數(shù)據(jù)挖掘?qū)嶒瀳蟾?參考)

1、時間序列的模型法和數(shù)據(jù)挖掘兩種方法比較分析研究實驗?zāi)康?: 通過實驗?zāi)軐r間序列的模型法和數(shù)據(jù)挖掘兩種方法的原理和優(yōu)缺點有更清楚的認識和比較 .實驗內(nèi)容 : 選用 1952-2006 年的中國 gdp ,分別對之用自回歸移動平均模型(arima) 和時序模型的數(shù)據(jù)挖掘方法進行分析和預(yù)測,并對兩種方法的趨勢和預(yù)測結(jié)果進行比較并給出解釋 .實驗數(shù)據(jù) : 本文研究選用1952-2006 年的中國gdp，其資料如下日期國內(nèi)生產(chǎn)總值(億元 )日期國內(nèi)生產(chǎn)總值(億元 )2006-12-312094071997-12-31747722005-12-311830851996-12-312004-12-3113

2、65151995-12-312003-12-311994-12-312002-12-311993-12-312001-12-311992-12-312000-12-31894041991-12-311999-12-31820541990-12-311998-12-31795531989-12-311988-12-311969-12-311987-12-311968-12-311986-12-311967-12-311985-12-311966-12-3118681984-12-3171711965-12-311983-12-311964-12-3114541982-12-311963-12-3

3、11981-12-311962-12-311980-12-311961-12-3112201979-12-311960-12-3114571978-12-311959-12-3114391977-12-311958-12-3113071976-12-311957-12-3110681975-12-311956-12-3110281974-12-311955-12-319101973-12-311954-12-318591972-12-311953-12-318241971-12-311952-12-316791970-12-31表一國內(nèi)生產(chǎn)總值 （gdp） 是指一個國家或地區(qū)所有常住單位在一定

4、時期內(nèi)生產(chǎn)活動的最終成果。這個指標把國民經(jīng)濟全部活動的產(chǎn)出成果概括在一個極為簡明的統(tǒng)計數(shù)字之中為評價和衡量國家經(jīng)濟狀況、 經(jīng)濟增長趨勢及社會財富的經(jīng)濟表現(xiàn)提供了一個最為綜合的尺度，可以說，它是影響經(jīng)濟生活乃至社會生活的最重要的經(jīng)濟指標。對其進行的分析預(yù)測具有重要的理論與現(xiàn)實意義。實驗步驟 : 1. 選用 1952 年到 2001 年這 50 個數(shù)據(jù)參與自回歸移動平均模型(arima)建模 (所用的工具是eviews). 根據(jù)博克斯 -詹金斯提出的建模思想,具體步驟為 : (1) 對原序列進行平穩(wěn)性檢驗。在以年份為橫軸，以山東省gdp為縱軸的坐標系中作曲線圖如圖 1 所示。圖一從圖 1 中可以看

5、出全國的gdp 不具有明顯的周期變化和季節(jié)波動，但呈現(xiàn)出明顯的增長趨勢，他的相關(guān)系數(shù)和偏相關(guān)系數(shù)如圖二所示圖二從圖二中可以看到，他的自相關(guān)系數(shù)是拖尾的，而偏相關(guān)系數(shù)是截尾的。對樣本數(shù)據(jù)用adf進行單位根檢驗的到結(jié)果如圖三圖三這里 adf值大于三個不同檢驗水平下的臨界值，故而可以判斷出，我國gdp序列是非平穩(wěn)的。這就需要對gdp序列進行差分以使序列變得平穩(wěn)。由圖一可以看出，gdp序列明顯帶有指數(shù)性質(zhì)，因此現(xiàn)對該序列進行對數(shù)變換在eviews 中輸入 genr lngdp=ln(gdp) 生成新的序列 lngdp，并對新序列進行平穩(wěn)性檢驗。lngdp 的相關(guān)系數(shù)和偏相關(guān)系數(shù)如圖四所示，圖四對 ln

6、gdp 用 adf進行單位根檢驗的結(jié)果如圖五圖五這里 lngdp 的 adf變成了， 依然大于三種不同檢驗水平下的臨界值。從中可以看出， 對 gdp序列進行對數(shù)處理后，序列l(wèi)ngdp 序列依然不平穩(wěn)。需要再對lngdp 序列進行差分處理。在eviews 中輸入 genr dlngdp=d(lngdp) 生成新序列dlngdp。并對 dlngdp 進行平穩(wěn)性分析。其自相關(guān)系數(shù)和偏自相關(guān)系數(shù)如圖六所示圖六其 adf檢驗如圖六圖六這是 adf值為小于在1%校驗水平下的臨界值，即可以得出dlngdp 序列為平穩(wěn)序列的結(jié)論。(2) 通過計算能夠描述序列特征的一些統(tǒng)計量（如自相關(guān)系數(shù)或非自相關(guān)系數(shù)），來確

7、定arma 模型的結(jié)束p 和 q，并初始計算時選擇盡可能少的參數(shù)。從 dlngdp 序列的自相關(guān)系數(shù)和偏自相關(guān)系數(shù)圖中可以看出，該序列可以用arma 模型來表示，且由于自相關(guān)系數(shù)與偏自相關(guān)系數(shù)都是一階截尾的，故取p=1，q=1，采用 arima（ 1，1）模型。第三步，估計模型的未知參數(shù)，并檢驗參數(shù)的顯著性，以及模型本身的合理性。在eviews中輸入 ls dlngdp c ar(1) ma(1)得到結(jié)構(gòu)如圖七所示圖七從圖中可以看出，估計出的方程模型c 值， ar(1)值的可信度較高，而ma(1)的估計值可信度相對低一些?？傮w方程具有很高的可信度。對模型進行殘差序列分析得到如圖八所示圖八最右側(cè)

8、probe 列中的數(shù)字表示相應(yīng)自由度條件下卡方統(tǒng)計量取值大于相應(yīng)q 值的概率。因為這一列概率值都大于，說明模型的隨機誤差序列是一個白噪聲序列。模型均值及自相關(guān)系數(shù)的估計都通過顯著性檢驗，模型本身也通過了殘差自相關(guān)檢驗。因此模型可以用來預(yù)測。則，該方程的表達式為：110.3580.1030.324ttttrraa2 用時序算法的數(shù)據(jù)挖掘方法對數(shù)據(jù)進行挖掘(選取1952-2001 年的數(shù)據(jù) ),得到趨勢圖 .具體步驟為 :(1) 創(chuàng)建數(shù)據(jù)倉庫(2)創(chuàng)建數(shù)據(jù)源和數(shù)據(jù)視圖,搭建挖掘環(huán)境(3) 對已經(jīng)建立的數(shù)據(jù)倉庫進行數(shù)據(jù)挖掘.在” 選擇數(shù)據(jù)挖掘技術(shù)” 選擇時序模型,在定型數(shù)據(jù)時,輸入和可預(yù)測都選擇gd

9、p(4) 得到挖掘結(jié)果.切換到 ” 挖掘模型查看器” 選項卡 ,得到挖掘結(jié)果 .圖九4.用兩種方法的結(jié)論進行預(yù)測根據(jù) arima 估算出的方程進行預(yù)測2000-2008 得到年度實際 gdp預(yù)測 gdp誤差20002001200220032004200517.20063.2007na 表二其預(yù)測值與實際值的擬合曲線如圖十圖十數(shù)據(jù)挖掘的方法只能預(yù)測到緊接著一年即2002 年的 gdp ,值為 :實驗結(jié)果 : 從圖十的擬合曲線來看，隨著預(yù)測期的延長，模型法的到誤差可能會出現(xiàn)逐漸增大的情況。用數(shù)據(jù)挖掘的方法預(yù)測到2002 年 gdp 值為 ,比較表二 ,可知數(shù)據(jù)挖掘的方法較模型法更準確一些.實驗結(jié)論 :(1) 兩種方法的思路和操作程序有很大不同.前者是一種傳統(tǒng)的建模方法,理論基礎(chǔ)很強;后者更多的是一種模式識別,操作更簡單(2)