【文章內(nèi)容簡介】 以上檢驗，說明回歸預測方程的檢驗是顯著的（3）當商品銷售額為13萬元時，預測商品流通費率:當商品銷售額為13萬元時，預測商品流通費率為6．已知下表中為某種產(chǎn)品銷售額的時間序列數(shù)據(jù)，其中為時間序號，為產(chǎn)品銷售額（單位：萬元）。試利用龔帕茲生長曲線預測2005年該產(chǎn)品的銷售額。年份199619971998199920002001200220032004123456789解：將上述數(shù)據(jù)分為三組： 19961998為第一組，19992001為第二組，20022004為第三組；然后求各組的值的對數(shù)和：， 利用公式，求得：，所以所以所以，則預測模型為：故（萬元）。第四章 思考與練習？時間序列預測方法有什么假設？答：時間序列是一組按時間順序排序的數(shù)據(jù)。時間序列預測方法的假設：①假設預測目標的發(fā)展過程規(guī)律性會延續(xù)到未來。②假設預測對象的變化僅僅與實踐有關。？選擇參數(shù)N應考慮哪些問題？答：N值越大對數(shù)據(jù)修勻的程度越強，建立移動模型的波動也越小，預測值的變化趨勢反應也越遲鈍。N值越小，對預測值的變化趨勢反應越靈敏，但修勻性越差，容易把隨機干擾作為趨勢反應出來。 選擇N的時候首先需要考慮預測對象的具體情況，是希望對預測對象的變化趨勢反應的更靈敏還是鈍化其變化趨勢從而更看重綜合的穩(wěn)定預測；其次，如果時間序列有周期性變動，則當N的選取剛好是該周期變動的周期是，則可消除周期變動的影響。解：有了二次移動平均的預測模型的推導過程，同理可以推廣出三次移動平均法的預測模型：已知時間序列，是跨越期一次移動平均數(shù)：；二次移動平均數(shù)：；三次移動平均數(shù)：；設時間序列從某時期開始具有直線趨勢，且認為未來時期也按此直線趨勢變化，則可設此直線趨勢預測模型為： 其中t為當前的時期數(shù)；T為由t至預測期數(shù)，；；？為什么說指數(shù)平滑法是移動平均法的改進？答：移動平均法：計算簡單易行；預測是存儲量大，僅考慮最近的N個觀察值等權(quán)看待，而對tN期以前的數(shù)據(jù)則完全不考慮，不能預測長期趨勢。指數(shù)平滑法：適用于中短期的預測方法，任一期的指數(shù)平滑值都是本期實際觀察值與前一期指數(shù)平滑值的加權(quán)平均。指數(shù)平滑法是對移動法的改進。移動平均法則不考慮較遠期的數(shù)據(jù)，并在加權(quán)移動平均法中給予近期資料更大的權(quán)重；而指數(shù)平滑法則兼容了全期平均和移動平均所長，不舍棄過去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠離，賦予逐漸收斂為零的權(quán)數(shù)。、指數(shù)平滑法和時間序列分解法，它們各自的優(yōu)缺點是什么？答：難度所用數(shù)據(jù)適用預測權(quán)重相對準確性移動平均法易近期N的數(shù)據(jù)短期無差指數(shù)平滑法一般所有數(shù)據(jù)中短期重近輕遠一般時間序列解法復雜所有數(shù)據(jù)長中短期無好 的大小對預測值有什么影響？選擇平滑系數(shù)a 應考慮哪些問題？確定指數(shù)平滑的初始值應考慮哪些問題？答：的大小對預測值得影響：的取值越大：近期資料對預測值得影響越強，遠期資料的影響弱；的取值越?。哼h期資料對預測值得影響增強。選擇的考慮的問題：①如果預測誤差是由某些隨機因素造成的，即預測目標的時間序列雖有不規(guī)則起伏波動，但基本發(fā)展趨勢比較穩(wěn)定，只是由于某些偶然變動使預測產(chǎn)生或大或小的偏差，這時，應取小一點，以減小修正幅度，使預測模型能包含較長的時間序列的信息。 ②如果預測目標的基本趨勢已經(jīng)發(fā)生了系統(tǒng)的變化，也就是說，預測誤差是由于系統(tǒng)變化造成的，則的取值應該大一點，這樣，就可以根據(jù)當前的預測誤差對原預測模型進行較大幅度的修正，使模型迅速跟上預測目標的變化。不過，取值過大，容易對隨機波動反應過度。 ③如果原始資料不足，初始值選取比較粗糙，的取值也應大一點。這樣，可以使模型加重對以后逐步得到的近期資料的依賴，提高模型的自適應能力，以便經(jīng)過最初幾個周期的校正后，迅速逼近實際過程。 ④假如有理由相信用以描述時間序列的預測模型僅在某一段時間內(nèi)能較好地表達這個時間序列，則應選擇較大的值，以減低對早期資料地依賴程度確定指數(shù)平滑的初始值應考慮的問題：如果數(shù)據(jù)序列較長，或者平滑系數(shù)選擇得比較大，則經(jīng)過數(shù)期平滑鏈平滑之后，初始值對的影響就很小了。故我們可以在最初預測時，選擇較大的值來減小可能由于初始值選取不當所造成的預測偏差，使模型迅速地調(diào)整到當前水平。 假定有一定數(shù)目的歷史數(shù)據(jù)，常用的確定初始值的方法是將已知數(shù)據(jù)分成兩部分，用第一部分來估計初始值，用第二部分來進行平滑，求各平滑參數(shù)。？如何從時間序列中分解出不同的因素來？答：時間序列份一般包括四類因素：長期趨勢因素、季節(jié)變動因素、循環(huán)變動因素和不規(guī)則變動因素；長期趨勢因素和循環(huán)變動因素的分解：選擇跨越期為季節(jié)變動的周期數(shù)的一次移動平均數(shù)序列MA，從而從時間序列中分離出長期趨勢因素和循環(huán)變動因素TC；季節(jié)變動因素和隨機因素：用時間序列除以一次移動平均序列，從而得到季節(jié)變動因素和隨機性因素SI。用的方法消除SI的隨機因素；長期趨勢因素：用一種能最好的描述數(shù)據(jù)長期趨勢的模型，從而得到長期趨勢T，用MA/T，得到循環(huán)變動分離。 個月的銷售額如下表所示。時間序號123456789101112131415銷售額/萬元10158201016182022242026272929 (1) 分別取N=3, N=5，計算一次移動平均數(shù)，并利用一次移動平均法對下個月的產(chǎn)品銷售額進行預測。 (2) 取N=3，計算二次移動平均數(shù)，并建立預測模型，求第117 個月的產(chǎn)品銷售額預測值。 (3) 用一次指數(shù)平滑法預測下一個月的產(chǎn)品銷售量，并對第115 個月的產(chǎn)品銷售額進行事后預測。分別取α=,，S0(1)為最早的三個數(shù)據(jù)的平均值。解：表：銷售額的移動平均法預測N=3N=5時間序號銷售額、萬元一次移動平均數(shù)二次移動平均數(shù)一次移動平均數(shù)二次移動平均數(shù)11021538420510616718820922102411201226132714291529表：銷售額的一次指數(shù)平滑法預測a=a=a=時間序號銷售額、萬元銷售額的預測值S0(1)111102153842051061671882092210241120122613271429152916期的預測值（1）一次移動平均數(shù)如圖：N=3：N=5：（2）N=3時二次移動平均數(shù)屬如圖，第117期的銷售預測值：（3）10. ，使用SPSS軟件對“Sales of Men39。s Clothing”，“ Sales of Jewelry”字段用移動平均、指數(shù)平滑以及時間序列分解模型對未來一期的產(chǎn)品銷售額進行預測并對預測結(jié)果進行討論。解：打開SPSS for windows選擇open an existing data source點擊ok，選擇turorial/sample_files/1) 繪制時間序列趨勢圖，分析時序變動規(guī)律，將”Sales of Men’s Clothing”、”Sale of Jewelry”選入”Variables”框，將”Data