第三章需求估计[恢复]要点.pptVIP

代入式(3—4)，得： 代入式(3—5)，得： 所以，拟合观察数据的回归方程应为： * 需求预测 德尔菲法 时间序列分解法 回归分析法可以用来对变量之间的关系定量，但如果回归模型中包括的自变量很多，数据收集就会有困难。如果随着时间的推移，变量是按照可识别的模式变化的，时间序列分析法就是对将来进行预测的可供选择的方法。 时间序列预测模型仅仅以被预测变量的历史观察值为基础，不说明产生观察结果的主要因果关系，假设历史关系将延续到未来，如果因果关系发生变化就会形成糟糕的预测，因此不适用于预测经济序列的转折点。 时间序列分析的核心是确定数据的变化是由哪几部分构成的。 P104：表3-6 Q=T·S·C·I Q：销售量预期值 T：长期趋势值 S：季节性因子：反映在一年内数据的重复的、有规则的变动 C：周期性因子：反映数据围绕长期趋势线的上下波动 I：不规则因子（随机波动） 时间序列分解法 长期趋势值T： 对销售数据消除季节性因素后，以线性函数形式，用回归分析法估计。 1、求四期（一年）移动平均数MAt ：表示一年期内典型的季销售量水平 2、求移动平均中心值CMAt：是消除了季节因素后，最能代表每季度典型销售水平的数据 3、确定长期趋势值（CMAT，T）：用回归分析法，利用移动平均中心值CMAt数据估计长期趋势值 CMAT=f（t） T为期数，估计回归方程，计算长期趋势值 测定季节因子S 1、计算季节系数SFt：实际销售量与移动平均中心值的比，反映了季节因素 2、计算季节指数SIt：消除年度变化影响 测定周期系数C 1、比较移动平均中心值与长期趋势值：如果移动平均中心值围绕长期趋势线上下波动，则存在周期性运动。 2、根据过去的波动模式，推测未来C值P108 P104表中2005，3~2003，4中的周期系数为估计值 移动平均法和指数平滑法 移动平均法 移动平均方法是收集一组观察值， 计算这组观察值的均值，利用这一均值 作为下一期的预测值。 在移动平均值的计算中包括的过去观察值 的实际个数，必须一开始就明确规定。每 出现一个新观察值，就要从移动平均中减 去一个最早观察值，再加上一个最新观察 值，计算移动平均值，这一新的移动平均 值就作为下一期的预测值。 移动平均法有两种极端情况 在移动平均值的计算中包括的过去观察值的实际个数N=1，这时利用最新的观察值作为下一期的预测值； N=n，这时利用全部n个观察值的算术平均值作为预测值。 当数据的随机因素较大时，宜选用较大的N，这样有利于较大限度地平滑由随机性所带来的严重偏差；反之，当数据的随机因素较小时，宜选用较小的N，这有利于跟踪数据的变化，并且预测值滞后的期数也少。 由移动平均法计算公式可以看出，每一新预测值是对前一移动平均预测值的修正，N越大平滑效果愈好。 设时间序列为 移动平均法可以表示为： 式中： 为最新观察值； Ft+1为下一期预测值； 移动平均法的优点 计算量少； 移动平均线能较好地反映时间序列 的趋势及其变化。 移动平均法的两个主要限制 限制一：计算移动平均必须具有N个过 去观察值，必须存储大量数据； 限制二：N个过去观察值中每一个权数 都相等，早于（t-N+1）期的观察值的 权数等于0，而实际上往往是最新观察值 包含更多信息，应具有更大权重。 例题分析：分析预测我国平板玻璃月产量 时间 序号 实际观测值 三个月移动平均值 五个月移动平均值 2005.1 .2 .3 .4 .5 .6 .7 .8 .9 .10 .11 .12 1 2 3 4 5 6 7 8 9 10 11 12 203.8 214.1 229.9 223.7 220.7 198.4 207.8 228.5 206.5 226.8 247.8 259.5 - - - 215.9 222.6 224.8 214.6 209.0 211.6 214.3 220.6 227.0 - - - - - 218.4 217.4 216.1 215.8 212.4 213.6 223.5 下表是我国2005-2006年平板玻璃月产量，试选用N=3和N=5用一次移动平均法进行预测。计算结果列入表中。