第十一章 时间序列分析法.pptVIP

第十一章 时间序列分析法 第一节 时间序列分析法概述 第二节 平均数法 第三节 移动平均法 第四节 指数平滑法 第五节 季节系数法 第一节 时间序列法概述 一、概念 时间序列法是利用预测目标的历史时间数据，通过统计分析研究其发展变化规律，建立数学模型，据此进行外推预测目标的一种定量预测法。 二、变动模式类型 趋势变动(Tt) 循环变动(Ct) 季节变动(St) 不规则变动(It) 组合形式：Yt=Tt +St+ Ct+ It Yt=Tt* St* Ct* It 三、预测步骤 1、整理资料，编制时间序列 2、对时间序列进行分析，确定时间序列变动模式 3、选择适宜的预测方法和预测模型 4、进行预测 5、预测误差分析 第二节 平均数法 一、简单算术平均数 二、加权算术平均数 三、平均增长量预测法 四、几何平均数 课堂练习 1、某公司近四年的销售量分别为198、206、212、188万件，预测今年销售量。 2、根据下列数据，计算员工平均工资。 3、某企业固定资产总额历史资料如下，试预测下一年度投资额。单位：百万 4、某公司2000-2004年甲商品销售量见下表，预测2005年销售量。 第三节 移动平均数 在算术平均法的基础上发展而来，采取分段移动平均的方法，从时间序列第一期数据开始，数次按一定跨越期由前向后有序移动求出每个跨越期的平均数，通过比较误差，以确定一个最佳跨越期，即一组最佳的数据来求预测值。 一、一次移动平均法 二、加权移动平均法 三、二次移动平均法 一、一次移动平均法 N=3，Y11=（55+45+65）/ 3=55 N=5，Y11=（43+46+55+45+65）/ 5=50.8 经过误差分析，用5个月移动平均法更好，所以取50.8为第十一月的预测值。 二、加权移动平均法 简单移动平均有利于消除干扰，揭示长期趋势，但它将各历史数据同等看待，不够合理，近期数据能反映当前情况，应给予一定权数。 某商场1至11月实际销售额如下表，假定跨越期为3个月，权数为1、2、3，用加权移动平均法预测12月的销售额。 Y4=（3*35+2*45+1*38）/（1+2+3）=38.83 Y5= （3*49+2*35+1*45）/（1+2+3）=43.67 。 。 。 Y12= （3*64+2*68+1*45）/（1+2+3）=62.17 三、二次移动平均法 当时间序列呈现出明显的线形增长或下降的变动趋势时，用一次移动平均进行预测其移动平均值总是滞后于实际值的变化，因此要进行修正，在一次平均值的基础上，再进行二次移动平均，利用两次移动平均的滞后偏差规律，求得移动系数，建立线形预测模型。 例，某产品1到11月份的销售额如下(单位万元)，假设跨越期N=4，用二次移动平均分别预测2月份和次年1月份的销售额。 Y8=a7+b7*1=55.81+2.54*1=58.35（万元） Y9=a8+b8*1=55.87+1.58*1=57.45 . . Y12=a11+b11*1=61.81+3.04*1=64.85 Y13=a11+b11*2=61.81+3.04*2=67.89 Y14=a11+b11*3=61.81+3.04*3=70.93 第四节　指数平滑法 　　利用移动平均法预测，只考虑到了离预测期最近的几个数据，而指数平滑法考虑了全部的观察值数据，并根据每个数据对预测值影响的不同，分别给予不同权数，克服了移动平均的缺点。 　　指数平滑法分一次指数平滑法和二次指数平滑法。指数平滑法是一种特殊的加权平均法。 一次指数平滑法 二次指数平滑法 第五节　季节系数法 某服装店近三年汗衫销售额如下表，预计2003年汗衫销售额比2002年增长4%。用直接平均季节指数法预测2003年各季度汗衫销售量。 第十二章 回归分析预测法 一、回归分析预测法概述 （一）市场现象之间两类因果关系 市场活动中的许多现象，都有其产生的原因，都要受一定因素的制约，都是一定原因的必然结果。 在研究市场现象之间因素关系时，一般将引起某一市场现象变化的各种因素（或原因）称为自变量，将被引起变化的市场现象（即结果）称为因变量。 市场现象之间的因果关系可以分为两类：函数关系和相关关系。 函数关系：指现象之间确定的数量依存关系，即自变量取一个数值，因变量必然有一个对应的确定数值；自变量发生某种变化，因变量必然会发生相应程度的变化。 相关关系：现象之间确定存在的不确定的