【正文】 測(cè) 。 德?tīng)柗品ǖ膬?yōu)點(diǎn)是簡(jiǎn)單易行 ， 用途廣泛 ， 費(fèi)用較低 ， 在大多數(shù)情況下 ， 可以得到比較準(zhǔn)確的預(yù)測(cè)結(jié)果 。 鑒于以上優(yōu)缺點(diǎn) ， 德?tīng)柗品ㄖ饕m用在四個(gè)方面： ① 缺乏足夠的資料； ② 作長(zhǎng)遠(yuǎn)規(guī)劃或大趨勢(shì)預(yù)測(cè)； ③ 影響預(yù)測(cè)事件的因素太多；④ 主觀因素對(duì)預(yù)測(cè)事件的影響較大 。 不論是一元回歸模型還是多元回歸模型 ， 預(yù)測(cè)模型的建立要經(jīng)過(guò)嚴(yán)格的統(tǒng)計(jì)檢驗(yàn) ， 否則模型不能成立 。其基本原理是，對(duì)于確定的方程，使觀察值對(duì)估算值偏差的平方和最小。 yx、 yx、相關(guān)系數(shù)的判斷原則 R的取值在 ﹣ 1和 1之間 ， 有以下幾種情況： （ 1） 當(dāng) R=1時(shí) ， 變量 x和 y完全正相關(guān)； （ 2） 當(dāng) R=﹣ 1時(shí) ， 變量 x和 y完全負(fù)相關(guān)； （ 3） 當(dāng) 0R1時(shí) ， 變量 x和 y正相關(guān)； （ 4） 當(dāng) 1R0時(shí) ， 變量 x和 y負(fù)相關(guān)； （ 5） 當(dāng) R=0時(shí) ， 變量 x和 y沒(méi)有線性關(guān)系 。 在自由度為 n﹣ 2（ n為樣本容量 ）和顯著性水平 α 下 ， 若 R大于臨界值 ， 則變量 x和 y之間的線性關(guān)系成立；否則 ， 兩個(gè)變量不存在線性關(guān)系 。 年 鍍鋅鋼板消費(fèi)量（萬(wàn)噸） 第二產(chǎn)業(yè)產(chǎn)值（千億元） 2023 2023 2023 2023 2023 2023 2023 2023 2023 2023 解 （ 1）建立回歸模型。 （ 3）參數(shù)計(jì)算及建立預(yù)測(cè)模型 ? ?? ????iiiiixxxyxyxb 2 = xbya ?? = 預(yù)測(cè)模型： y=+ （ 4）需求預(yù)測(cè) 根據(jù)地方規(guī)劃， 2023年地區(qū)第二產(chǎn)業(yè)產(chǎn)值將達(dá)到： x(2023)= x(2023) (1+r)5=(1+)5= 2023年當(dāng)?shù)劐冧\鋼板需求量預(yù)測(cè)為： y(2023)=a+b x(2023) =+= 延伸預(yù)測(cè)法 應(yīng)用延伸預(yù)測(cè)法進(jìn)行預(yù)測(cè)需具有以下條件：一是預(yù)測(cè)變量的過(guò)去 、現(xiàn)在和將來(lái)的客觀條件基本保持不變 ， 歷史數(shù)據(jù)揭示的規(guī)律可以延續(xù)到未來(lái) 。如在市場(chǎng)預(yù)測(cè)中，經(jīng)常遇到按時(shí)間排列的統(tǒng)計(jì)數(shù)據(jù)，如按月份、季度和年度統(tǒng)計(jì)的 GDP、 發(fā)電量、客運(yùn)量、銷(xiāo)售量等數(shù)據(jù)，就可稱為時(shí)間序列數(shù)據(jù)。該方法對(duì)過(guò)去若干歷史數(shù)據(jù)求算術(shù)平均數(shù)，并把該數(shù)據(jù)作為以后時(shí)期的預(yù)測(cè)值。 【 例 26】 某地區(qū)煤炭消費(fèi)量預(yù)測(cè) 1～ 12月，某地區(qū)煤炭消費(fèi)量見(jiàn)下表，請(qǐng)用一次平滑指數(shù)法預(yù)測(cè)明年 1月的煤炭需求量（ α值取 ） 某地區(qū)煤炭消費(fèi)表 月份 t 月消費(fèi)量 xt（萬(wàn)噸） 月份 t 月消費(fèi)量 xt（萬(wàn)噸） 1 1 7 7 2 2 8 8 3 3 9 9 4 4 10 10 5 5 11 11 6 6 12 12 【 解答 】 首先，計(jì)算初始平滑值： F0=（ x1+x2+x3） /3=（ ++）/3= 按照指數(shù)平滑的計(jì)算公式，得出： F1=αx1+（ 1α） F0= +（ ） = F2=αx2+（ 1α） F1= +（ ） = F3=αx3+（ 1α） F2= +（ ） = ………… F12= 于是，明年 1月煤炭需求量 x39。企業(yè)的戰(zhàn)略類(lèi)型可分為三類(lèi)：總體戰(zhàn)略、競(jìng)爭(zhēng)戰(zhàn)略、職能戰(zhàn)略，每類(lèi)戰(zhàn)略又可進(jìn)一步細(xì)分。 戰(zhàn)略分析方法與預(yù)測(cè)技術(shù) 靜夜四無(wú)鄰，荒居舊業(yè)貧。 12:07:5212:07:5212:07Thursday, March 9, 2023 1乍見(jiàn)翻疑夢(mèng)，相悲各問(wèn)年。 2023年 3月 9日星期四 12時(shí) 7分 52秒 12:07:529 March 2023 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 :07:5212:07Mar239Mar23 1世間成事，不求其絕對(duì)圓滿，留一份不足，可得無(wú)限完美。 2023年 3月 下午 12時(shí) 7分 :07March 9, 2023 1少年十五二十時(shí)，步行奪得胡馬騎。 12:07:5212:07:5212:073/9/2023 12:07:52 PM 1越是沒(méi)有本領(lǐng)的就越加自命不凡。 :07:5212:07:52March 9, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 下午 12時(shí) 7分 52秒 下午 12時(shí) 7分 12:07: MOMODA POWERPOINT Lorem ipsum dolor sit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis amet, consectetur adipiscing elit. Fusce id urna blanditut cursus. 感謝您的下載觀看 專(zhuān)家告訴 。 2023年 3月 下午 12時(shí) 7分 :07March 9, 2023 1業(yè)余生活要有意義，不要越軌。 12:07:5212:07:5212:07Thursday, March 9, 2023 1知人者智，自知者明。 下午 12時(shí) 7分 52秒 下午 12時(shí) 7分 12:07: 楊柳散和風(fēng)，青山澹吾慮。 :07:5212:07:52March 9, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 , March 9, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒(méi)有。 2023年 3月 9日星期四 下午 12時(shí) 7分 52秒 12:07: 1比不了得就不比，得不到的就不要。 12:07:5212:07:5212:073/9/2023 12:07:52 PM 1以我獨(dú)沈久，愧君相見(jiàn)頻。為支持企業(yè)戰(zhàn)略決策，需要進(jìn)行市場(chǎng)調(diào)查與預(yù)測(cè)，遵循一定的市場(chǎng)調(diào)查程序與方法。 月份 時(shí)序 t 月消費(fèi) xt（萬(wàn)噸） 一次指數(shù)平滑值 Ft 預(yù)測(cè)值 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10 11 11 12 12 明年 1月 13 本章小結(jié) 針對(duì)不同的行業(yè)和產(chǎn)品，每個(gè)企業(yè)要從自身發(fā)展需求出發(fā)，選擇不同的發(fā)展戰(zhàn)略。 例 某企業(yè)考慮增資建設(shè)一條高效能添加劑的生產(chǎn)線， 2023年 712月該企業(yè)高效能添加劑的銷(xiāo)量波動(dòng)如下表所示，用簡(jiǎn)單移動(dòng)平均法預(yù)測(cè) 2023年第一季度該企業(yè)高效能添加劑的銷(xiāo)售量。下面通過(guò)介紹簡(jiǎn)單移動(dòng)平均法來(lái)說(shuō)明時(shí)間序列預(yù)測(cè)方法。 延伸預(yù)測(cè)法包括移動(dòng)平均法、指數(shù)平滑法、成長(zhǎng)曲線模型、季節(jié)波動(dòng)模型等，其基本方法是時(shí)間序列預(yù)測(cè)。 ? ???????22 )()())((yyxxyyxxRiiii= 在 α = ， 自由度 =n﹣ 2=8， 查相關(guān)檢驗(yàn)表 ， 得 =。按照該地區(qū)發(fā)展規(guī)劃，第二產(chǎn)業(yè)增長(zhǎng)速度預(yù)計(jì)為 12%。 只有當(dāng) R的絕對(duì)值達(dá)到一定程度時(shí) ， 才能采用線性回歸模型進(jìn)行預(yù)測(cè) 。相關(guān)系數(shù)描述兩個(gè)變量之間的線性相關(guān)關(guān)系的密切程度的數(shù)量指標(biāo)，用 R表示。 在實(shí)際預(yù)測(cè)中 ， ei是無(wú)法預(yù)測(cè)的 ， 回歸預(yù)測(cè)是借助 a+bxi得到預(yù)測(cè)對(duì)象的估計(jì)值 yi。 回歸分析法是分析相關(guān)因素相互關(guān)系的一種數(shù)理統(tǒng)計(jì)方法 ， 通過(guò)建立一個(gè)或一組自變量與相關(guān)隨機(jī)變量的回歸分析模型 ， 來(lái)預(yù)測(cè)相關(guān)隨機(jī)變量的未來(lái)值 。 如某些無(wú)先例時(shí)間和突發(fā)事件的預(yù)測(cè) 、復(fù)雜的社會(huì)經(jīng)濟(jì)問(wèn)題等 。 預(yù)測(cè)方法體系圖 市