第四章旅游者需求预测（-）.pptVIP

第四章 旅游者需求预测（一） 教学重点与难点： 1、趋势外推模型 2、时间序列模型 学习目的与要求： 1、理解趋势外推模型 2、理解几种常见时间序列分析方法 3、掌握季节交乘预测方法 一、旅游需求预测 水平时间序列模型： 一次滑动平均模型；加权平均; 一次指数平滑模型。 趋势需求模型： 线形趋势模型： 线形回归模型； 二次滑动平均模型 非线形趋势模型： 二次回归模型； 三次指数平滑模型 季节性需求模型： 季节性水平模型； 季节性交乘趋势模型 Box — Jenkins模型 1、趋势外推模型 （1）简单回归分析 一元线性回归： T＝b0 + b1t P58 图4.1 注意： 外推时间不宜过长 趋势线预测法三种最常用的趋势线：① 直线型趋势线 yt=a+bt② 指数型趋势线 yt=abt ③ 抛物线型趋势线 yt=a+bt+ct2  这三种趋势线方程中系数的求解可以用回归分析方法的最小二乘法实现 2、时间序列模型 时间序列的含义： 分析地理要素（变量）随时间变化的历史过程; 揭示其发展变化规律，并对其未来状态进行预测 时间单位： 年 季 月 周 日 时序数据特点：趋势 季节 循环 偶然 季节变化（季节波动）： 以年为周期，以月、季为时段 预测过程： 曲线拟合 ? ? ? ?估计未来 平滑预测法 1）移动平均法设某一时间序列为y1，y2，…，yt，则下一期（t+1时刻）的预测值： ? 为t点的移动平均值，n为移动时距（点数） 用最近几个时期数据值的平均数作为下一个时期的预测值 2) 加权滑动平均模型 2) 滑动平均法计算公式： ? 为t点的滑动平均值， 为单侧平滑时距（点数）。 滑动平均法的计算结果优于移动平均法； 三点滑动平均法的计算结果与原始数据的误差较小 3) 指数平滑法指数平滑法可以分为一次指数平滑和高次指数平滑 一次指数平滑： ① 计算公式  α为平滑系数。 ② 平滑系数的确定 ▲ 若时间序列较平稳，数据波动较小，α取值可小一些 一般取α∈（0.05 , 0.3）； ▲ 若时间序列数据起伏波动比较大，α应取较大的值 一般取α∈（0.7 , 0.95）；具体应用时可通过经验或试算，以误差尽可能的小为最好 季节性水平模型 = * （i=1，2，……，T） 式中， 为平均数； 为季节指数 T为季节周期的长度 适用条件：适用于只有季节变动， 无明显的趋势变动的时间序列 建模： 计算； 求解。 季节性交乘模型 时间序列可分解： 长期趋势（T）、季节变动（S）、 循环变动（C）和不规则变动（I）四种 时间序列分析的模型：▲ 加法模型 Y=T+S+C+I 假设四种因素相互独立 ▲ 乘法模型 Y=T×S×C×I 假定各因素之间存在交错互动影响 在地理统计时序分析中，乘法模型更为常用。对乘法模型进行变换可以对长期趋势、季节变动、循环变动及不规则变动进行测定 季节性交乘趋向模型 = （a + bt）* （i=1，2，……，T） 式中， =（a + bt）为趋势部分 为季节指数