组合预测模型的精度不如单向预测模型的原因？影响预测精度的因素

什么叫组合预测？组合预测的精度如何

就是多选！能增大中奖率！但和真正的中率相对比，没有实际效果！

产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。

产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；

（4）模型估计式的代表性降低，预测精度精度降低。

进行回归分析，需要满足以下三个基本条件：

(1)正态性

被检验的对象或者因变量必须是服从正态分布的随机变量，这一点是最重要的.

(2)方差齐性

被检验的各个总体的方差是相等的.

(3)独立性

对被检验的各对观察数据而言，从概率意义上应理解为是独立取得的.

在处理实际问题时，正态性可由大数定律与中心极限定理来确定，方差齐性的检验用F检验施行，而独立性往往凭实际经验判断，一般有一个近似结论就可以进行回归分析了.

就讲讲一元线性回归方程吧

模型确定后，影响预测精度的主要因素有哪些?

答当线性回归方程＝＋ｘ确定后，对给定的ｘ０，ｙ０，置信度为１－α的预测区间为

（ ±ｔα／２ (ｎ－２) ），

其中Ｓｘｘ＝（ｘｉ－ｘ）２.

由此可知，影响预测精度的主要因素为：

(1)σ２．一般地，σ２越小，精度越高.

(2)ｎ．显然，ｎ越大，精度越高，所以应当尽量扩大样本容量.

(3)预测点ｘ０离越近，精度越高，自变量的取值ｘｉ应尽量避免过于集中.

预测精度是指预测模型拟合的好坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度的优劣。预测精度是衡量预测方法是否适用于预测对象的一个重要指标。