5] 圖4是本發(fā)明另一實施例提供的一種建立煙草行業(yè)預測模型的裝置結構圖；
[0056] 圖5是本發(fā)明又一實施例提供的一種建立煙草行業(yè)預測模型的裝置結構圖；
[0057] 圖6是本發(fā)明又一實施例提供的一種建立煙草行業(yè)預測模型的裝置結構圖；
[0058] 圖7是本發(fā)明又一實施例提供的一種建立煙草行業(yè)預測模型的裝置結構圖。
【具體實施方式】
[0059] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述。顯然，所描述的實施例僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒?發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實 施例，都屬于本發(fā)明保護的范圍。
[0060]本發(fā)明實施例提供了一種建立煙草行業(yè)預測模型的方法，如圖1所示，該方法可以 包括以下步驟：
[0061 ]步驟101:預先確定適合煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)數(shù)據(jù)和預測模型；
[0062] 步驟102:獲取煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)數(shù)據(jù)；
[0063] 步驟103:定義確定所述宏觀經(jīng)濟數(shù)據(jù)的變量和目標自變量；
[0064] 步驟104:計算所述變量與目標自變量之間的線性相關系數(shù)；
[0065] 步驟105:根據(jù)所述線性相關系數(shù)確定與所述變量顯著線性相關的目標自變量集 合，應用最小二乘法回歸計算所述目標自變量集合與所述變量的回歸系數(shù);如果沒有目標 自變量與所述變量顯著線性相關，應用最小二乘法回歸計算所有目標自變量與所述變量的 回歸系數(shù)，使得根據(jù)所述回歸系數(shù)得到的計算值與實際值的二乘誤差(6(?-^)2最??； ：i=i
[0066] 其中，yi表示所述實際值，A表示所述計算值；
[0067] 步驟106:根據(jù)所述回歸系數(shù)和目標自變量建立預測模型：
[0068] y = ao+ai*xi+a2*X2+. · ·+an*Xn
[0069] 其中y為預測值;ao為常數(shù);m，a2, . . .，an為所述回歸系數(shù);x為所述目標自變量。
[0070] 可見，由于本發(fā)明實施例提出的建立煙草行業(yè)預測模型的方法，通過獲取并定義 宏觀經(jīng)濟參數(shù)數(shù)據(jù)的變量和目標自變量，計算變量和目標自變量之間的線性相關系數(shù)，并 根據(jù)線性相關系數(shù)確定目標自變量集合，計算回歸系數(shù)，使得根據(jù)回歸系數(shù)計算的二乘誤 差最小，根據(jù)回歸系數(shù)和目標自變量建立多種預測模型，從而可以選擇合適的預測模型進 行預測，減小預測結果與實際值之間的差異。
[0071 ]在本發(fā)明一個優(yōu)選實施例中，為了確定目標自變量，所述確定目標自變量包括:根 據(jù)宏觀經(jīng)濟數(shù)據(jù)定義初始自變量，對所述初始自變量進行轉換，得到轉換后的自變量；其 中，所述對初始自變量進行轉換包括:將所有初始自變量轉換為其指數(shù)函數(shù)值或將所有初 始自變量轉換為其對數(shù)函數(shù)值或將每一個初始自變量通過最佳轉換算子進行轉換;所述最 佳轉換算子可以使自變量與變量有最高的線性相關性，從而可以確定目標自變量。
[0072]在本發(fā)明一個優(yōu)選實施例中，為了計算所述變量與目標自變量之間的線性相關系 數(shù)，所述計算所述變量與目標自變量之間的線性相關系數(shù)包括：
[0073]根據(jù)
：十算所述變量與目標自變量之間的線性相關 系數(shù)。
[0074]其中，P表示所述變量與目標自變量之間的線性相關系數(shù);yi表示所述變量；y表 示所述變量平均值;^表示所述目標自變量；i表示所述目標自變量平均值，從而可以根據(jù) 數(shù)學式計算變量與目標自變量之間的線性相關系數(shù)。
[0075] 在本發(fā)明一個優(yōu)選實施例中，為了確定目標自變量集合，所述根據(jù)所述線性相關 系數(shù)確定與所述變量顯著線性相關的目標自變量集合包括:將所述線性相關系數(shù)基于顯著 性水平為0.05進行顯著性檢驗，根據(jù)所述顯著性檢驗結果確定與所述變量顯著線性相關的 目標自變量集合，從而可以通過顯著性檢驗確定目標自變量集合。
[0076] 在本發(fā)明一個優(yōu)選實施例中，為了檢查預測模型的準確性，在步驟106之后，進一 步包括:根據(jù)所述預測模型計算預測值，將所述預測值與實際值進行差距分析，從而可以根 據(jù)差距分析檢查預測模型的準確性。
[0077] 為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面結合附圖及具體實施例對本 發(fā)明作進一步地詳細描述。
[0078] 本發(fā)明實施例提供了一種建立煙草行業(yè)預測模型的方法，如圖2所示，該方法包括 以下實現(xiàn)過程：
[0079] 步驟201:預先確定適合煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)數(shù)據(jù)和預測模型。
[0080] 在本實施例中，可以根據(jù)參考其他行業(yè)的預測案例及基于煙草歷史數(shù)據(jù)的測試， 最終確定適合煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)數(shù)據(jù)和預測模型。
[0081] 其中，確定的預測模型為多元線性回歸、指數(shù)回歸、對數(shù)回歸、混合回歸四個預測 模型;確定適合煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)如下表所示：
[0082]
[0083] 步驟202:獲取煙草行業(yè)預測所需的宏觀經(jīng)濟參數(shù)數(shù)據(jù)。
[0084] 步驟203:根據(jù)宏觀經(jīng)濟數(shù)據(jù)定義變量。
[0085] 在本實施例中，變量可以為煙草的銷量、財務等經(jīng)濟運行情況。
[0086] 步驟204:根據(jù)宏觀經(jīng)濟數(shù)據(jù)定義初始自變量，對初始自變量進行轉換，得到轉換 后的自變量;其中，對初始自變量進行轉換包括:將所有初始自變量轉換為其指數(shù)函數(shù)值或 將所有初始自變量轉換為其對數(shù)函數(shù)值或將每一個初始自變量通過最佳轉換算子進行轉 換;所述最佳轉換算子可以使自變量與變量有最高的線性相關性。
[0087] 其中，最佳轉換算子可以包括INV，EXP，LOG，SQU，CUB，SQR，CBR，SIN，COS，TAN，CTA， ABS，000具體定義如下：
[0088]
[0089]
[0090] COS: z = cos(x) ;TAN: z = tan(x) ;CTA: z = ctan(x) ;ABS: z = I x
[0091] 000表示不變換。
[0092] 步驟205:根據(jù)
汁算所述變量與目標自變量之間的 線性相關系數(shù)。
[0093] 其中，P表示所述變量與目標自變量之間的線性相關系數(shù);yi表示所述變量；y表 示所述變量平均值;Xi表示所述目標自變量；X表示所述目標自變量平均值。
[0094]步驟206:將所述線性相關系數(shù)基于顯著性水平為0.05進行顯著性檢驗，根據(jù)所述 顯著性檢驗結果確定與所述變量顯著線性相關的目標自變量集合，判斷自變量集合是否為 空集，如果不是，執(zhí)行步驟207，否則，執(zhí)行步驟208。
[0095] 步驟207:應用最小二乘法回歸計算所述目標自變量集合與所述變量的回歸系數(shù)， 使得根據(jù)所述回歸系數(shù)得到的計算值與實際值的二乘誤I
1小。
[0096] 其中，yi表示所述實際值，^表示所述計算值
[0097] 步驟208::應用最小二乘法回歸計算所有目標自變量與所述變量的回歸系數(shù)，使 得根據(jù)所述回歸系數(shù)得到的計算值與實際值的二乘誤差
I小。
[0098] 其中，yi表示所述實際值，^表示所述計算值。
[0099]步驟209:根據(jù)所述回歸系數(shù)和