Case study -Carlson FORECASTING LOST SALES.ppt

SUMMARY OUTPUT 回归统计 Multiple R 0.695200245 R Square 0.483303381 Adjusted R Square 0.472070846 标准误差 0.166911405 观测值 48 方差分析 　 df SS MS F Significance F 回归分析 1 1.198709841 1.198709841 43.027097 4.18124E-08 残差 46 1.281533185 0.027859417 总计 47 2.480243026 　 　 　 　 Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% Intercept 2.149084249 0.048946014 433.34452E-39 2.050561034 2.247607464 X Variable 1 0.011407227 0.001739038 6.559504326 4.18124E-08 0.007906725 0.014907728 Y=2.1491+0.0114t 2006年9月-2010年8月Carlson商店销量、消除季节影响的销量、销量长期趋势 2006年9月-2010年8月Carlson商店销量、消除季节影响的销量、 销量长期趋势、对2010年9月-2010年12月销量的预测 乘法模型 1. 计算移动平均值(CMAs)。 2. 对移动平均值取中间值对应特定时间。 3. 计算季节不规则成分值(Yt /TtCt =StIt)。 4. 计算平均季节指数。 5. 季节指数调整(St )。 6. 计算消除了季节影响的销量(Yt/St=TtCt It )。 7. 计算消除了季节影响的销量的长期趋势线。 8. 计算趋势预测值。 9. 计算月度预测值。 Steps of Multiplicative Time Series Model 1. Calculate the centered moving averages (CMAs). 2. Center the CMAs on integer-valued periods. 3. Determine the seasonal and irregular factors (StIt ). 4. Determine the average seasonal factors. 5. Scale the seasonal factors (St ). 6. Determine the deseasonalized data. 7. Determine a trend line of the deseasonalized data. 8. Determine the deseasonalized predictions. 9. Take into account the seasonality. 该县得到了超过80 亿美元的联邦救灾补偿和保险金，导致杂货商店销售额的增加和其它无数商业活动的繁荣。Carlson的管理者要求你确定在2010年9月-2010年12月停业期间是否存在由于台风而产生的额外销售额，如果存在的话，Carlson除了获得正常销售额的补偿外。还将得到额外销售额作为补偿。 表2给出了该县所有的杂货商店在遭受台风袭击之前48个月的总销售额，同时也给出了Carlson停业期间的总销售额。 表2 2006年9月-2010年12月该县所有杂货商店总销量 （单位：百万美元） 月 2006年 2007年 2008年 2009年 2010年 1 46.80 46.80 43.80 48.00 2 48.00 48.60 45.60 51.60 3 60.00 59.40 57.60 57.60 4 57.60 58.20 53.40 58.20 5 61.80 60.60 56.40 60.00 6 58.20 55.20 52.80 57.00 7 56.40 51.00 54.00 57.60 8 63.00 58.80 60.60 61.80 9 55.80 57.60 49.80 47.40 69.00 10 56.40 53.40 54.60 54.60 75.00 11 71.40 71.40 65.40 67.80 85.20 12 117.60 114.00 102.00 100.20 121.8