CH5需求预测.ppt

合计 12 11 10 9 8 7 6 5 4 3 2 1 序号 1 600 600 1 4 3100 1550 2 9 4500 1500 3 16 6000 1500 4 650 268 200 33 350 78 144 58 800 4 900 12 121 44 000 4 000 11 100 45 000 4 500 10 81 34 200 3 800 9 64 23 200 2 900 8 49 18 200 2 600 7 36 18 600 3 100 6 25 12 000 2 400 5 x2 xy 销售量（y） 月份（x） 由上表的计算可知： ∑y = 33350 则： ∑x = 78 则： 由 a=441.6666，b=359.6154 可得预测模型为： y = 441.6666 + 359.1667x 来年1-3月销售量的预测值分别为： 来年1月：y13 = 441.7+359.6×13 = 5116 来年2月：y14 = 441.7+359.6×14 = 5476 来年3月：y15 = 441.7+359.6×15 = 5835 §6.4 复合趋势分析预测 实际的需求量是由趋势的变动、季节的变动、周期的变动以及随机的变动等多种成分共同作用的结果。 复合趋势分析预测就是试图从实际值中分离出各种成分，在对各种成分单独进行预测的基础上，综合各种成分的预测值，以得到最终的预测结果。 通常有两种方法进行综合： 一是加法模型：将各种成分相加进行预测。 二是乘法模型：将各种成分相乘进行预测（较多用）。 下面以具有季节波动的线性趋势需求类型为例，介绍乘法模型的应用。 * 例：某品牌洗衣机2010-2012年的销售量如下所示： 年份 一季度 二季度 三季度 四季度 2010 2011 2012 19870 20500 21650 15380 16290 18040 16050 17100 18940 20240 21180 23200 解题过程：先求出线性趋势的直线方程：Y=a+bx a、b可用最小二乘法求得。 再求出季节因子SI。 最后两者相乘进行预测：FT=(a+bx)SIT。 * 解：（1）求线性趋势直线方程（最小二乘法） 年份 季度 X 销售量Y X2 XY 2010 一季度 二季度 三季度 四季度 1 2 3 4 19870 15380 16050 20240 1 4 9 16 19870 30760 48150 80960 2011 一季度 二季度 三季度 四季度 5 6 7 8 20500 16290 17100 21180 25 36 49 64 102500 97740 119700 169440 2012 一季度 二季度 三季度 四季度 9 10 11 12 21650 18040 18940 23200 81 100 121 144 194850 180400 208340 278400 合计 78 228440 650 1531110 * * （2）求季节系数SIt 某季节的平均值 各季节的总平均值 季节系数SIt＝ 1季度季节系数SI1＝ (19870+20500+21650)/3 228440÷12 ＝1.086 2季度季节系数SI2＝ (15380+16290+18040)/3 228440÷12 ＝0.871 3季度季节系数SI3＝ (16050+17100+18940)/3 228440÷12 ＝0.912 4季度季节系数SI4＝ (20240+21180+23200)/3 228440÷12 ＝1.132 * 一季度（16937+323×13）×1. 086 = 22953.696 二季度（16937+323×14）× 0.871 = 18690.789 三季度（16937+323×15）× 0.912 = 19865.184 四季度（16937+323×16）× 1.132 = 25022.86 （3）预测2013年各季的销售情况 FT =（a+bx）SIT §6.5 因果关系分析预测 在时间序列分析预测中，需求作为因变量，时间作为唯一的自变量，这显然忽略了其他影响需求的因素，如价格、经济形势、政策、信贷等，都会对需求产生影响。 因果关系分析预测，就是通过寻找需求量与其影响因素的内在联系，建立因果分析模型，来进行需求预测。 因果模型包括回归模型、经济计量模型、投入产出模型等。 回归模型又包括