单元三运输市场研究与预测祥解.ppt

例 【例】某企业2000至2008年销售额见下表，试用指数平滑法预测2009年销售额（α分别取0.1、0.6和0.9）。 年份 2000 2001 2002 2003 2004 2005 2006 2007 2008 销售额 （万元） 4000 4700 5000 4900 5200 6600 6200 5800 6000 例 解：（1）确定初始值 因为n=915,取时间序列的前三项数据的平均值作为初始值 例 （2）选择平滑系数α，计算各年一次指数平滑值 这里分别取α=0.1、α=0.6和α=0.9计算各年一次指数平滑值 例 （3）对不同平滑系数下取得的平滑值进行误差分析，确定α的取值。 方法：计算各平滑系数下平滑值的平均绝对误差（平均差） 计算公式： 数据计算 算例 通过比较，α=0.9时的平滑值的平均绝对误差最小，因此选用α=0.9用为平滑系数。 α=0.1的平滑值的平均绝对误差 α=0.6的平滑值的平均绝对误差 α=0.9的平滑值的平均绝对误差 例 ⑷预测2009年销售额 小结 指数平滑法考虑了观察期所有观察值对预测值的影响，这种影响按时间近及远逐渐减小，按指数递减规律进行加权平均，它的预测效果比移动平均法要好，应用面也广。 4、趋势延伸法 就是根据时间序列资料，运用最小二乘法求得变动趋势线，并使其延伸来预测市场未来的发展趋势。 1）预测模型 运用最小二乘法，可求得标准方程组： 其中： 求常数a、b的为： 要使∑t=0 当历史数据个数为奇数时,可将t=0放在中间一期 当历史数据个数为偶数时, 中间两项分别为-1和1 举例： 2001—2006年我国我国从事运输业的从业人员在第三产业从业人员总数中所占的比例，如下表，试用直线模型预测法预测2007年和2008年运输业从业人员所占的比例 年份 2001 2002 2003 2004 2005 2006 比例% 18.9 19.8 21.2 23.0 24.8 26.0 解:(1)列表求参数 年份 实际值y 年序数t t2 ty 2001 18.9 -5 25 -94.5 2002 19.8 -3 9 -59.4 2003 21.2 -1 1 -21.2 2004 23.0 1 1 23.0 2005 24.8 3 9 74.4 2006 26.0 5 25 130.0 ∑ 133.7 0 70 52.3 (2)计算参数 令t=7,则2007年预测值为 令t=8,则2008年预测值为 二、因果分析预测法 因果分析预测法: 从预测对象与其影响因素的关系上来研究预测对象的变化和发展，建立“因”、“果”之间的数学模型。 因果分析预测法包括: 1)回归分析预测法、 2)系统动力学预测法、 3)弹性系数预测法、 4)投入产出预测法。 1﹑回归分析法 回归分析是最常用的预测模型之一。通常情况下，只选用（准）一元线性回归模型。其模型的标准形式为： X——自变量（影响因素） Y——因变量（预测对象） A、B——回归系数，由左式确定 一元线性回归比较简单，但预测精度受限，主要用于中短期预测。多元线性回归较复杂，预测精度较高，常用于中长期预测。 回归分析法 模型建立后，必须对模型进行检验。 检验的目的是用于证实自变量X和因变量Y之间的线性关系。只有经检验合格的模型，方可用于实际预测。这种检验常通过计算相关系数R去进行，即： 上述R值必须大于相关系数的查表值R。(根据某一置信水平α和原始观察值组数n，去查相关系数检验表，表中的观察值n’比实际观察值数目n少2，即n’=n-2)。在R＞R。时，R越高表明线性回归的程度越高。（相关表格见概率统计类书籍） 上述模型建立后，如果知道自变量在预测期的取值(设为Xt)，那么该期的预测值Yt，便可用下式计算： 【例3-5】全国铁路货运量与煤炭产量见下表,试建立计算参数和相关方程 年序 年份 煤碳产量X (亿t) 铁路运量Y (亿t) XY X2 Y2 1 1990 6.18 10.75 66.435 38.192 115.563 2 1991 6.35 10.95 69.533 40.323 119.903 3 1992 6.20 10.86 67.332 38.440 117.940 4 1993 6.22 10.48 65.186 38.688 109.830 5 1994 6.66 11.10 73.926 44.356 123.210 6 1995 7.15 11.61 83.012 51.123 134.792 7 1996 7.89 12.12 95.627 62.252 146.894 8 1997 8.72 12.75 111.180 76.038 162.563 9 1998 8.94 13.22 11