子情境3回归模型预测与季节性预测 (1)讲解.pptx

物流管理定量分析

目录CONTENTS情境二情境三情境四情境五课程认知物流需求预测物流资源配置规划物流任务指派情境六情境一物流运输规划物流项目管理

情境二物流需求预测需求预测认知移动平均预测和指数平滑预测回归模型预测子情境2季节性变动的预测子情境1子情境3子情境4

知识点本节知识点知道预测的程序。理解产品或劳务的需求特性。知道对物流管理者有用的预测方法。理解时间序列、时间序列分析法的含义及其基本原理。掌握移动平均法和指数平滑法的计算步骤。理解变量间的相关关系及回归预测模型法的基本原理。掌握一元线性回归预测模型参数的计算步骤。

能力点能够熟练地运用移动平均法对物流需求问题进行预测。能够熟练地运用指数平滑法对物流需求问题进行预测。能够运用一元线性回归预测模型对物流需求问题进行预测。本节能力点

回归分析法就是依据事物发展的内部因素变化的因果关系来预测事物未来的发展趋势。又称为回归模型预测法，或因果法。它是研究变量间相互关系的一种定量预测方法。子情境3回归模型预测法一、一元线性回归模型预测法二、回归预测模型和平滑预测模型的比较三、回归预测模型和平滑预测模型的比较四、回归预测模型软件求解

一、一元线性回归模型预测法一元线性回归模型是描述一个自变量与一个因变量之间关系的模型，一般表达式为：式中：（一）一元线性回归方程——回归模型的参数——因变量——自变量

一、一元线性回归模型预测法系数确定的原则是使预测值尽可能地接近实际值，应用的方法是最小二乘法。（一）一元线性回归方程最小二乘法是指：寻求使误差平方总和为最小的配合趋势线的方法。或，依计算估算点和实际点间平方之和为最小，描绘配合趋势线的方法。

一、一元线性回归模型预测法例8-7设某仓储货运站点有一统计资料，共统计了最近6个月某货品的进价和售价数据，具体数据如表8-7所示：表8-7仓库货品进价、售价统计表（单位：元/件）月次123456进价（x）3528912售价（y第7个月预计进价为10元，试预测第7个月的售价。

一、一元线性回归模型预测法例8-7解：（1）绘制数据散布图和趋势线。

一、一元线性回归模型预测法例8-7解：（2）建一元线性回归方程式。

一、一元线性回归模型预测法例8-7解：通过运用最小二乘法，使达到最小。

一、一元线性回归模型预测法例8-7解：我们得到求解回归参数系数的计算公式：

一、一元线性回归模型预测法例8-7解：表8-8公式中所需要数据的计算（3）计算应用。n（月次）xiyixiyiXi2134129256302532364489726459121088161214168144合计3948396327

一、一元线性回归模型预测法例8-7解：将表8-8中的有关数字代入系数的计算公式，得：解这个联立方程后，得：所以求得的回归方程式为：由于第7个月的预计进价为10元，则预测该月的售价为：

一、一元线性回归模型预测法模型建立后，还需要经过各项检验，只有经过检验之后的模型，才可应用于预测。相关检验就是判定y与x的相关程度或两者之间的线性关系的检验。这些特性或概念在数学上比较复杂，本节就不过多赘述。（二）确定相关系数并进行相关性检验预测未来的因变量y的实际值可能落入的置信区间。考虑到数学计算的复杂和烦琐，本节不再作深入介绍。（三）置信区间

三、回归预测模型和平滑预测模型的比较适用范围不同平滑预测模型只适用于时间序列，只适用于做短期预测。回归预测模型即适用于时间序列，也适用于具有因果关系的非时间序列，也适用做中期预测功能不同平滑预测模型只用于进行预测回归模型除了进行预测外，还可以进行结构分析、政策评价等根据不同回归预测模型是根据统计学原理推导出来的，可对模型进行检验。平滑预测模型则不能进行检验

三、回归预测模型和平滑预测模型的比较平滑预测模型优点在进行时间序列预测时，平滑预测模型比回归预测模型更简单。权重系数不同平滑预测模型可以对数据的远近赋予大小不同的权重系数，而回归预测模型对于时间序列中的每一个数据点都给予同样的重视。

四、回归预测模型软件求解1、EXCEL插件安装2、EXCEL数据输入3、绘制散点图4、EXCEL求解模型5、预测

多数企业是常年生产，常年销售。但有些企业的产品是季节性生产，如棉花、蔗糖加工等；有些企业的产品是常年生产，季节性消费，如电风扇、空调、应时服装等。也有些产品是季节性生产，季节性消费。这些季节性的产量或销量的变化将直接影响到对运力、仓储空间的需求量。子情境4季节性变动的预测

以在销售和运价上具有季节性波动的产品