统计预测与决策课设

课程设计报告课程名称统计预测与决策

专业

班级

学号

姓名

指导教师

2012年5 月18 日

课程设计任务书

课程名称统计预测与决策课题全国职工平均工资

的分析与预测

专业班级

学生姓名

学号

指导老师

任务书下达日期2012 年5 月7 日

任务完成日期2012年5 月18日

目录

前言 (2)

数据来源 (2)

一、描述性分析 (2)

二、组合预测 (3)

1.组合预测的基本思想 (3)

2.单项预测模型 (4)

1)非线性回归预测法 (4)

2)指数曲线趋势外推法 (9)

3)二次曲线指数平滑法 (12)

4)灰色预测法 (16)

3.组合预测模型 (20)

4.组合预测的有效性分析 (23)

三、总结 (24)

参考文献 (25)

附件 (26)

评分标准 (28)

前言

就业与工资是我国面向未来的三大问题之一。它体现了我国经济发展状况与人民生活水平的联系，而平均工资是反映工资总体情况的指标，它是按工资总额除以单位的年内平均职工人数得出的。根据国家现行规定，工资总额统计的是本单位在一定时期内直接支付给本单位全部职工的劳动报酬总额，包括计时工资、计件工资、奖金、津贴和补贴、加班加点工资、特殊情况下支付的工资，不论是否计入成本，不论是否以货币形式还是以实物形式支付，均包括在内。也就是说，平均工资中包含了很大程度上的扣除额度，这不同于职工的实际可支配收入。另一方面，平均工资是一项“平均数”，社会上存在一个对其争议的焦点是它不区分收入差距，许多人质疑这种“简单的平均统计”到底有什么实际意义。任何一个统计指标的存在（并且是长期存在）都有它的作用和意义，平均数是反映总体水平的基本指标之一。一般来讲，一项统计调查在反映总体情况时，都要用到平均数。据了解，我国制定的一系列政策，如：社会保险金征收、基本养老金和退休费发放、最低工资标准、人身损害司法赔偿等，都与平均工资数据相关。故，对平均工资的统计和研究还是很有必要的。

预测就是“鉴往知来”，即依据过去和现在的大量资料，运用科学的判断方法和数量方法，对事物未来的发展趋势事先做出有效的判断。平均工资预测就是运用科学的理论方法对未来人民生活水平的变化及发展趋势做出正确判断与估计，为就业市场提供可靠的标准，是评价国家宏观调控经济效益和社会效益的重要依据之一。由此可见，对全国职工平均工资预测方法进行研究具有一定的理论价值。

数据来源

本次分析数据来源于国家统计局统计网站数据库，具有相当的真实性。一、描述性分析

对整理后的数据指标进行总体描述性分析（表1）：

描述统计量

N 极小值极大值均值标准差

统计量统计量统计量统计量标准误统计量

职工年平均工资33 615.00 37147.00 8735.5758 1768.73043 10160.58278 职工年平均工资33 615.00 37147.00 8735.5758 1768.73043 10160.58278 有效的 N （列表状态）33

表1

采用散点图（图1）描述数据的整体情况，

图1

由图表可知，本次课题分析共统计了33个年度数据，全国职工平均工资整体呈指数递增趋势，从1978年的615元增至2010年的37147元，简单从数值上看（不考虑通货膨胀等因素）,增长了近60倍，但是标准误也达到了1769。故而，单纯的数字对比并不能说明什么问题，需要我们运用统计方法进一步进行分析。

二、组合预测

1、组合预测的基本思想

在经济转轨时期，很难有一个单项预测模型能对宏观经济频繁波动的实现拟合得非常紧密并对其变动的原因做出稳定一致的解释。Bates和Cranger首先提出可建立线性组合预测模型综合各种单项模型的信息，以产生更好的预测效果。理论和实证研究都表明，在诸种单项预测模型各异且数据来源不同的情况下，组合预测模型可能获得比任何一个独立预测值更好的预测值。组合预测模型将各种不

同类型的单项预测模型兼收并蓄，各取所长，集中了更多的经济信息与预测技巧，能减少预测的系统误差，显著改进预测效果。这是因为，参与组合的各种预测模型所产生的误差

e（下标i为第i种预测，i=1,2，…，n）有正有负，如果

i

0=i Ee ，0=i i e Ee ，经过组合就会产生正负抵消，降低误差，提高组合预测的精度。Makridakis 和Winkler 在1983年对111个时间序列的外推研究中，发现用两种模型组合，预测误差降低7.3%，而当模型组合增至5种时，预测误差下降16.3%。

2、单项预测模型的选取

根据对数据的定性分析，在马克思主义理论指导下，依靠研究人员自身的理论知识、专业知识、实际经验和分析能力，确定变量之间的相关关系及其影响程度，选取合适的单项预测模型。本次研究选取的模型有：回归拟合（非线性回归拟合），指数曲线趋势外推法（指数曲线模型），时间序列平滑预测法（二次曲线指数平滑法），灰色系统预测法（GM （1,1）模型）。 1）、非线性回归预测法（转化成线性模型进行拟合）

回归预测是基于事物之间这种相关关系的一种数理统计预测方法。对这种相关关系定量描述的数学模型为回归模型。在社会现实经济生活中，很多现象之间的关系并不是线性关系，对这种类型现象的分析预测一般要应用非线性回归预测，通过变量代换，又可以将很多的非线性回归转化为线性回归。需要注意的是，在许多情况下，现象之间只是在一定的范围内才具有相关关系，超出了这个范围去推断或预测，可能会得出错误的结论。从而，可以用线性回归方法解决非线性回归预测问题。首先对数据进行处理：令y Q ln =（如表2），

年份 1979 1980 1981 1982 1983 1984 1985 1986 时序(t)

1

2 3 4 5 6 7 8 6.5

6.64 6.65 6.68 6.72 6.89

7.05 7.19 年份 1987 1988 1989 1990 1991 1992 1993 1994 时序(t)

9

10 11 12 13 14 15 16 7.29

7.47 7.57 7.67 7.76 7.91 8.12 8.42 年份 1995 1996 1997 1998 1999 2000 2001 2002 时序(t)

17

18 19 20 21 22 23 24 8.61

8.73 8.77 8.92 9.03 9.15 9.3 9.43 年份

2003

2004

2005

2006

2007

2008

2009

2010