天才一秒记住【热天中文网】地址：https://www.rtzw.net
模拟模型预测方法的模型，现在常指数学模型。
所谓模拟模型法，是指模仿某一客观现象建立一个抽象的模型，并对模型进行分析试验，以观察并掌握客观现象的运动变化规律，从而找出错综复杂问题的解决方案。
这里有两种情况：（1）如果数学模型代表事物随时间的变化，那么它便属于趋势外推的预测技术，诸如线性模型、二次抛物线模型、指数模型、对数模型、S曲线模型等，其关键是对历史数据的定性、定量分析，在此基础上建立起最符合历史数据的变化曲线。
（2）如果数学模型代表事物之间的朴素关系，它便属于“因果法”
，即回归分析的预测技术，诸如计量经济模型、投入产出模型等，它的关键在于必须弄清楚事物之间的关系，应该抽象成怎样的数学方程式，以及方程式中参数值如何确定。
这类模型必须有一定的理论作为基础，数学模型只是这些理论的数学表达形式而已。
在社会预测中，通常运用数学模型来摸拟某种社会过程。
在计算机被广泛运用的今天，特别是每秒能进行上千万亿次的运算的巨型快速计算机的研制成功，模拟复杂的社会过程在理论上已不成什么问题。
计算机可以用来编制预测程序，处理复杂数据，但是社会预测中能直接采用的模型还是有限的。
这是因为在建立模型时，需要有相关社会过程近期发展（至少10～20年）的大量可靠的初始信息，才能组成动态序列，计算出被模拟的社会过程的未来趋势。
然而，一般来说，这种专门的、详细的、复杂的、可靠的数据信息是难以获得的。
所以建立模型的依据通常是在外推法和专家预测法基础上进行预测所得到的不充分信息。
在这种情况下，模型只能是用某种曲线表示的关于未来过程的图像。
2.因果模型预测方法
因果模型预测方法也叫“因果分析法”
，就是研究引起未来状态变化的各种客观环境因素的作用，从中找出各种因素与未来状态之间的统计关系。
与时间序列预测法相比，该方法可靠性高，使用范围广，可以获得更理想的预测结果。
但所需资料会较多，运算也比较复杂。
人们在实践中往往可以发现某些变量之间存在着一定的依赖关系，但却不是确定的函数关系。
这种关系不能用精确的公式表达和计算，只有通过大量统计数据的分析，才能找到某种相关的联系。
变量之间虽有密切的关系，却不是确定的关系，不能用函数关系精确求解。
这种变量之间的关系，称作相关关系。
相关分析可以了解两个变量之间的关系程度，即用相关系数来描述两个变量之间的共变特征。
回归分析则进了一步，它是对有相关关系的现象，根据其关系的形态找出一个合适的数学模型，即建立回归方程，来近似地表达变量间的平均变化关系，以便根据回归方程对未知的情况进行估计和预测。
它既是社会预测中常用的预测方法，也是经济预测中常用的方法。
回归分析法的数学模型又分为线性回归和非线性回归两种。
线性回归是反映事物变化中一个因变量与一个或多个自变量之间的线性关系。
一个因变量与一个自变量的线性关系模型称为一元线性回归；一个因变量与多个自变量的线性关系模型称为多元线性回归。
另外，由于客观事物的复杂多变，事物发展的因素之间也存在着非线性关系，反映一个因变量与一个或多个自变量的非线性关系的数学模型称为非线性回归。
回归分析和相关分析又合称为“广义的相关分析法”
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！