ，2 ，1 4 ；需求量y 取对数l g y ；分组计算各 的对数和u 。、u 。、u ，结果见表2 2 。 表2 2 龚珀兹曲线数据表 t a b l e 2 2t a b l eo fg o m p a r t zc u r v ed a t a 计算k ，a ，b ： 6= = o 9 5 2 0 g 一( uz - u j ) 赫观7 4 8 5 g t ：! ( u 。一等l g a ) = 3 5 9 8 5 r 扫一l ( 2 6 ) ( 2 7 ) ( 2 8 ) 得到预测模型为： l gy f = l gk + b l ga = 3 5 9 8 5 0 9 5 2 0 2 7 4 8 5 ( 2 9 ) 1 0 大连理工大学硕士学位论文 2 0 0 5 年，t 2 1 5 ， l g k 5 = 3 5 9 8 5 0 9 5 2 0 ”2 7 4 8 5 = 2 2 8 4 3 ( 2 1 0 ) 由1 0 的2 2 8 4 3 次幂得到2 0 0 5 年的轿车市场需求量预测值：y 1 5 = 1 9 2 4 5 万辆， 同理可以得到2 0 0 6 2 叭0 年的预测值及k 值： y 1 6 = 2 2 2 5 4 万辆y 1 7 = 2 5 5 5 4 万辆y 1 8 = 2 9 1 5 0 万辆 y 1 9 = 3 3 0 4 1 万辆y 2 0 = 3 7 2 2 8 万辆k = 1 0 3 ”= 3 9 6 7 3 5 万辆 2 3 回归分析法预测 把预测对象看做是结果，并根据有关的市场因素的变化来推测预测对象的变化，这 就是所谓的回归分析预测法。现象之涮的数量联系有相关关系与函数关系之别。统计中 的回归法是研究相关关系的一种方法，某种或某些种原因的变动影响某一种结果的变 动。回归分析不仅剔除了不相关的因素，并且对相关的紧密程度进行综合考虑，因而其 预测的可靠性较高。 回归分析的做法是：首先进行定性分析，确定有哪些可能的相关因素，然后收集这 些因素的统计资料，应用最小二乘法求出各因素( 各变量) 之间的相关系数和回归方程、 进行参数估计，利用模型对所研究的对象进行预测和分析，进而为经济决策提供依据。 回归预测分析的步骤一般可阻用图2 2 表示： 对数据进行背景分析，研究因果关系 冼择回l j | 樟犁 模型参数估计 相关分析 、 0 显著 7 模型榆验 不显著 不显著 应用模型进行计算、预测 对结果做分析解释 对影响冈素分析 回归模型调整 图2 2 回归分析流程图 f i g 2 2f 1 0 wc h a r to fr e t u r na n a l y s i s 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 回归分析法在研究因果关系时，只涉及一个自变量，叫做一次回归分析；如果涉及 两个或两个以上自变量，则叫多元回归分析。如果各个自变量与因变量之间呈现性关系， 则为多元线性回归模型。假设有k 个字变量，多元线性回归模型的一般形式为： y3 口+ 岛z l - i - 1 9 2 + 。+ 砘( 2 1 1 ) 多元线性回归模型已经应用得非常广泛，也是目前最为常用的种回归分析方法。 同时，由于轿车市场需求量的变化是一个多因素影响结果，因此，也可以选用多元线性 回归模型进行预测。 表2 3 回归分析数据表 t a b l e 2 3t a b l eo fr e t u r na n a l y s i sd a t a 将以上数据按1 9 9 0 年可比价格处理。数据处理后将1 9 9 0 2 0 0 3 年的数据作为样本， 通过计量经济学软件e v i e w s 3 1 利用多元线性回归方程进行回归分析，如果用_ ，x 2 ，屯分 别表示个影响因素，则得到如下的回归力程如下： 人连理_ _ 【= 人学硕士学位论文 y = 一3 9 2 5 8 3 2 6 0 4 8 x 1 + 1 4 7 1 0 x 2 + 6 8 2 2 7 7 x 3 ( 2 1 2 ) 从统计角度分析，模型的拟合优度检验r 2 = o 9 9 ，非常接近于1 。说明模型对样本 的拟合优度较好。以a = 0 0 0 5 ，n = 1 4 ，k = 3 ，得到临界值t o 0 0 5 ( 1 0 ) = 3 1 6 9 ，f 0 m ( 3 ，1 4 ) = 5 5 6 。 而得到方程的各项因素的t 检验值最小值为6 6 0 大于临界值，说明个变量都很好地通过 的变量显著性检验。方程显著性检验值f 检验值为3 3 0 7 7 ，也很好地通过了，方程显著 性检验。查表得序列相关性检验d w 值为d l = 0 8 2 ，d u = 1 7 7 2 ”。而方程的d w 值为2 1 3 7 5 大于d 。，但小于4 d 。= 2 2 3 。因此，方程无自相关。 将2 0 0 4 年各因素值带入得模型2 0 0 4 年轿车市场需求量预测值为2 8 5 6 9 万辆。远远 大于实际值2 3 2 2 万辆。根据其他相关资料对我国2 0 1 0 年各项因素的预测值，将其带入 模型中得到2 0 1 0 年的预测值为8 5 1 7 8 万辆。中间值可由2 0 1 0 年各项因素的预测值与 2 0 0 4 年各因素值按一定比例关系计算得出。即可求得2 0 0 6 2 0 0 9 年的轿车市场需求量 数值。具体详见表2 4 。 分析x ，项代表的是国内g d p ，其所前面是负号，首先由于在2 0 0 2 、2 0 0 3 年出现了 轿车市场的井喷式增长，轿车市场需求量增长过快，而国内g d p 相对缓慢是其中原因 之一。其次由于模型的自身原因使得自变量前面系数不能够完全反映他们之间存在的经 济关系。再者也可能自变量之间存在着某种的相关关系。 2 4 传统方法预测结果分析 表24 各传统方法预测结果比较 t a b l e 2 4c o m p a r i s o n so ft r a d i t i o n a lm e t h o df o r e c a s tr e s u l t 由表2 4 中我们可以看出由于指数平滑法无法摆脱对前期数据依赖，因此其预测总 是滞后于市场变化。而且，从其2 0 0 6 年的预测数据可以看出，指数平滑法对于市场情 况变化较大，因变量变化规律不是r 分明显的情况不能对其趋势变化作出较为准确的预 期。而且还可以看出，虽然高次指数平滑法可以进行跨期预测，但是预测的结果往往不 能令人满意。因此，在市场变化较大时，我们不得不寻找其他的预测方法。 尹德武：r b f 的改进及在中国轿车市场预测中的应用研究 龚珀兹曲线法的预测结果，让人觉得此方法对市场变化趋势要求比较严格。也就是 说，只有当市场明显呈现出s 形曲线特性的时候此方法预测才较为准确。尤其是其对于 饱和值的判断为3 9 6 7 3 5 万辆。这显然只是从曲线的变化趋势考虑，而没有将市场的其 他因素考虑进来的结果。当然也是由于此曲线的解法采用三段和数学方法，使得在趋势 图中2 0 0 4 年这一趋缓的趋势无法表现出来。从中可以看出，龚珀兹曲线法要求在各个 阶段都有一定范围的历史资料，而现实中往往有些阶段现实的不是很明显，在这种情况 下运用龚珀兹曲线往往不能得到很好的预测效果。本文中的情况就是如此，轿车需求量 的高速增长只在2 0 0 2 、2 0 0 3 年表现得比较突出，这一过程相对较短，而2 0 0 4 年轿车需 求量的增长速度开始趋缓，同时在2 0 0 4 年的以后没有足够的数据支持，使得预测结果 出现了比较大的偏差。也正因此原因，这种方法的适用范围就受到了很大的局限性。从 龚珀兹曲线法的预测的长期变化趋势来看在未来若干年里我国的汽车市场还是保持较 高的增长率。在这点上还是比较符合当前的形式的，说明龚珀兹曲线法在进行长期趋势 分析是有其特殊的意义。 分析多元线性回归模型的2 0 0 4 年的预测值明显高于实际的需求量，其原因主要由 于各影响因素的与轿车市场需求量并不是完全的线性关系，还有许多因素在运用模型的 时候没有考虑。从模型的各项系数可以看出，各系数所表达的经济含义并不能完全反映 现实的实际情况。而且对于市场变化波动比较大，即当影响市场的各因素与市场需求量 呈现非线性关系的时候，模型的各参数的经济含义就很难正确的表达。综合上述原因， 就很可能出现某些年份的预测数值误差比较大，各参数经济含义不明显的情况。从多元 线性回归模型的2 0 0 5 2 0 1 0 年的预测值来看，从中长期来看，我国的轿车需求量仍然 会保持较高的增长率。 以下结合我国轿车市场的发展历程来分析影响因素与轿车市场需求量间的相关关 系。回顾中国轿车市场的发展历程，中国轿车生产始于1 9 5 8 年，当年生产5 7 辆；1 0 年后的1 9 6 8 年生产2 7 9 辆，整整1 0 年无多大增长；2 0 年后的1 9 7 8 年，当年轿车生产 才2 6 4 0 辆。改革丌放以后，至1 9 8 6 年，轿车年生产首次突破1 万辆( 1 2 2 9 7 辆) 。随着 我们计划经济的全面改革，汽车工业也有了较快的发展。1 9 8 7 年，国务院确定了加快发 展汽车工业的发展战略，汽车工业积极丌展对外交流和合作，大力引进外资和技术。同 时，还确定“三大三小”轿车生产基地。此后又确定了两个微型车生产基地。轿车 生产规模迅速扩大，产量增长较快。产品结构明显改善。轿车工业整体技术水平得到提 高。1 9 9 2 年轿乍产量从1 9 9 1 年的8 1 0 5 5 辆增长至1 5 2 7 2 5 辆，此后连年增k ，到1 9 9 9 年达5 6 5 3 6 6 辆。来自中国汽车工业协会的最新统计显示，由于国内汽车热持续升温， 2 0 0 3 年我国轿车产量达到创纪录的2 0 1 8 9 万辆，同比增长8 3 2 5 比上年净增9 1 7 1 大连理j = 大学硕士学位论文 万辆1 2 2 j 。从2 0 0 3 年的轿车销售量看，轿车1 9 7 2 0 万辆，比2 0 0 2 年增长7 5 1 3 ，其中 私人购车比例达到6 0 。难怪有人称中国汽车消费市场出现“井喷”现象，也证明了轿 车已经开始进入中国家庭。2 0 0 4 年轿车市场又由连续两年的“井喷”式增长转变为平缓 增长，2 0 0 4 年轿车销售2 3 2 2 万辆，同比增长1 7 7 。其中国产轿车销售2 2 4 3 万辆， 同比增长1 3 3 旧j 。以国内g p d 为例，在1 9 9 1 2 0 0 4 年这期间g p d 最高增长速度为 1 4 2 ，最低为7 1 ，可以说我国的经济增长一直保持着较高的增长速度，国民经济一 直保持着良好的发展势头。然而轿车市场需求增长率最高为1 0 0 7 6 ，最低为3 8 9 ， 其变化幅度大大超过了国内g d p ，虽然轿车市场需求增长率在经济发展速度较快的时候 也较高，但是也不是完全吻合的，正如2 0 0 3 、2 0 0 4 年国内g d p 增长率分别为9 1 、 9 2 而轿车市场需求量增长率分别为7 5 1 3 、1 7 7 。因此如果仅仅用简单的线性关系 是无法准确地进行描述的。 综合以上的分析，可以看出轿车市场需求量与各影响因素之间存在着比较复杂的非 线性关系。传统的一些方法不能很好的适应和学习的这种关系，以至于造成预测不准， 出现偏差，同时可以看到的轿车市场的变化并不是非常规律的，而是