供应链需求预测的建模方法、技术、最新进展.docVIP

预测建模方法的讨论 0 引言 人类历史的发展，总要受到自然、社会、政治、经济和文化等方面的制约。人们在现实生活中，大到国家政策的制定，小到个人生活的安排，也总是根据当时的客观条件作出各种决策，借以指导未来的行为，趋利避害，实现预期目标，尽可能地减少不必要的损失。然而，制定正确决策的基础，是在特定范畴内，对该范畴的未来状况进行预测，得出满意的预测结果。预测的结果越精确，决策的合理性就越高。由于决策行为的普遍性，预测的重要地位就显得更加重要。 现实生活中，我们时时刻刻都在预测着，或许只是我们没有这种意识：自己正在做着预测。预测就是根据过去和现在预言未来，根据历史经验，客观资料和逻辑推断，寻求事物的发展规律和未来趋势。比如说，今天老师布置的作业，同学们下周五准时完成的概率是多少？这要综合多方面的因素来进行预测，包括自己本周任务的繁忙程度；作业的难易程度；以往其他同学完成作业的情况等。由此可见，预测在我们的生活中也占有重要的地位。 预测方法概述 预测方法简介 随着现代科学技术的发展，预测科学广泛地吸收应用数学、管理科学、数理统计、信息科学等领域的成果，预测方法迅速发展起来。据统计，目前预测方法大约有300多种，其中多数是在预测实践中的演变型和改进型方法，经常使用的基本预测方法大约有十几种。常用的预测方法一般分为定性方法和定量方法，如下图1所示。 定性预测方法主要依靠经验、专业水平，有时候甚至通过专家的直觉判断，结合实际情况进行预测。表面来看，定性方法似乎缺乏可信度，但是当问题很复杂，无法应用到精确的定量方法时，定性预测就成为唯一可行的方法，而且可能产生意想不到的良好预测结果。常见的定预测方法有定量预测法是运用数学模型预测未来。当能够收集到足够可靠的数据资料时，定量预测是更可取的。常见的定量预测方法有时间序列法、分析法、经济计量模型。 1.2预测步骤 整个预测过程大致有以下步骤：明确预；搜集资料；分析判断，建立预测模型；做出预测。回归预测法，分析因变量与自变量之间相互关系，用回归方程表示，根据自变量的数值变化，去预测因变量数值变化的方法。在经济预测中，人们把预测对象当作因变量，把那些与预测对象有关的因素当作自变量，收集自变量的充分数据，应用相关分析和回归分析求得回归方程，并利用回归方程进行预测。在作回归预测时必须注意下列几个问题，这些问题是提高预测准确度的条件。(1)经济现象之间，即作为因变量与自变量之间必须有关系。(2)因变量与自变量之间的关系必须密切， 要有强相关，而自变量与另一个自变量之间的关系，必须不密切，要求弱相关或零相关。　判断相关关系密切程度的方法，可以通过绘制相关图和计算相关系数。根据历史资料绘制的相关图能判断相关的类型。i=B0+B1X1i+B2X2i+…+BkXki （i=1，2，……，n） 式中，Y为因变量，X为自变量，是总体均值E（Y|X1i，X2i，…，Xki）的估计，B0为截距，Bk为偏回归系数（k=1，2，……，n）。偏回归系数又称偏斜率系数，其意义如下：例如，B1度量了在其它解释变量（X2，X3，……，Xk）保持不变的情况下，X1每变化一个单位时，Y值的变化。 模型中各系数与常数项通常利用最小二乘法来求得。但由此确定的回归方程式不一定有意义。因此，需要对拟合优度、回归系数的显著性、回归方程的显著性进行一系列的检验。通常，我们用R2检验来进行拟合优度检验，对回归模型的总体显著性检验用F检验，对个别偏回归系数的假设检验用t检验。R2给出了解释变量X对因变量Y的变动的解释比例或百分比；F检验值是对回归方程的检验，反映所有解释变量对被解释变量的总体线性回归效果；而t检验值是对每个解释变量的回归系数的检验，反映单个解释变量的线性回归效果[13]。 预测主要步骤： （1）利用解释变量和被解释变量构造多元线性回归模型时，为了避免产生多重共线性的影响，从而导致回归模型的检验结果失真，解释变量之间应尽量保持独立性。基于这一点考虑，我们要先对解释变量作相关分析。 （2）建立回归方程。 （3）进行回归检验。主要有拟合优度检验、回归系数的显著性、回归方程的显著性的检验。判断回归模型是否可行。 （3）若可行，利用回归模型进行预测。 3.1.2 实例分析 以本人本科的毕业论文——企业薪酬结构与绩效的关联性研究为例。 本文主要对英博金龙泉啤酒（湖北）有限公司的薪酬结构与绩效的关联性进行了实证分析。本文首先阐述了国内外关于薪酬结构与绩效的相关性这一领域的研究背景之后，紧接着介绍了薪酬与绩效的相关理论，然后介绍了企业近两年的薪酬结构现状、绩效现状，进而研究薪酬结构中各组成部分的权重大小对绩效影响的显著性问题。依据假设选取变量，利用SPSS软件对数据进行了线性回归，构建了线性回归模型，显示了企业的薪酬结构与绩效的相关