物流預測方法(總)(編輯修改稿)
2024-10-28 19:59 本頁面
【文章內容簡介】 期需求走勢的模型。因此，在選擇模型時要非常慎重。,?,,2.4 帶有需求趨勢和季節(jié)性需求校正的指數平滑法（Winter模型）,現假定需求的周期數為L，在t期，已給定實際值At 、初始需求水平 St、初始需求趨勢Tt 以及一個周期的初始季節(jié)性需求 ， ，… ， 的預測，則第t+1期的對需求水平、需求趨勢、季節(jié)性需求以及總的需求預測做如下校正： 式中，L：季節(jié)性需求的周期； ：第t期的季節(jié)性需求預測值； ：季節(jié)性需求的平滑系數，0 1； ：第t+1期趨勢與季節(jié)性需求校正后的預測值。,?,三.因果分析法,因果分析預測法是一類對預測對象與其制約因素的相互聯系進行分析，從而建立預測對象與其所能觀察到的相關因素間因果關系的預測模型進行預測的方法。,?,3.1一元線性回歸預測法,一元線性回歸分析預測法，是根據自變量x和因變量Y的相關關系，建立x與Y的線性回歸方程進行預測的方法。由于市場現象一般是受多種因素的影響，而并不是僅僅受一個因素的影響。所以應用一元線性回歸分析預測法，必須對影響市場現象的多種因素做全面分析。只有當諸多的影響因素中，確實存在一個對因變量影響作用明顯高于其他因素的變量，也就是主要因素，才能將它作為自變量，應用一元相關回歸分析市場預測法進行預測。,一元線性回歸分析法的預測模型為：,式中， Xt代表t期自變量的值； 代表t期因變量的值； a、b代表一元線性回歸方程的參數。 u為隨機干擾項，與x無關，它反映了y被x解釋的不確定性。,?,線性相關示意圖,,,,,x,y,y,x,a,a,0,0,?,3.1一元線性回歸預測法,a、b參數由下列公式求得（用 代表 ）：,為簡便計算，我們作以下定義：,式中：,這樣定義a、b后，參數由下列公式求得：,?,3.1一元線性回歸預測法,將a、b代入一元線性回歸方程Yt = a + bXt，就可以建立預測模型，那么，只要給定Xt值，即可求出預測值 。,在回歸分析預測法中，需要對Ｘ、Ｙ之間相關程度作出判斷，這就要計算相關系數r，其公式如下：,相關系數r的特征有： ①相關系數取值范圍為：1≤r≤1 。 ②r與b符合相同。當r0，稱正線性相關，Xi上升，Yi呈線性增加。當r0.7，為高度線性相關；0.3|r|≤0.7，為中度線性相關；|r|≤0.3，為低度線性相關。 (R檢驗）（F檢驗）,?,3.2 多元線性回歸的計算模型,一元線性回歸是一個主要影響因素作為自變量來解釋因變量的變化，在現實問題研究中，因變量的變化往往受幾個重要因素的影響，此時就需要用兩個或兩個以上的影響因素作為自變量來解釋因變量的變化，這就是多元回歸亦稱多重回歸。當多個自變量與因變量之間是線性關系時，所進行的回歸分析就是多元性回歸。,設y為因變量， 為自變量，并且自變量與因變量之間為線性關系時，則多元線性回歸模型為：,其中，b0為常數項， 為回歸系數 。,b1為 固定時，x1每增加一個單位對y的效應，即x1對y的偏回歸系數；同理b2為 固定時，x2每增加一個單位對y的效應，即，x2對y的偏回歸系數，等等。,?,3.2 多元線性回歸的計算模型,建立多元性回歸模型時，為了保證回歸模型具有
規(guī)章制度相關推薦
鄂ICP備17016276號-1