时间序列分析法教学文稿.pptVIP

（二）回归分析预测法的含义 P184 （三）回归分析预测法的步骤 1．根据预测目标，确定自变量和因变量 2．建立回归预测模型 3．进行相关分析 4．检验回归预测模型，计算预测误差 5．计算并确定预测值 二、一元线性回归分析预测法 　 a、b代表一元线性回归方程的参数。 　在回归分析预测法中，需要对Ｘ、Ｙ之间相关程度作出判断，这就要计算相关系数r，其公式如下： 第十一章 时间序列分析法 第一节 时间序列分析法概述 第二节 平均数法 第三节 移动平均法 第四节 指数平滑法 第五节 季节系数法 第一节 时间序列法概述 一、概念 时间序列法是利用预测目标的历史时间数据，通过统计分析研究其发展变化规律，建立数学模型，据此进行外推预测目标的一种定量预测法。 二、变动模式类型 趋势变动(Tt) 循环变动(Ct) 季节变动(St) 不规则变动(It) 组合形式：Yt=Tt +St+ Ct+ It Yt=Tt* St* Ct* It 三、预测步骤 1、整理资料，编制时间序列 2、对时间序列进行分析，确定时间序列变动模式 3、选择适宜的预测方法和预测模型 4、进行预测 5、预测误差分析 第二节 平均数法 一、简单算术平均数 二、加权算术平均数 三、平均增长量预测法 四、几何平均数 课堂练习 1、某公司近四年的销售量分别为198、206、212、188万件，预测今年销售量。 2、根据下列数据，计算员工平均工资。 组别 基本工资 每组人数 1 400 15 2 500 22 3 600 32 4 800 10 5 1000 5 第三节 移动平均数 在算术平均法的基础上发展而来，采取分段移动平均的方法，从时间序列第一期数据开始，数次按一定跨越期由前向后有序移动求出每个跨越期的平均数，通过比较误差，以确定一个最佳跨越期，即一组最佳的数据来求预测值。 一、一次移动平均法 二、加权移动平均法 三、二次移动平均法 一、一次移动平均法 月 份 销售量 Y 3个月移动平均数 5个月移动平均数 预测值 绝对误差 预测值 绝对误差 1 38 2 45 3 35 4 49 39.33 9.67 5 70 43 27 6 43 51.33 8.33 47.4 4.4 7 46 54 8 48.4 2.4 8 55 53 2 48.6 6.4 9 45 48 3 52.6 7.6 10 65 48.67 16.33 51.8 13.2 合计 74.33 34 N=3，Y11=（55+45+65）/ 3=55 N=5，Y11=（43+46+55+45+65）/ 5=50.8 经过误差分析，用5个月移动平均法更好，所以取50.8为第十一月的预测值。 二、加权移动平均法 简单移动平均有利于消除干扰，揭示长期趋势，但它将各历史数据同等看待，不够合理，近期数据能反映当前情况，应给予一定权数。 某商场1至11月实际销售额如下表，假定跨越期为3个月，权数为1、2、3，用加权移动平均法预测12月的销售额。 月份 销售额 3个月的加权移动平均值 1 38 2 45 3 35 4 49 38.83 5 70 43.67 6 43 57.17 7 46 53 8 55 49 9 45 50 10 68 48.5 11 64 58.17 Y4=（3*35+2*45+1*38）/（1+2+3）=38.83 Y5= （3*49+2*35+1*45）/（1+2+3）=43.67 。 。 。 Y12= （3*64+2*68+1*45）/（1+2+3）=62.17 三、二次移动平均法 当时间序列呈现出明显的线形增长或下降的变动趋势时，用一次移动平均进行预测其移动平均值总是滞后于实际值的变化，因此要进行修正，在一次平均值的基础上，再进行二次移动平均，利用两次移动平均的滞后偏差规律，求得移动系数，建立线形预测模型。 例，某产品1到11月份的销售额如下(单位万元)，假设跨越期N=4，用二次移动平均分别预测2月份和次年1月份的销售额。 月 Ｙ Ｘt(1) Ｘt(2) a b Ｘt+Ｔ １ ３８ ２ ４５ ３ ３５ ４ ４９ ４１.７５ ５ ７０ ４９.７５ ６ ４３ ４９.２５ ７ ４６ ５２ ４８.１９ ５５.８１ ２.５４ ８ ５５ ５３.５ ５１.１３ ５５.８７ １.５８ ５８.３５ ９ ４５ ４７.２５ ５０.５ ４４ －２.１７ ５７.４５ １０ ６５ ５２.７５ ５１.３８ ５４.１２ ０.９１ ４１.８３ １１ ６４ ５７.２５ ５２.６９ ６１.８１ ３.０４ ５５.０３ １２