东北农业大学工程学院企业生产管理学课件 第二章（3）.ppt

生产管理学 E-mail:linda7610232000@ 第三节 定量预测方法 二、因果分析模型 二、因果分析模型 * * 主讲人:王英 第二章 市场需求预测 第二章 市场需求预测 第一节 预测概述 第二节 定性预测方法 第三节 定量预测方法 第四节 预测误差 时间序列模型和因果关系模型是两种主要的定 量预测方法。时间序列模型是以时间为独立变量， 利用过去需求随时间变化的关系来估计未来的需求。 因果模型利用变量之间的相关关系，通过一种变量 的变化来预测另一种变量未来的变化。 需要注意的是，在使用时间序列模型和因果关系模型是，存在着这样一个隐含的假设：过去存在的变量间关系和相互作用机理，今后仍将存在并继续发挥作用。这个假设是使用两种定量预测模型的基本前提。 、时间序列的构成 时间序列是按一定的时间间隔和事件发生的 先后顺序排列起来的数据构成的序列。每天、 每周、每月的销售量按时间的先后顺序所构成 的序列，就是一个时间序列。对于时间序列模 型，主要讨论简单移动平均、加权移动平均、 指数平滑等几种时间序列平滑模型。 其中， n为移动平均区间的长度； Ai 为i时期的实际值 t0 为当前的时间； 为t+1时期的预测值； 1.简单移动平均法 1、简单移动平均法 例1 某电子音响器材公司SONY牌单放机的逐月销售 量记录如下表所示。取n=3和n=4，试用简单移 动平均法进行预测。 该方法用n时期移动平均值来预测下一时期的需求，但在计算平均值时，新旧数据被赋予相同的权重1/n,导致该方法对变化反应比较慢。因为越新的数据就能更好地表示出变化的情况，所以希望可以赋予新的实测值更大的权重。 1、简单移动平均法 2、加权移动平均法 其计算公式为： 其中， 为t+1周期的预测值； 为实际需求的权系数； 显然，若对每个时段 都取相同值，则加权移动 平均值就成为简单移动平均预测值。所以，简单移动 平均值是加权移动平均值的一个特例。 2、加权移动平均法 例2 某电子音响器材公司SONY牌单放机的逐月销售 量记录如下表所示。取n=3， 试用加权移动平均法进行预测。 加权移动平均法预测 简单移动平均法预测 3.一次指数平滑法 一次指数平滑平均值SAt 的计算公式为： 如果用一次指数平滑平均值SAt 作为t=1期的一次指数平滑预测值SFt，则一次指数平滑法的预测公式为： 式中，SFt+1为(t+1)期一次指数平滑预测值； At为t期实测值； α为平滑系数，表示赋予实际数据的权重； （0≤ α ≤1） 3.一次指数平滑法 月份 实际销售额At（千元） 10.00 12.00 13.00 16.00 19.00 23.00 26.00 30.00 28.00 18.00 16.00 14.00 例 某公司的月销售额记录如 表所示。 取α=0.4，SF1=11.00, 计算一次平滑指数预测值； 在时间序列模型方法中，将需求作为因变量，而将时间作为唯一的独立变量。实际上影响需求的因素很多，如国家制定的各种方针政策、科学技术的发展成果、企业的广告宣传、产品的定价等，这些因素无疑会对需求产生影响。 因果分析法是将需求作为因变量，将影响因素作为自变量，通过对影响需求的有关因素变化情况的统计计算与分析找出影响需求的一个或多个因素，分析其与需求的因果关系，根据这些关系的规律性来对需求进行预测。 *