物流市场需求调查与预测.pptVIP

* * 指数平滑法 下一期预测值=α（实际需求值）+（1-α）（前期的预测值） 其中，α是权数，通常称作指数平滑系数，它的值介于0和1之间。α值越大，对近期需求情况给的权数越大,模型就能越快地对时间序列的变化做出反应。但α过大可能使得预测过于“神经质”，会跟踪时间序列的随机波动，而不是根本性变化。α越小，预测未来需求时给需求历史数据的权数越大，在反应需求水平根本变化时需要的时滞就越长。如果α值很低，预测结果会非常“平稳”，不太可能受时间序列随机因素的严重干扰。 上述内容用可用公式表达： (5-1) 式中：At —第t期的需求值； Ft —第t期的预测值； Ft+1 —对第t+1期，或 下期的预测值。 * * 校正趋势 基本的指数平滑模型适用于趋势和季节性变化不是很明显的时间序列。如果数据中有明显的趋势和季节性特征，这类模型的内在滞后性就会造成令人无法接受的预测误差。所以我们对有趋势的数据要用校正过的公式。 (5-2) (5-3) (5-4) 式中： Ft+1——第t+1-期校正趋势后的预测； St——第t期的最初预测； Tt——第t期的趋势； β——趋势平滑系数。 * * 校正趋势和季节性因素 ⑴需求模式的季节性高峰和低谷产生的原因必须已知，这些高峰和低谷必须在每年的同一时间出现。 ⑵季节性变化要比随机波动（或“噪音”）大。 (5-5) (5-6) (5-7) (5-8) 式中：Ft+1——第t+1期校正趋势和 季节性因素后的预测值； γ——季节性指数基础上的平 滑系数； It——第t期的季节性指数； L——一个完整季节的期间。 * * ⒊因果法(Casual Method) 因果预测模型的基本前提就是预测变量的水平取决于其他相关变量的水平。 因果模型有很多不同形式：统计形式，如回归和计量经济模型；描述形式，如投入-产出模型，生命周期模型和计算机模拟模型。每种模型都从历史数据模式中建立预测变量和被预测变量的联系，从而有效地进行预测。 在因果法中，我们主要介绍一下回归分析法。 回归分析法的基本步骤是： ⑴进行定性分析，以确定与预测对象有因果关系的因素； ⑵收集、整理有关因素的资料； ⑶计算变量间的相关系数并确定回归方程； ⑷利用回归方程进行预测。 回归分析法有两种情况，凡是求一个变量对另外一个变量的回归问题分析，即为一元回归分析法；而一个变量对多个变量的回归问题分析，即为多元回归分析法。 * * 式中： xi——自变量第i期的实 际值； yi——因变量第i期的实际值； n——时间序列的项数； x、y——分别是xi 、 yi的平均数。 一元线性回归预测法 如果预测对象与相关变量之间存在线性关系，那么这种关系可以用以下公式表示： (5-9) 式中：x——自变量； y——因变量（即预 测变量）； a、b——回归系数。 通过最小平方法可以 计算回归系数a、b。 其计算公式如右： (5-10) (5-11) * * 多元线性回归预测法 如果预测对象y与一组相关变量x1，x2，…，xm之间存在线性关系，那么这种关系可以用以下公式表示： (5-12) 式中： e——随机误差项； a、bi——未知参数； m ——自变量的个数。 公式中的参数可用最小二乘法求得。以二元回归方程为例，将公式（5-12）中的m取2，就有： 运用最小二乘法，可求得如下标准方程： 解此方程组，就可求得a、b1、b2，进而就可以写出预测方程进行预测了。 (5-13) (5-14) (5-15) (5-16) THE END 物流市场需求调查与预测 * * 物流市场需求调查与预测 1 物流市场的类型 2 物流市场调查 3 物流市场预测 * * 学习要点 ⑴物流市场的分类，物流市场调查，物流市场调查的程序 ⑵物流市场调查所用的方法和技术 ⑶物流市场预测的涵义，物流市场预测的程序，市场预测常用方法 * *