Shuth-Shore建筑公司销售情况预测.docxVIP

Shuth Shore建筑公司销售情况预测1绘制公司销售收入情况时间序列图并分析存在的状态1.1根据表1-1内提供的数据，利用EXCEL绘制的时间序列图见图1-1。表1-1 Shuth Shore建筑公司5年销售收入情况表年份代码季度销售收入（美元）11201210013175141321372213623245242631753215533326344841924220243384448251176522825344554181图1-1 Shuth Shore建筑公司销售收入情况时间序列图1.2状态观察。通过对图1-1的观察，我们可以看到公司的销售收入长期存在逐年增长的趋势，同时存在明显的季度趋势，即1季度、2季度逐渐增加，3季度最多，4季度又大幅减少。2通过引入虚拟变量，建立多元线性回归模型并求解。2.1 建立多元线性回归模型。我们设定：表示第t期的预测值，设定3个虚拟变量，其中：其他虚拟变量所表示意义依此类推。从而得出回归分析模型的一般形式为：（式2-1）2.2 进行求解。对公司近五年销售收入情况按照模型的需要重新编排，对季度进行依次赋值，具体见表2-1。表2-1 加入虚拟变量的销售收入时间序列年份代码季度Q1Q2Q3销售收入（美元）11100201201010013001175140001321100372201013623001245240002631100753201015533001326340004841100924201020243001384440008251100176520102825300144554000181根据表2-1，对式2-1进行求解，利用EXCEL进行回归分析求解，求解情况如图2-1所示。图2-1 带有虚拟变量的销售收入的回归分析输出进而得到的预测模型的结果是： （模型1）3 对第六年每个季度的销售收入进行预测。由式，可以得到第六年每个季度销售收入的预测值，分别是：第一季度销售收入=80第二季度销售收入=175第三季度销售收入=315第四季度销售收入=704 同时考虑趋势和季节性效用，建立多元线性回归模型。4.1 建立带有趋势的季节性效应回归分析模式，其一般形式为：+（式4-1）其中t为时间编码，取值为1,2，…，n。对表1-1重新进行编排，具体见表4-1。表4-1 带有虚拟变量和趋势的销售收入时间序列时间编码年份代码季度Q1Q2Q3销售收入（美元）1111002021201010031300117541400013521100376220101367230012458240002693110075103201015511330013261234000481341100921442010202154300138416440008217511001761852010282195300144520540001814.2 对回归方程求解。根据表4-1的资料，利用EXCEL的数据分析功能对式4-1进行求解，得到的求解结果见图4-1：图4-1 带有虚拟变量和趋势的销售收入的回归分析输出根据图4-1所示的计算结果，我们得到的回归方程为：+（模型2）5 根据回归方程，预测第六年每个季度的销售收入。由式，可以得到第六年每个季度销售收入的预测值，分别是：第一季度销售收入=220第二季度销售收入=315第三季度销售收入=455第四季度销售收入=2106 两个模型比较。我们通过对模型1和模型2的回归分析输出进行对比，可以看到模型1的可决系数只有66.19%，而模型2的可决系数为95.99%，远远高于模型1，说明模型2的拟合度好。同时在对自变量进行检测中，模型1的Q1的P值较高，对模型的拟合度有一定影响，而模型2的各个自变量P值都小于0.05，相较模型1也具有较好的可信度。