物流预测的方法总.ppt

物流需求预测方法 主要内容 一、定性方法 1.1专家意见法 4.2.1 移动平均预测 4.2.2 指数平滑预测 4.3 趋势预测 4.4 建立移动平均模型和指数平滑模型 4.4.1 移动平均模型 4.4.2 指数平滑模型 4.5 Holt预测模型 4.6 季节指数模型 1.1 专家意见法 定义：是通过听取专家意见来确定预测结果的方法。主要用于开发新技术、新产品、新项目、研究发展战略时采用。主要是聘请一些专家，他们根据自己长期对于市场发展规律的知识和经验，借助于其他产品进行类比分析、现实条件分析、经济发展速度分析等，就可能提出令人信服的预测结果来。 方法： 1）方案论证会、可行性分析会、专家座谈会、咨询会、讨论会、辩论会等，让专家写出来。 2）可行性分析报告、方案建议书、专家问卷等，让专家写出来。 2.2 综合评分法 定义： 综合评分法这一种方法是用于评价指标无法用统一的量纲进行定量分析的场合，而用无量纲的分数进行综合评价。 综合评分法是先分别按不同指标的评价标准对各评价指标进行评分，然后采用加权相加，求得总分。其顺序如下： 1、确定评价项目，即哪些指标采取此法进行评价。 2、制定出评价等级和标准。先制定出各项评价指标统一的评价等级或分值范围，然后制定出每项评价指标每个等级的标准，以便打分时掌握。这项标准，一般是定性与定量相结合，也可能是定量为主，也可以是定性为主，根据具体情况而定。 3、制定评分表。内容包括所有的评价指标及其等级区分和打分。 4、根据指标和等级评出分数值。评价者收集和指标相关的资料，给评价对象打分，填入表格。 5、数据处理和评价：将专家填写好的评分表汇总、统计、加权平均，求出最好的方案。（1） 确定各单项评价指标得分。（2） 计算各组的综合评分和评价对象的总评分。（3） 评价结果的运用。将各评价对象的综合评分，按原先确定的评价目的，予以运用。 1.3 德尔菲法（最合适的预测期：中期到长期） 二、时间序列预测法 2.1移动平均法 2.1移动平均法 2.2指数平滑法 2．3 带有需求趋势校正的指数平滑法（Holt模型） 2.4 带有需求趋势和季节性需求校正的指数平滑法（Winter模型） 当需求的时间序列中可观察到既有趋势变动特征又有季节性波动的特征时，使用带有需求趋势和季节性需求校正的指数平滑法较为合适。在这里，使用如下等式来校正预测： 系统需求=（需求水平+需求趋势）╳季节性需求 在应用此模型之前，又两个条件要满足: 一、需求模型的季节性波动的高峰与低谷产生的原因必须已知，这些峰谷值必须在每个周期的同一时间出现。 二、季节性变化要比随机波动大。 如果季节性需求不平稳、不明显，无法与随机变化区分开来，那么很难开发出准确预测下一期需求走势的模型。因此，在选择模型时要非常慎重。 2.4 带有需求趋势和季节性需求校正的指数平滑法（Winter模型） 三.因果分析法 因果分析预测法是一类对预测对象与其制约因素的相互联系进行分析，从而建立预测对象与其所能观察到的相关因素间因果关系的预测模型进行预测的方法。 3.1一元线性回归预测法 一元线性回归分析预测法，是根据自变量x和因变量Y的相关关系，建立x与Y的线性回归方程进行预测的方法。由于市场现象一般是受多种因素的影响，而并不是仅仅受一个因素的影响。所以应用一元线性回归分析预测法，必须对影响市场现象的多种因素做全面分析。只有当诸多的影响因素中，确实存在一个对因变量影响作用明显高于其他因素的变量，也就是主要因素，才能将它作为自变量，应用一元相关回归分析市场预测法进行预测。 线性相关示意图 3.1一元线性回归预测法 a、b参数由下列公式求得（用 代表 ）： 3.1一元线性回归预测法 将a、b代入一元线性回归方程Yt = a + bXt，就可以建立预测模型，那么，只要给定Xt值，即可求出预测值 。 3.2 多元线性回归的计算模型 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 3.2 多元线性回归的计算模型 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： 　　(1)自变量对因变量必须有显著的影响，并呈密切的线性相关； 　　(2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； 　　(3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因