forecastingmodels預(yù)測(cè)模式-資料下載頁(yè)
2025-07-15 18:41本頁(yè)面
【正文】 平均會(huì)員人數(shù)6500700075008000850090001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16P e r i o dMembers1997 1998 1999 2022 圖形呈現(xiàn)長(zhǎng)期趨勢(shì) 圖形呈現(xiàn)季節(jié)性變動(dòng) 自 1997~2022年之會(huì)員資料被收集 57 第一個(gè)移動(dòng)平均數(shù)之中點(diǎn)為 (1+4)/ 2 = 前兩個(gè)移動(dòng)平均值的平均數(shù)為 [ + ]/2 = ? 平滑時(shí)間序列以去除隨機(jī)誤差與季節(jié)性 計(jì)算移動(dòng)平均值 古典分解法 – step 1: 平滑時(shí)間序列去除隨機(jī)性與季節(jié)性 前 4期之平均值 = [7130+6940+7354+7556]/4 = 第一個(gè)移動(dòng)平均數(shù)之中點(diǎn)為 (2+5)/ 2 = 第 [2, 5]期 之 平均值 = [6940+7354+7556+7673]/4 = 落在中心點(diǎn) t = 3 58 古典分解法 – step 2 以決定 [季節(jié) /隨機(jī)誤差 ]因素 . ? 決定 ”期間因素 ” ”period factors” 以決定 [季節(jié) /隨機(jī)誤差 ]因素 ? 計(jì)算比值 yt/CMAt. CMAt僅代表 TtCt. 故季節(jié) /隨機(jī)誤差因素可以表示為 Stet = yt/TtC t 範(fàn)例 : 第 3期中 (1997第三季 ): 期間因素 = S7e7 = 7354/ = 59 由 Stet去除隨機(jī)誤差部分，故只剩下季節(jié)部分之因素 【 範(fàn)例 】 第三季未調(diào)整季節(jié)性因素 . S3 = {S3,97 e3,97 + S3,98 e3,98 + S3,99 e3,99}/3 = {++}/3 = 古典分解法 – step 3 決定未調(diào)整季節(jié)性因素 ? 決定未調(diào)整季節(jié)性因素“ unadjusted seasonal factors” 以去除隨機(jī)誤差 求所有同一季的 yt/MAt 之平均數(shù) 60 ? 無(wú)季節(jié)因素前題下，每季之季節(jié)因素應(yīng)為 1，因此所有季節(jié)因素之總合 =4，故需要將未調(diào)整之季節(jié)因素修正以維持總合為 4 【 範(fàn)例 】 平均季節(jié)因素 = (+.9658++)/4=. 第三季調(diào)整後季節(jié)性因素 : S3/平均季節(jié)因素 = . 古典分解法 – step 4 決定調(diào)整後季節(jié)性因素 ? 決定調(diào)整後季節(jié)性因素 計(jì)算 : [未調(diào)整季節(jié)因素 ] [平均季節(jié)因素 ] Q u a rte r 1 1 .0 1 4 3 2 5Q u a rte r 2 0 .9 6 5 2 5 2Q u a re te r 3 1 .0 0 4 7 5 9Q u a rte r 4 1 .0 1 5 6 6 3調(diào)整後季節(jié)性因素 61 古典分解法 –step 5 去季節(jié)性後時(shí)間序列 去季節(jié)性後時(shí)間序列 = yt/(Adjusted S)t = TtCtet 【 範(fàn)例 】 1998年第二季去季節(jié)性後資料值 = y6/[Adjusted S2] = 7332/ = ? 決定去季節(jié)性後資料值“Deseasonalized data values”. 計(jì)算 : yt [調(diào)整後季節(jié)性因素 ] Q u a rte r 1 1 .0 1 4 3 2 5Q u a rte r 2 0 .9 6 5 2 5 2Q u a re te r 3 1 .0 0 4 7 5 9Q u a rte r 4 1 .0 1 5 6 6 3調(diào)整後季節(jié)性因素 62 去季節(jié)性後時(shí)間序列700072007400760078008000820084001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16期數(shù)平均會(huì)員人數(shù) 平均會(huì)員人數(shù)6500700075008000850090001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16P e r i o dMembers季節(jié)因素已被去除，資料呈現(xiàn)之結(jié)果由趨勢(shì)與周期性之因素 古典分解法 –step 5 去季節(jié)性後時(shí)間序列 63 ? 決定去季節(jié)性化趨勢(shì)預(yù)測(cè)值( trend forecast) 使用線性迴歸分析於去季節(jié)性後時(shí)間序列 古典分解法 step 6 去季節(jié)性化趨勢(shì)預(yù)測(cè)值 ( trend forecast) 趨勢(shì)預(yù)測(cè)值 : Tt = + ?模式非穩(wěn)定模式 Pvalue很小， Reject Ho 64 ? 假設(shè)無(wú)週期因素， 預(yù)測(cè)值 F(Qi, tN+k) = TN+k?(Adjusted Si) 古典分解法 step 7 決定調(diào)整後季節(jié)預(yù)測(cè)值 (The forecast) 趨勢(shì)預(yù)測(cè)值 T17 = + (17) = 8402 預(yù)測(cè)值 (Q1, t=17) = (8402)() = 8523 65 對(duì)於一個(gè)具有趨勢(shì)與季節(jié)性之時(shí)間序列 : Yt = Tt +St + Rt, 可以用下列模式表示 Yt = b0 + b1t + b2S1 + … +bkSk + et 加法模式 – 多重迴歸分析 趨勢(shì)元素 季節(jié)性元素 隨機(jī)誤差 66 卓依加油站 (p. 525) Troy’s Mobil Station ? Troy擁有一個(gè)加油站，其汽油銷售量一季節(jié)有明顯之變動(dòng) . ? 由於人口值逐漸增加， Troy 認(rèn)為銷售量由逐漸增加之趨勢(shì) 67 過(guò)去五年在四季中汽油之銷售量300032003400360038004000420044004600480050001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20騎術(shù)平均日銷售量 (加侖)? 資料 Troy’s加油站 F W Spg Smr 68 季節(jié)性資料輸入銷售量 期數(shù) X1 X2 X33497 1 1 0 03484 2 0 1 03553 3 0 0 13837 4 0 0 03726 5 1 0 03589 6 0 1 0第 1 年 第 2 年 趨勢(shì)變數(shù) 季節(jié)虛擬變數(shù) Fall Winter Spring Not Fall Not Winter Not Spring Troy’s加油站 – 多重迴歸分析之基本資料 69 Troy’s加油站輸入值 (使用 Template) 70 Troy’s加油站 – 多重迴歸分析 (Excel摘要輸出 ) Extremely good fit Reject Ho 所有變數(shù)與銷售量有線性相歸性 71 ? ? ? ? ? Troy’s加油站 – 多重迴歸分析 (圖解說(shuō)明 ) Fall Winter Spring Summer 72 ? 加法模式之預(yù)測(cè)值 : Ft = + – 155F – 323W – ? 第五年之預(yù)測(cè)值如下 : ? F(Year 5, Fall) = +(21) – 155(1) – 323(0) – (0) ? F(Year 5, Winter) = +(22) – 155(0) – 323(1) – (0) ? F(Year 5, Spring) = +(23) – 155(0) – 323(0) – (1) ? F(Year 5, Summer) = +(24) – 155(0) – 323(0) – (0) Troy’s加油站 – 執(zhí)行預(yù)測(cè)計(jì)算
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1