多元回归与时间序列分析在世博会日客流量预测中的结合应用

• 作者: 潘晓炜
• 来源期刊: 商情
• 学科: 经济
• 关键词: 星期指数 虚拟变量 多元回归模型 残差自回归模型
• 年，卷（期）: 2012,（20）
• 所属期刊栏目: 经济研究
• 页码范围: 47-49
• 页数: 3页
• 分类号: F713.83
• 字数: 2216字
• 语种: 中文

摘要

本文结合多方面数据特点分析了日本爱知世博会游客数的影响因素。设置虚拟变量将各影响因子量化处理。通过多元回归模型和残差自回归模型分别分析了确定性与非确定性的影响因子对游客数的影响机制，最终达到了良好的拟合与预测效果。具有一定程度的实用意义。首先。本文通过对游客数量时间序列的各方面的分析。确定了世博会客流量主要是与开固天数、当日是星期几、天气情况、是否是节假日有关。另外，类比于季节指数，对于主要影响因素中的星期因素。计算出了一周中七天各自的星期指数。然后。本文建立了各个主要因子与客流量的多元回归模型，模型结果显著。对各影响因素有很好的解释能力：学生假期、公共假期、晴好天气（非雨雪天气）平均分别可以给世博带来约18545人、12678人、13096人的人流增量。然而。对模型进行更深层次的研究分析后发现，模型的残差值并没有通过白噪声检验，这说明残差数据存在一定的自相关性．残差中还存在着没有发掘出来的影响因子。于是本文进一步分析，建立了残差自回归模型，对于残差中无法确定的其他影响因素进行了时间序列的自回归处理。最终模型残差值通过了白噪声检验。曲线拟舍结果理想。对拟舍时没有使用的最后5日数据进行了数据内预测。平均相对误差为11．64%

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘晓炜	中南财经政法大学统计与数学学院	2	3	1.0	1.0