第２３卷第２期
科技通报
ＢＵＬＬＥＴＩＮＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ．２３Ｎｏ．２Ｍａｒ．２００７
２００７年３月
组合预测模型及应用
李
（南昌航空工业学院
曦
数学与信息科学学院，江西南昌３３００３４）
摘要：通过主成分分析的方法，将非线性预测中的二次多项式预测、指数预测及灰色预测等３种不同
的预测方法组合在一起，提出了一种新的组合预测方法，并利用该方法对江西省的国民生产总值进行了预测。
关键词：灰色预测；非线性回归；组合预测；主成分分析中图分类号：Ｏ１５９
文献标识码：Ａ
文章编号：１００１－７１１９（２００７）０２－０１５９－０４
ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＴｈｅＭｏｄｅｌｆｏｒＣｏｍｂｉｎａｔｉｏｎＦｏｒｅｃａｓｔｉｎｇ
ＬＩＸｉ
（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｐｕｔａｔｉｏｎａｌＳｃｉｅｎｃｅ，ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｅｒｏｎａｕｔｉｃａｌＴｅｃｈｎｏｌｏｇｙ，
Ｎａｎｃｈａｎｇ，Ｊａｎｇｘｉ，３３００３４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｔｗｏ－ｐｏｌｙｎｏｍｉａｌｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｉｎｇ，ｅｘｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｉｎｇａｎｄｇｒａｙｆｏｒｃａｓｔｉｎｇ，ａｎｅｗｋｉｎｄｏｆｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ（ｍｅｔｈｏｄ）ｉｓｐｒｅｓｅｎｔｂｙａｐｐｌｙｉｎｇｔｈｅｍｅｔｈｏｄｏｆｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ．ＴｈｅＧＤＰｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｉｓｆｏｒｅｃａｓｔｅｄｂｙｔｈｉｓｍｅｔｈｏｄ．
Ｋｅｙｗｏｒｄｓ：ｇｒａｙｆｏｒｅｃａｓｔｉｎｇ；ｎｏｎｌｉｎｅａｒｉｔｙｒｅｇｒｅｓｓｉｏｎ；ｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ；ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ
经济指标的准确预测是国家对宏观经济正确调控的必要前提，但经济系统是一个非常复杂的系非线性的、不确定性的作用关系；因此要准确地预测某一趋势，必须从多个方面统，其中存在着时变的、
进行考虑。预测方法多种多样，如线性与非线性回归预测模型，灰色系统ＧＭ（１，１）模型预测，马尔柯夫链预测模型，神经网络预测模型等等，每种预测各有其特点，在不同的方面有各自的优劣，因此为了准确地预测结果，可考虑采用组合预测法进行预测。组合预测模型的建立也有多种方法，如文［２］以误差绝对值的和为最小的标准建立的组合预测模型，文［３］的偏最小二乘法建立的组合预测模型；本文运用主成分分析的思想来建立组合预测模型，这一方法通过分析各种预测量间存在的起支配作用的本质特征及内部结构，找出了几种预测方法共同起作用的预测量，从而产生预测值。
１
组合预测模型的建立
假设对同一预测问题有ｍ个预测模型，这ｍ个预测模型预测值分别记为Ｙ１，Ｙ２，…，Ｙｍ，对各个不
收稿日期：２００６－０３－０６作者简介：李
曦（１９６６－），男，江西进贤人，副教授，主要从事应用数学研究。
１６０
科技通报第２３卷
同方法产生的Ｙｉ作为一个变量，对ｎ个不同时间，计算出相应的预测值ｙｉｊ，（ｉ＝１，２，…，ｎ；ｊ＝１，２，…，ｍ），由此构造一个ｎ×ｍ矩阵，利用此矩阵求相关系数矩阵Ｒ＝（ｒｉｊ），ｉ，ｊ＝１，２，…
，ｍ，其中ｎ
ｙ，
ｉｊｉ＝１
ｎ
ｒｉｊ＝Ｓ，Ｓｉｊ＝１! （ｙｋｉ－ｉｋｊ－ｊ…，ｍ，
ｋ＝１
" ｉｉｊｊ
对相关系数矩阵Ｒ计算其特征值，Ｒ的最大特征值记为λ１，把属于λ１的因子得分向量记为ｖ１＝（γ１１，
２
，根据主成分思想，γγ１２，…，γ１ｍ）′１ｉ是第ｉ种预测对第一主成分的方差贡献率，贡献率越大，说明波动幅度
越大，那么在组合中所占的比例越多；否则，比例越少。因此，组合预测的比例可定为
２２２２２
ｆｉ＝γ１ｉ／（γ１１＋γ１２＋…＋γ１ｍ）＝γ１ｉ（分母之和为１），ｉ＝１，２，…，ｍ．
一般，若第一主成分的方差贡献率不足７０％，可以考虑第二主成分，以第一、第二主成分的方差λ１和λ２
为权数，组合预测的比例可定为
２２ｆｉ＝（γ（ｉ＝１，２，…，ｍ）．１＋γ２）／（λ１＋λ２）１ｉλ２ｉλ
其组合预测模型为：
Ｙ＝ｆ１Ｙ１＋ｆ２Ｙ２＋…＋ｆｍＹｍ
再利用该模型进行最后预测。
２
三种预测模型
下面我们选取江西省２０００年至２００４年的国内生产总值作为原始数据（见表１），分别采用三种模型进行预测。
表１
年份
２０００～２００４年江西省国内生产总值（亿元）ＴｈｅＧＤＰｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ２０００－２００４２００１２１７５．６８
２００２２４５０．４８
２００３２８３０．４６
２００４３４９５．９４
Ｔａｂｌｅ１
２０００２００３．０７
ＧＤＰ
２．１二次曲线预测ＧＤＰ
从国内生产总值的散点图（图１）可以看出，ＧＤＰ与时间呈非线性关系，可考虑用二次多项式进行非
线性回归，设Ｙ１表示ＧＤＰ的值，得二次曲线回归方程为：
Ｙ１（ｔ）＝７７．９２３ｔ２－１０３．４９ｔ＋２０４４．４
相关系数ｒ＝０．９９７３，对于ｎ＝５，α＝０．０１，查临界值为ｒ０．０１＝０．９３４３，ｒ＞ｒ０．０１，故回归方程有效。
４０００３５００３０００２５００ＧＤＰ
２０００１５００１０００５０００
２０００
２００１
图１
系列１
多项式（系列１）
（１）
２００２２００３２００４
年份
ＧＤＰ与时间的关系
Ｆｉｇ．１ＴｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＧＤＰａｎｄｙｅａｒｓ
第２期组合预测模型及应用
１６１
２．２用灰色系统ＧＭ（１，１）预测ＧＤＰ
灰色系统是处理不完全信息的一种理论，灰色预测是指以ＧＭ（１，１）模型为基础的预测，其主要应用于时间序列预测，其方法是列出预测对象历史发展时间序列，并对其进行一次迭加得｛Ｘ（ｔ）｝，利用模型
ｄＸ＋ａＸ＝ｂ，得Ｘ（ｔ）＝（Ｘ（０）－ｂ）ｅ－ａｔ＋ｂ。根据前面列出的ＧＤＰ数据得预测方程为：Ｙ（ｔ＋１）＝１００６３．０７ｅ０．２ｔ×
２１
（ｅ０．２－１），由于观察到残差较大，故考虑用ＧＭ（１，１）模型进行残差修正，其残差序列ｅ（ｔ）生成的预测模型为：ｅ（ｔ＋１）＝５９４．７２ｅ０．４０６８ｔ×（ｅ０．４０６８－１），即修正后的预测模型为：
（２）Ｙ２（ｔ＋１）＝１００６３．０７ｅ０．２ｔ×（ｅ０．２－１）－δ（ｔ－１）×５９４．７２ｅ０．４０６８ｔ×（ｅ０．４０６８－１）
１，ｔ≥１
其中；δ（ｔ－１）＝
０，ｔ＜１
"
利用该模型进行预测可得预测值。
２．３指数曲线预测ＧＤＰ
根据散点图，还可考虑用指数曲线进行回归预测：Ｙ＝ａｔｂ，即ｌｎＹ＝ｌｎａ＋ｂｌｎｔ，利用上述数据得ｌｎＹ＝
０．１３７７ｔ＋７．４２６５，Ｒ２＝０．９７０４，即预测模型为：
Ｙ３（ｔ）＝１６７９．９ｅ０．１３７７ｔ
相关系数ｒ＝０．９８５，说明效果较好。
（３）
３
组合预测模型
将三种预测方法预测结果汇聚成表２，将三种预测方法Ｙｉ（ｉ＝１，２，３）看作三个变量，
表２
３种预测方法的预测结果
Ｔａｂｌｅ２
年份
ＴｈｅｆｏｒｅｃａｓｔｉｎｇＧＤＰｂｙｔｈｒｅｅｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄ
Ｙ２２２２８．０２２７２．８２６５０．２３０４８．０３４３９．０３７７４．０
Ｙ３１９２７．９２２１２．５２５３９．２２９１４．０３３０７．６３８３７．９
Ｙ４２０５８．２２２１１．４２５４２．０２９４６．４３４０７３９４６．８
Ｙ２００３．０７２１７５．６８２４５０．４８２８３０．４６３４９５．９４
Ｙ１２０１８．８２１４９．１２４３６．２２８７７．２３４７５．０４２２８．７
２０００２００１２００２２００３２００４２００５
求三个变量的相关系数矩阵Ｒ，其检验结果如下：
表３
ＫＭＯ和Ｂａｒｔｌｅｔｔ检验ＫＭＯａｎｄＢａｒｔｌｅｔｔ’ｓＴｅｓｔ
０．７７６１７．０７５
３０．００１
Ｔａｂｌｅ３
Ｋａｉｓｅｒ－Ｍｅｙｅｒ－ＯｌｋｉｎＭｅａｓｕｒｅｏｆＳａｍｐｌｉｎｇＡｄｅｑｕａｃｙ．
Ａｐｐｒｏｘ．Ｃｈｉ－Ｓｑｕａｒｅ
Ｂａｒｔｌｅｔｔ’ｓＴｅｓｔｏｆＳｐｈｅｒｉｃｉｔｙ
ｄｆＳｉｇ．
进行ＫＭＯ统计检验及Ｂａｒｔｌｅｔ’Ｓ球形检验（表３）：当ＫＭＯ值越大，表示变量间的共同因素越多，越
适合进行因子分析，一般若其值小于０．５，则不适合进行因子分析，本结果显示为０．７７６，适合做因子分析；表中Ｂａｒｔｌｅｔ’Ｓ为０．０１，小于１％，同样说明变量间具有相关性，适合做因子分析。
计算Ｒ的特征值得：λ１＝２．９７５，λ２＝０．０１８，λ３＝０．００７，由于
１６２
科技通报第２３卷
λ１
＝２．９７５＝０．９９１６
１２３
说明第一主成分达到９９．１６％，故只考虑第一主成分，其相应于λ１的因子得分向量为ｖ′１＝（０．３３５，
，将其单位化为ｖ１＝（，，）′，最后得到组合预测模型为：０．３３５，０．３３４）′
Ｙ４＝１（Ｙ１＋Ｙ２＋Ｙ３）
（４）
由于本例中的特殊情况，使三种方法组合的结果恰好近似为三种方法的平均值，根据上述模型可预测
２００５年江西国内生产总值为３９４６．８亿元；根据江西省２００５年国民经济和社会发展统计公报，２００５年江西省ＧＤＰ为４０５６．２亿元，实际值与预测值很接近，由此看出组合预测效果更好。
参考文献：
［１］［２］［３］［４］［５］
庄楚强，吴亚森．应用数理统计基础（第二版）［Ｍ］．广州：华南理工大学出版社，２００３，１２．马
骥，张卫峰．组合预测方法在磷肥需求预测中的应用［Ｊ］．统计与决策，２００５，（６）：周爱民，基于偏最小二乘法的情报组合预测法［Ｊ］．统计与决策，２００４，１７６（８）：江西省统计局编．江西统计年鉴２００５［Ｍ］．北京：中国统计出版社，２００５．
杨明媚，李华林．主成分分析在证券组合投资中的应用［Ｊ］．统计与信息论坛，２００４，
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
（上接第１５８页）
１ａδ＞（１ａ２１＋１ａ２３）（１ａ１２δ２＋４）≈３．９８９；１４
１Ｓδ１ａ－１Ｓ］≈２．３９１当ｉ＝２，ｊ＝３时，［１Ｒ２＋１Ｓ２－１ａ２４δ４－２２］［ａ３３－３３１
１ａδ＞（１ａ２１＋１ａ２３）（１ａ３２δ２＋４）≈２．１９３；３４
１Ｓδ１ａ－１Ｓ］≈６．４３２当ｉ＝４，ｊ＝１时，［１Ｒ４＋１Ｓ４－１ａ４２δ２－４４］［ａ１１－１１３
１ａδ＞（１ａ４１＋１ａ４３）（１ａ１２δ２＋４）≈４．９８７；１４
１Ｓδ１ａ－１Ｓ］≈３．１９８当ｉ＝４，ｊ＝３时，［１Ｒ４＋１Ｓ４－１ａ４２δ２－４４］［ａ３３－３３１
１ａδ＞（１ａ４１＋１ａ４３）（１ａ３２δ２＋４）≈２．７４１．３４
故Ａ∈ＬＤＤ（１，１，１），且由以上数据得Ｍｉ（α）＞１，其中α＝１．
可见，矩阵Ａ满足定理１的条件（１），因此，Ａ是非奇异Ｈ－矩阵．
参考文献：
［１］［２］［３］［４］［５］［６］［７］
王广彬，洪振杰．非奇异Ｈ－矩阵的充分条件［Ｊ］．高等学校计算数学学报，２００３．６，２５（２）：１８４－１９２．李继成，张文修．Ｈ矩阵的判定［Ｊ］．高等学校计算数学学报，１９９９，２１（３）：２６４－２６８．孙玉祥．广义对角占优矩阵的充分条件［Ｊ］．高等学校计算数学学报，１９９７，１３（３）：２１６－２２３．杨舒先．Ｈ－矩阵的判定方法［Ｊ］．青岛大学学报，２００３．６，１６（３）：１７－２１．
吕洪斌．矩阵的弱α－连对角占优性及应用［Ｊ］．东北师大学报（自然科学版），２００５，３７（２）：１０－１４．高益明．矩阵广义对角占优和非奇的判定［Ｊ］．东北师大学报（自然科学版），１９８２，３：２３－２８．高
健，黄廷祝．广义对角占优矩阵的充分条件［Ｊ］．电子科技大学学报，２００４，３３（２）：２０８－２１０．
第２３卷第２期
科技通报
ＢＵＬＬＥＴＩＮＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹ
Ｖｏｌ．２３Ｎｏ．２Ｍａｒ．２００７
２００７年３月
组合预测模型及应用
李
（南昌航空工业学院
曦
数学与信息科学学院，江西南昌３３００３４）
摘要：通过主成分分析的方法，将非线性预测中的二次多项式预测、指数预测及灰色预测等３种不同
的预测方法组合在一起，提出了一种新的组合预测方法，并利用该方法对江西省的国民生产总值进行了预测。
关键词：灰色预测；非线性回归；组合预测；主成分分析中图分类号：Ｏ１５９
文献标识码：Ａ
文章编号：１００１－７１１９（２００７）０２－０１５９－０４
ＴｈｅＡｐｐｌｉｃａｔｉｏｎｏｆＴｈｅＭｏｄｅｌｆｏｒＣｏｍｂｉｎａｔｉｏｎＦｏｒｅｃａｓｔｉｎｇ
ＬＩＸｉ
（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｐｕｔａｔｉｏｎａｌＳｃｉｅｎｃｅ，ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｅｒｏｎａｕｔｉｃａｌＴｅｃｈｎｏｌｏｇｙ，
Ｎａｎｃｈａｎｇ，Ｊａｎｇｘｉ，３３００３４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｔｗｏ－ｐｏｌｙｎｏｍｉａｌｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｉｎｇ，ｅｘｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｉｎｇａｎｄｇｒａｙｆｏｒｃａｓｔｉｎｇ，ａｎｅｗｋｉｎｄｏｆｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ（ｍｅｔｈｏｄ）ｉｓｐｒｅｓｅｎｔｂｙａｐｐｌｙｉｎｇｔｈｅｍｅｔｈｏｄｏｆｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ．ＴｈｅＧＤＰｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｉｓｆｏｒｅｃａｓｔｅｄｂｙｔｈｉｓｍｅｔｈｏｄ．
Ｋｅｙｗｏｒｄｓ：ｇｒａｙｆｏｒｅｃａｓｔｉｎｇ；ｎｏｎｌｉｎｅａｒｉｔｙｒｅｇｒｅｓｓｉｏｎ；ｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ；ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ
经济指标的准确预测是国家对宏观经济正确调控的必要前提，但经济系统是一个非常复杂的系非线性的、不确定性的作用关系；因此要准确地预测某一趋势，必须从多个方面统，其中存在着时变的、
进行考虑。预测方法多种多样，如线性与非线性回归预测模型，灰色系统ＧＭ（１，１）模型预测，马尔柯夫链预测模型，神经网络预测模型等等，每种预测各有其特点，在不同的方面有各自的优劣，因此为了准确地预测结果，可考虑采用组合预测法进行预测。组合预测模型的建立也有多种方法，如文［２］以误差绝对值的和为最小的标准建立的组合预测模型，文［３］的偏最小二乘法建立的组合预测模型；本文运用主成分分析的思想来建立组合预测模型，这一方法通过分析各种预测量间存在的起支配作用的本质特征及内部结构，找出了几种预测方法共同起作用的预测量，从而产生预测值。
１
组合预测模型的建立
假设对同一预测问题有ｍ个预测模型，这ｍ个预测模型预测值分别记为Ｙ１，Ｙ２，…，Ｙｍ，对各个不
收稿日期：２００６－０３－０６作者简介：李
曦（１９６６－），男，江西进贤人，副教授，主要从事应用数学研究。
１６０
科技通报第２３卷
同方法产生的Ｙｉ作为一个变量，对ｎ个不同时间，计算出相应的预测值ｙｉｊ，（ｉ＝１，２，…，ｎ；ｊ＝１，２，…，ｍ），由此构造一个ｎ×ｍ矩阵，利用此矩阵求相关系数矩阵Ｒ＝（ｒｉｊ），ｉ，ｊ＝１，２，…
，ｍ，其中ｎ
ｙ，
ｉｊｉ＝１
ｎ
ｒｉｊ＝Ｓ，Ｓｉｊ＝１! （ｙｋｉ－ｉｋｊ－ｊ…，ｍ，
ｋ＝１
" ｉｉｊｊ
对相关系数矩阵Ｒ计算其特征值，Ｒ的最大特征值记为λ１，把属于λ１的因子得分向量记为ｖ１＝（γ１１，
２
，根据主成分思想，γγ１２，…，γ１ｍ）′１ｉ是第ｉ种预测对第一主成分的方差贡献率，贡献率越大，说明波动幅度
越大，那么在组合中所占的比例越多；否则，比例越少。因此，组合预测的比例可定为
２２２２２
ｆｉ＝γ１ｉ／（γ１１＋γ１２＋…＋γ１ｍ）＝γ１ｉ（分母之和为１），ｉ＝１，２，…，ｍ．
一般，若第一主成分的方差贡献率不足７０％，可以考虑第二主成分，以第一、第二主成分的方差λ１和λ２
为权数，组合预测的比例可定为
２２ｆｉ＝（γ（ｉ＝１，２，…，ｍ）．１＋γ２）／（λ１＋λ２）１ｉλ２ｉλ
其组合预测模型为：
Ｙ＝ｆ１Ｙ１＋ｆ２Ｙ２＋…＋ｆｍＹｍ
再利用该模型进行最后预测。
２
三种预测模型
下面我们选取江西省２０００年至２００４年的国内生产总值作为原始数据（见表１），分别采用三种模型进行预测。
表１
年份
２０００～２００４年江西省国内生产总值（亿元）ＴｈｅＧＤＰｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ２０００－２００４２００１２１７５．６８
２００２２４５０．４８
２００３２８３０．４６
２００４３４９５．９４
Ｔａｂｌｅ１
２０００２００３．０７
ＧＤＰ
２．１二次曲线预测ＧＤＰ
从国内生产总值的散点图（图１）可以看出，ＧＤＰ与时间呈非线性关系，可考虑用二次多项式进行非
线性回归，设Ｙ１表示ＧＤＰ的值，得二次曲线回归方程为：
Ｙ１（ｔ）＝７７．９２３ｔ２－１０３．４９ｔ＋２０４４．４
相关系数ｒ＝０．９９７３，对于ｎ＝５，α＝０．０１，查临界值为ｒ０．０１＝０．９３４３，ｒ＞ｒ０．０１，故回归方程有效。
４０００３５００３０００２５００ＧＤＰ
２０００１５００１０００５０００
２０００
２００１
图１
系列１
多项式（系列１）
（１）
２００２２００３２００４
年份
ＧＤＰ与时间的关系
Ｆｉｇ．１ＴｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＧＤＰａｎｄｙｅａｒｓ
第２期组合预测模型及应用
１６１
２．２用灰色系统ＧＭ（１，１）预测ＧＤＰ
灰色系统是处理不完全信息的一种理论，灰色预测是指以ＧＭ（１，１）模型为基础的预测，其主要应用于时间序列预测，其方法是列出预测对象历史发展时间序列，并对其进行一次迭加得｛Ｘ（ｔ）｝，利用模型
ｄＸ＋ａＸ＝ｂ，得Ｘ（ｔ）＝（Ｘ（０）－ｂ）ｅ－ａｔ＋ｂ。根据前面列出的ＧＤＰ数据得预测方程为：Ｙ（ｔ＋１）＝１００６３．０７ｅ０．２ｔ×
２１
（ｅ０．２－１），由于观察到残差较大，故考虑用ＧＭ（１，１）模型进行残差修正，其残差序列ｅ（ｔ）生成的预测模型为：ｅ（ｔ＋１）＝５９４．７２ｅ０．４０６８ｔ×（ｅ０．４０６８－１），即修正后的预测模型为：
（２）Ｙ２（ｔ＋１）＝１００６３．０７ｅ０．２ｔ×（ｅ０．２－１）－δ（ｔ－１）×５９４．７２ｅ０．４０６８ｔ×（ｅ０．４０６８－１）
１，ｔ≥１
其中；δ（ｔ－１）＝
０，ｔ＜１
"
利用该模型进行预测可得预测值。
２．３指数曲线预测ＧＤＰ
根据散点图，还可考虑用指数曲线进行回归预测：Ｙ＝ａｔｂ，即ｌｎＹ＝ｌｎａ＋ｂｌｎｔ，利用上述数据得ｌｎＹ＝
０．１３７７ｔ＋７．４２６５，Ｒ２＝０．９７０４，即预测模型为：
Ｙ３（ｔ）＝１６７９．９ｅ０．１３７７ｔ
相关系数ｒ＝０．９８５，说明效果较好。
（３）
３
组合预测模型
将三种预测方法预测结果汇聚成表２，将三种预测方法Ｙｉ（ｉ＝１，２，３）看作三个变量，
表２
３种预测方法的预测结果
Ｔａｂｌｅ２
年份
ＴｈｅｆｏｒｅｃａｓｔｉｎｇＧＤＰｂｙｔｈｒｅｅｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄ
Ｙ２２２２８．０２２７２．８２６５０．２３０４８．０３４３９．０３７７４．０
Ｙ３１９２７．９２２１２．５２５３９．２２９１４．０３３０７．６３８３７．９
Ｙ４２０５８．２２２１１．４２５４２．０２９４６．４３４０７３９４６．８
Ｙ２００３．０７２１７５．６８２４５０．４８２８３０．４６３４９５．９４
Ｙ１２０１８．８２１４９．１２４３６．２２８７７．２３４７５．０４２２８．７
２０００２００１２００２２００３２００４２００５
求三个变量的相关系数矩阵Ｒ，其检验结果如下：
表３
ＫＭＯ和Ｂａｒｔｌｅｔｔ检验ＫＭＯａｎｄＢａｒｔｌｅｔｔ’ｓＴｅｓｔ
０．７７６１７．０７５
３０．００１
Ｔａｂｌｅ３
Ｋａｉｓｅｒ－Ｍｅｙｅｒ－ＯｌｋｉｎＭｅａｓｕｒｅｏｆＳａｍｐｌｉｎｇＡｄｅｑｕａｃｙ．
Ａｐｐｒｏｘ．Ｃｈｉ－Ｓｑｕａｒｅ
Ｂａｒｔｌｅｔｔ’ｓＴｅｓｔｏｆＳｐｈｅｒｉｃｉｔｙ
ｄｆＳｉｇ．
进行ＫＭＯ统计检验及Ｂａｒｔｌｅｔ’Ｓ球形检验（表３）：当ＫＭＯ值越大，表示变量间的共同因素越多，越
适合进行因子分析，一般若其值小于０．５，则不适合进行因子分析，本结果显示为０．７７６，适合做因子分析；表中Ｂａｒｔｌｅｔ’Ｓ为０．０１，小于１％，同样说明变量间具有相关性，适合做因子分析。
计算Ｒ的特征值得：λ１＝２．９７５，λ２＝０．０１８，λ３＝０．００７，由于
１６２
科技通报第２３卷
λ１
＝２．９７５＝０．９９１６
１２３
说明第一主成分达到９９．１６％，故只考虑第一主成分，其相应于λ１的因子得分向量为ｖ′１＝（０．３３５，
，将其单位化为ｖ１＝（，，）′，最后得到组合预测模型为：０．３３５，０．３３４）′
Ｙ４＝１（Ｙ１＋Ｙ２＋Ｙ３）
（４）
由于本例中的特殊情况，使三种方法组合的结果恰好近似为三种方法的平均值，根据上述模型可预测
２００５年江西国内生产总值为３９４６．８亿元；根据江西省２００５年国民经济和社会发展统计公报，２００５年江西省ＧＤＰ为４０５６．２亿元，实际值与预测值很接近，由此看出组合预测效果更好。
参考文献：
［１］［２］［３］［４］［５］
庄楚强，吴亚森．应用数理统计基础（第二版）［Ｍ］．广州：华南理工大学出版社，２００３，１２．马
骥，张卫峰．组合预测方法在磷肥需求预测中的应用［Ｊ］．统计与决策，２００５，（６）：周爱民，基于偏最小二乘法的情报组合预测法［Ｊ］．统计与决策，２００４，１７６（８）：江西省统计局编．江西统计年鉴２００５［Ｍ］．北京：中国统计出版社，２００５．
杨明媚，李华林．主成分分析在证券组合投资中的应用［Ｊ］．统计与信息论坛，２００４，
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
（上接第１５８页）
１ａδ＞（１ａ２１＋１ａ２３）（１ａ１２δ２＋４）≈３．９８９；１４
１Ｓδ１ａ－１Ｓ］≈２．３９１当ｉ＝２，ｊ＝３时，［１Ｒ２＋１Ｓ２－１ａ２４δ４－２２］［ａ３３－３３１
１ａδ＞（１ａ２１＋１ａ２３）（１ａ３２δ２＋４）≈２．１９３；３４
１Ｓδ１ａ－１Ｓ］≈６．４３２当ｉ＝４，ｊ＝１时，［１Ｒ４＋１Ｓ４－１ａ４２δ２－４４］［ａ１１－１１３
１ａδ＞（１ａ４１＋１ａ４３）（１ａ１２δ２＋４）≈４．９８７；１４
１Ｓδ１ａ－１Ｓ］≈３．１９８当ｉ＝４，ｊ＝３时，［１Ｒ４＋１Ｓ４－１ａ４２δ２－４４］［ａ３３－３３１
１ａδ＞（１ａ４１＋１ａ４３）（１ａ３２δ２＋４）≈２．７４１．３４
故Ａ∈ＬＤＤ（１，１，１），且由以上数据得Ｍｉ（α）＞１，其中α＝１．
可见，矩阵Ａ满足定理１的条件（１），因此，Ａ是非奇异Ｈ－矩阵．
参考文献：
［１］［２］［３］［４］［５］［６］［７］
王广彬，洪振杰．非奇异Ｈ－矩阵的充分条件［Ｊ］．高等学校计算数学学报，２００３．６，２５（２）：１８４－１９２．李继成，张文修．Ｈ矩阵的判定［Ｊ］．高等学校计算数学学报，１９９９，２１（３）：２６４－２６８．孙玉祥．广义对角占优矩阵的充分条件［Ｊ］．高等学校计算数学学报，１９９７，１３（３）：２１６－２２３．杨舒先．Ｈ－矩阵的判定方法［Ｊ］．青岛大学学报，２００３．６，１６（３）：１７－２１．
吕洪斌．矩阵的弱α－连对角占优性及应用［Ｊ］．东北师大学报（自然科学版），２００５，３７（２）：１０－１４．高益明．矩阵广义对角占优和非奇的判定［Ｊ］．东北师大学报（自然科学版），１９８２，３：２３－２８．高
健，黄廷祝．广义对角占优矩阵的充分条件［Ｊ］．电子科技大学学报，２００４，３３（２）：２０８－２１０．