教案需求生产预测

DemandRequirementsAndDecision需求预测和决策

第二章

12.1基本概念2.2定性预测2.3定量预测2§2.1基本概念一、预测的定义及分类定义：预测是指对未来不确定事件的推断和测定，是研究未来不确定事件的理性表述，是对事物未来发展变化的趋向，以及对人们从事活动所产生后果而做的估计和测定。分类：预测的类型有以下几种：1.经济预测：通过对通货膨胀率、货币比率等指标预测未来经济的发展。2.技术预测：对未来产品开发方向，以及工厂发展和制造技术发展方向的预测；3.需求预测。预测在未来一定时期内对某产品需求的数量。与生产计划直接相关的是需求预测。3按市场预测的时间跨度可以将预测分为：长期预测：时间跨度通常为3年或3年以上，用于规划新产品、生产系统的配置等。中期预测：通常从1个季度到3年，用于制订销售计划和生产计划。短期预测：通常少于3个月，是制订主生产计划的依据.定性预测定量预测仿真预测长期预测(数年至数十年)中期预测(一年至数年)短期预测(数日至一年)按性质分按时间分4预测目的预测是整个生产计划系统的重要输入和依据，具体讲，其重要性可以从以下几个方面来考虑：①对于战略决策部门而言，预测可以提供决策的依据；②对于生产计划和控制部门而言，预测是企业编制生产计划(综合生产计划和主生产计划)的基础。是生产计划编制的主要输入；③对于销售部门而言，为补充销售人员提供依据；④对于成本会计而言，预测可以为预算和成本控制提供依据；⑤对于采购部门而言，便于采购部门制订准确的采购计划，以降低总的生产成本；⑥对于研发部门而言，新产品的预测可以为设计提供参考，根据对市场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力。

二、预测的目的和作用

5预测的作用需求预测的最核心作用是用于编制生产计划。如图2．1所示。长期预测是长期投资战略计划的预测，预测对象是投资对象品种的平均及最大需求量；中期预测是对现有产品年度总需求量的预测；短期预测是对每种产品的需求量的预测。

6从需求的角度讲，任何一种产品都有独立需求和相关需求之分。相关需求是指由对其他产品或服务的需求所导致的对某种产品或服务的需求。独立需求是指产品的需求是由市场决定的，与其他产品服务的需求无关。有的产品可能既是独立需求件，又是相关需求件，例如作为备件生产的产品即属此种类型。

三、需求分析

7一般而言，预测遵循如下步骤：(1)决定预测的目的和用途。(2)根据企业不同的产品及其性质分类。(3)决定影响各类产品需求的因素及其重要性。(4)收集所有可以利用的过去和现在的资料。(5)分析资料。(6)选择适当的预测方法或模型。(7)计算并核实初步预测结果。(8)考虑和设定无法预测的内外因素。(9)对(7)，(8)两步进行综合考虑。判断并得出结论，然后求出各类产品或地域性的需求预测。(10)将预测结果应用于生产计划中。(11)根据实际发生的需求对预测进行监控。

四、预测的一般步骤

8预测反馈控制修正系统如图2．3所示

9定性预测测是一种种主观预预测法，，属于主主观意识识的判断断，估计计和评价价，即根根据过去去的资料料，由各各种层次次的人员员对未来来的市场场需求做做一个估估计。。定性预测测方法主主要有：：一般预预测、市市场调研研、小组组共识法法、历史史类比、、德尔菲菲(Delphi)法法。§2.2定性预测测10一般预测测方法也也称为销售人员员汇集意意见法，通常由由各地区区的销售售人员，，根据本本人的判判断或与与地区有有关部门门交换意意见且判判断后逐逐层向上上汇报，，公司在在获得这这些资料料后进行行汇总，，最后形形成预测测，此预预测包含含未来市市场的产产品发展展方向和和产品的的销售金金额，销销售人员员进行判判断时也也可把公公司过去去的实际际销售情情况作为为参考资资料。一、一般般预测方方法一般预测测基本观点点：预测是基基于来自自低层经经验的逐逐步累加加。假设前提提：处于最低低层的销销售人员员，那些些离顾客客最近的的、最了了解产品品最终用用途的人人，最清清楚产品品未来的的的需求求。做法：由他们们收集集情报报，然然后逐逐级上上报的的做法法。11市场调调研有有时也也可以以称为为顾客期期望法法。——通通常是是聘请请第三三方专专业市市场调调研公公司进进行预预测，，以此此获得得顾客客需求求的详详细资资料。。——市市场调调研主主要用用于新新产品品研发发了解解对现现有产产品的的评价价，了了解顾顾客对对现有有产品品的好好恶，，了解解特定定层次次的顾顾客偏偏好以以确定定哪些些商品品具有有竞争争性。。——数数据收收集方方法有有问卷调调查和和上门门访谈谈两种。。二、市市场调调研12通常由由高级级决策策人员员召集集不同同层次次和不不同部部门的的人员员，包包括销销售、、市场场、生生产、、工程程、采采购、、财务务、研研发等等部门门的人人员集集体参参与讨讨论，，提出出预测测值，，将全全部人人员的的预测测结果果进行行平均均而取取得数数据，，认为为某些些人的的意见见较为为合理理，则则加大大此类类人的的权重重。这种方方法缺缺点在在于低低层人人员往往往易易受当当前市市场营营销的的左右右，不不敢与与领导导相背背。对对于重重要决决策，，如引引进流流水线线等，，由高高层人人员讨讨论。。三、小小组共共识13当预测测一个个新产产品的的未来来市场场需求求时，，会面面临历历史数数据太太少的的问题题。一一种较较好的的方法法是利利用产产品的的相关关性，，以同同类型型产品品作为为类比比模型型，利利用这这种相相关性性进行行预测测。类比法法可用用于很很多产产品类类型———互互补产产品，，替代代产品品等竞竞争性性产品品等。。四、历历史类类比14主要通通过数数轮专专家的的问卷卷调查查，用用一定定的统统计方方法处处理，，得到到大多多数专专家认认可的的一种种预测测、决决策方方法。。其基本本步骤骤如下下：(1)选择择预测测专家家，预预测专专家应应具有有不同同背景景。(2)通过过问卷卷(或或E——mail)，，将预预测问问题和和相关关资料料寄给给各位位专家家，征征询专专家意意见。。(3)汇总总、归归纳和和整理理各位位专家家预测测的结结果，，附上上新问问题，，再反反馈给给专家家。(4)再次次汇总总各位位专家家意见见，提提炼预预测结结果和和条件件，再再度发发给所所有专专家，，进一一步征征询意意见。。(5)如有有必要要，再再次重重复，，直至至所有有专家家意见见趋于于一致致。五、德德尔菲菲(Delphi)法法15定量预预测方方法有有时间序序列分分析预预测技技术和因果预预测两种，，时间间序序列列分分析析预预测测技技术术：：简简单单移移动动平平均均法法、、加加权权移移动动平平均均法法、、指指数数平平滑滑法法、、线线性性回回归归分分析析法法和和时时间间序序列列分分解解法法等等，，因果果预预测测是是线线性性回回归归的的因因果果模模型型。。时间间序序列列分分析析预预测测技技术术是是基基于于这这样样一一种种观观念念：：与与过过去去需需求求相相关关的的历历史史数数据据可可用用于于预预测测未未来来的的需需求求。。因果果预预测测是是基基于于这这样样一一种种观观念念：：某某些些因因素素间间存存在在着着相相互互影影响响的的关关系系。。还有有一一种种聚焦焦预预测测就是是根根据据某某些些规规则则对对预预测测结结果果进进行行试试算算，，这这些些规规则则符符合合逻逻辑辑，，将将其其历历史史数数据据外外推推至至未未来来的的过过程程也也易易于于理理解解。。§2.3定量量预预测测16将影影响响预预测测的的因因素素分分为为以以下下几几个个：：1.平平均均需需求求：：需需求求的的平平均均值值；；2.需需求求的的周周期期性性：：即即历历史史数数据据每每隔隔一一定定周周期期重重复复发发生生的的时时间间序序列列形形式式；；3.趋势势性：是是数据在在一定时时间内呈呈现向上上或向下下的趋势势；4.季节节性：考考虑到数数据存在在季节性性的影响响；5.随机机性：是是由偶然然、非正正常原因因引起的的数据变变动。一、影影响因因素分分析17在分析析时，，将多多个预预测因因素分分解，，找出出每一一因素素的影影响，，然后后用乘乘法模模型或或加法法模型型计算算预测测结果果。乘法模模型为为：预测结结果=平平均均××趋趋势××季季节节××周周期××随随机机加法模型为为：预测结果=平均均+趋趋势+季季节+周期+随机机181920趋势性因素素又可以分分为以下4种典型的的趋势需求求：线性趋势———反映了了数据呈连连续的直线线关系，如如图2.8(a)所所示；S型趋势———产品成成长和成熟熟时期的需需求，如图图2.8(b)所示示；渐进趋势———以优质质产品大量量投放市场场时出现，，如图2.8(c)所示；指数增长———产品销销售势头特特好的产品品，如图2.8(d)所示2122影响需求预预测的因素素产品生命周周期时间利润额销售额销售量投入期成长期成熟期衰退期23简单移动平平均法是利利用某段时时间的实际际需求平均均值作为未未来后续时时段的预测测值，它采采用对产品品需求的历历史数据逐逐点分段移移动的方法法，当产品品需求既不不快速增长长也不快速速下降，且且不存在季季节性因素素时，移动动平均法能能有效地消消除预测中中的随机波波动应用简单移移动平均法法进行预测测时，首先先应确定所所需的数据据数量，即即移动平均均的时期个数n，在n期中中，每一期期数据权重系数相相等。因为每一一次平均后后均往前移移动一期，，将最旧的的那个数据据去掉再加加入最新的的一个数据据，这种不不断移动的的预测方法法叫做移动动平均法。。二、简单移移动平均法法24简单移动平均均的计算公式式为：（例例题2.1））25简单移动平均均法的优点：：简单。产品品需求为突发发增长或下降降，且不存在在季节性因素素时。移动平平均法能有效效消除预测中中的随机波动动。选择移动动平均的最佳佳区间很重要要。缺点如下：①在出现周期期性变动时，，预测值落后后程度将视时时期个数的不不同而不同，，实际销售量量的最大值和和最小值用移移动平均法都都无法达到；；②预测值所产产生的误差及及滞后，很大大程度上取决决于时期个数数的选取，而而时期个数究究竟取多少比比较合适也难难以确定；③因考虑了各各期权重系数数均相等，往往往会造成一一定的误差，，通常越接近近的时期应该该越能反映实实际需求。④另外一个主主要缺点是在在于每一因素素都必须以数数据表示。26简单移动平均均简单移动平均算例周次 需求 3周 9周1234567891011121314158001400100015001500130018001700130017001700150023002300200010671300133314331533160016001567156716331833203313671467150015561644173327一般来讲，比比较新的数据据与旧的数据据相比，应该该更接近于预预测值，考虑虑到这个因素素，在简单移移动平均的基基础上，给新新数据以较大大的权重，这这种做法和简简单移动平均均法相比更加加准确，这就就形成了加权权移动平均预预测方法。在加权移动平平均预测方法法中，给各期期的值赋予一一定权重，并并且其权重之和必须须等于l。三、加权移动动平均法28加权移动平均均预测方法公公式例题2.229权重系数的确确定：经验法法或试算法最近期的数据据最能预示未未来的情况，，其权重应大大些；对季节性产品品而言，季节节权重系数要要大。两个原则：1按原始指指标数值先后后顺序依次加加大；如：n=5时时权数为：：0.1,0.15,0.2,0.25,0.32对移动项项中间位置的的原始数值给给予较大的权权数，然后以以它为中心左左右依次递减减。如：0.15,0.25,0.3,0.2,0.130计算实例一家百货店发发现在某4个个月的期间内内，其最佳预预测结果由当当月实际销售售额的40%，倒数第2个月销售额额的30%，，倒数第3个个月的20%和倒数第4个月的10%组成，其其四个月的销销售额分别为为100,90,105,95。第第五个月的预预测值为31移动平均法存存在问题1、需要大量量历史数据，，n越大，数数据越多；2、n大时，，平滑波动的的效果好，但但预测值对数数据实际变动动不敏感；3、移动平均均值不能总是是很好地反映映出变化趋势势。32指数平滑法是是利用平滑常常数将数据序序列的数量差差异抽象化的的原理，对历历史的统计数数据进行加权权修正，使修修正后的数据据信息排除异异常数据的影影响，从而显显示出预测对对象变动的基基本趋势。其优点体现在在：①指数模型的的精度非常高高；②建立指数模模型相对容易易；③用户能了解解模型如何进进行；④使用模型无无须过多计算算；⑤由于所用的的历史数据有有限，因而所所需计算机内内存很小；⑥检测模型执执行精度的运运算很容易。。四、指数数平滑法法33指数平滑滑法指数平滑滑法前两种预预测方法法（简单单移动平平均和加加权移动动平均））中，主主要点在在于根据据大量连连续的历历史数据据预测未未来，即即随着模模型中新新数据的的增添及及过期数数据的剔剔除，新新的预测测结果就就可以预预测出来来。有的的情况下下，最近近期的情情况远比比较早期期的更能能预测未未来。如如果越远远的数据据其重要要性就越越低，则则指数平平滑法就就是逻辑辑性最强强且最为为简单的的方法。。第t期和和第t-1期的的指数平平滑预测测值；第t-1期的实实际需求求；平滑常数数。单一指数数平滑的的公式为为：34指数平滑滑法之所以称称之为指指数平滑滑是因为为每靠后后一期其其权重就就降低1-。例如，，设=0.05，，则各个个时期的的权重如如下所示示最近期的的权重=（1-）00.0500最近期的的权重=（1-）10.0475最近期的的权重=（1-）20.0451最近期的的权重=（1-）30.0429权重因子子35实际需求求值权重重系数呈呈现指数递减减的趋势，，每一期期权重系系数比上上期下降降(1-α)，，如表2.3所所列。权重每次次降低1-α，，并且当当平滑常常数取得得较大时时，权重重系数降降低得较较快，反反之，则则降低得得较慢。。36指数平滑滑法指数平滑滑法算例例：假设所研研究的产产品的长长期需求求相对稳稳定，平平滑常数数=0.05也也较合适适，并假假设上个个月的预预测值（（））为1050个单位位，如果果实际需需求为1000而不是是1050，那那么本月月的预测测值为：：由于平滑滑自相关关很小，，所以新新预测值值对误差差为50单位的的响应仅仅使得下下月的预预测值减减少了2.5个个单位。。37初始平滑滑值F1的确定若有且历历史数据据较少时时，则常常以算术术平均值值作为初初始平滑滑值；若有且历历史数据据较多时时，常以以第1个个值作为为初始值值以求简简单化；；若无历历史数数据，，则可可以主主观估估计，，并在在开始始时，，考虑虑主观观估计计的不不准确确性，，常取取较高高的平平滑常常数以以使(1-α)t+1下降更更快，，削弱弱初始始值的的影响响。38平滑常常数αα值的的确定定α越大，说说明预测越越依赖近期期的信息，，反之，则则表明预测测更依赖于于历史信息息。如果序列的的长期发展展趋势比较较稳定，即即产品的需需求比较平平稳，那么么，α值值应取得小小一些；当市场外部部环境变化化较大时，，α值应当当取得大一一些；一般般取值在0.01～～0.3之之间。对n期移动动平均法来来讲，若用用指数平滑滑法，则其其平滑常数数可以利用用下式计算算得到：例题2.339当时间序列列呈非平滑滑趋势———直线趋势势时，必须须通过二次次指数平滑滑来估计。。二次指数平平滑法是在在一次平滑滑的基础上上，对所得得到的时间间序列再进进行一次指指数平滑，，这就是二二次指数平平滑，其计计算公式为为：在二次指数数平滑法中中，指数平平滑常数的的确定和一一次指数平平滑法确定定的原则一一致。初始始值的确定定取第一期期的一次指指数平滑值值2．二次指数数平滑法40建立线性趋势势方程：例题2.441时间序列法：：某企业销售售额预测例1某企业业销售额预测测[lz1][lz1]小结42简单移动没有季节性变变化或急剧的的增加/减少少趋势,偶然然变化起重要要作用时平均法通过移动平均均消除偶然变变化待预测期间前前一定期间的的需求做为简简单的平均值值[公式]Ft+1=t:期间,Ft+1:t+1的预预测值,At:t的实际需需求,N:移动平平均期间<例>移动动平均期间为为4个月,实实际需求为如如下时月(t)12345实际需求(At)4345?5月的需求预预测值F5为考虑预测的稳稳定性和需求求变化的反映度选择择移动平均期期间F5===4*移动平均期间间越长,偶然然因素损失越多,但对对实际需求变变化反映慢如果,5月的的实际需求为为5时,6月月的需求预测测值是F6===4.25At+At-1+……+At+1-N

N5+4+3+4

416

45+4+3+5417443加权移动在用于预测测之前N期间间资料值乘上上合为1的加加权值,求出出移动平均平均法*简简单移动平均均的情况,在在N期间的各各资料值乘上上同一的1/N的加权值值[公式]Ft+1=WtAt+Wt-1At-1+……+Wt+1-NAt+1-NFt+1:t+1的预测值，At:t的实际需求，，Wt:赋予t的加加权值，<例>实际需需求如下月（t）12345实际需求（At）1009010595？？加权值为4月月0.4,3月份0.3,2月份0.2,1月月份0.1时时在最近的资料料中赋予大5月的需求预预测值F5是的加权值,使使能够赶上F5=0.4*95+0.3*105+0.2*100=97.5实际需求变化化如果,5月的的实际需求为为110时,6月的需求求预测值是F6=0.4*110+0.3*95+0.2*105+0.1*90=102.544利用指数减少少的加权值,给最近的资资料赋予大比比重,过去的的资料赋予小小比重后预测未来需求求即需求预测值值是最近期间间的实际需求求乘上a的加权值,对对最近的需求求预测值乘上上(1-a)的加权值后后加权平均的的数据与移动平均法法一样,在季季节性变化,趋势,循环环要素不起作作用是有效*省略用趋势,季节性变化化等修正的高高次指数平滑滑法[公式]Ft+1=aAt+(1-a)Ft为求预测值Ft+1需要3种资料料：最近预测值值(Ft),最近实实际需求(At),平滑常数a(0<a<1)公式变化后Ft+1=aAt+(1-a)Ft=aAt+Ft-aFt=Ft+a(At-Ft)即,新预测值值是对旧预测测值修正(a*预测误差)后算出<例>上个月月需求预测值值是100,实际需求是是110,平平滑常数a=0.3时这这个月的预测测值是Ft=Ft-1+a(At-1-Ft-1)=100+0.3(110-100)=103但,没有过去去资料时根据据定性技术,预测值做为为最初的预测测值一次指数平滑法45时间序列平滑滑模型一次指数平滑滑法的连续展展开期间1:A1,F1(F1已知,期间1末期值可以以知道A1)期间2:F2=Aa1+(1-a)F1期间3:F3=aA2+(1-a)F2=aA2+a(1-a)A1+(1-a)2F1(F2代入式子整理理)期间4:F4=aA3+(1-a)F3=aA3+(1-a)A2+a(1-a)2A1+(1-a)3F1(F3代入式子整理理)因此一般Ft+1用如下公式表表示[公式]Ft+1=aAt+a(1-a)At-1+a(1-a)2At-2+……+a(1-a)t-1A1+(1-a)tF1<指数数加权权值的的合总总是1>平滑常常数（（a)的值越越大预预测值值对需需求变化反反应越越大，，越小小平滑滑的稳定性性越好;实际际需求求稳定定时（（例：食品）），为为减小短期/偶然然性变变化的的效果果减小小a的值；为维维持预预测值值的稳稳定性性一般般从0.1~0.3中设设定。46例3.1：：某公公司的的月销销售额额记录录如表表3-3所所示，，试取取a=0.4,F1=11.00,计算算一次次指数数平滑滑预测测值。。月份At(千元)a×At-1(千元)Ft-1(千元)（1-a）×Ft-1(千元)Ft(千元)110112124116.610.603134.810.606.3611.164165.211.166.711.905196.411.907.1413.546237.613.548.1215.727269.215.729.4318.6383010.418.6311.1821.589281221.5812.9524.95101811.224.9514.9726.1711167.626.1715.7022.9012146.422.9013.7420.144748时间序序列分分解模模型因此需需求Y可用用下列列函数数表示示Y=f(T,S,C,R)并且根根据构构成要要素的的结合合形态态乘法模模型Y=T*S*C*R加法模模型Y=T+S+C+R01234需求时间系列和和它的的构成成要素素时间（（年））时间系列趋势季节性性变化周期因素不规则则变化时间系列的4个构成要素趋势(T)需求以一定的比率增加或减少的倾向季节性变化(S)表示趋势线上下的变化以1年为单位反复周期因素(C)经过1年以上长时间需求作上下有规则变动不规则变化/偶然变化(R)说不出原因的变化,不能预计或控制(例:战争,地震…）49例3.2下下表是是某旅旅游服服务点点过去去3年年各季季度快快餐的的销售售记录录。试试预测测该公公司未未来一一年各各季度度的销销售量量。季度季度序号t销售量At4个季度销售总量4个季度移动平均季度中点夏111800秋210404冬38925春4106004172910432.32.5夏5122854221410553.53.5秋6110094281910704.84.5冬792134310710776.85.5春8112864379310948.36.5夏9133504485811214.57.5秋10112704511911279.88.5冬11102664617211543.09.5春12121384704211756.010.550解：分分三步步进行行（1））求趋势势直线线方程程。采用用最小小二乘乘法或或目测测法。。先求得a=10000(份)，再求求b的值值:b=(12000-10000)/12=167Tt=10000+167t51(2)估估算算季节系系数（Seasonalindex,SI））t123456789101112At/Tt1.161.010.850.991.131.000.821.001.160.950.871.01SI(夏)=（A1/T1+A5/T5+A9/T9）/3=（1.16+1.13+1.16）/3=1.15同样可得得，SI(秋)=1.00;SI(冬)=0.85;SI(春)=1.00。。(3)预预测测夏季：（10000+167×13）×1.15=13997(份)秋季：（（10000+167×14）×1.00=12338(份)冬季：（（10000+167×15）×0.85=10629(份)春季：（（10000+167×16）×1.00=12672(份)52例回回归分分析法:销量预预测53因果模型型回归分析析需求作作为函数数,影响响需求的的因素作作为变量量来预测测单一变变量：单单一线形形回归分分析；2个以上上变量：：多重线线形回归归分析单一线形形回归分分析[公式]Y=函数数Y的推定值值(即,回归线线上值)X=独立立变量(对需求求影响最最大的因因素)a=Y轴的截距距，b=回归线线(直线线)的斜斜率用最小自自乘法求求a、b：：多重线形形回归分分析现实中影影响需求求的有多多种因素素[公式]Y=a+b1X1+b2X2……+bkXk但是不不用手算，用用计算机机计算^^^54例3.4对对例3.2应用用一元线线形回归归法进行行预测。。XYX2XY2.510432.36.2526080.753.510553.512.2536937.254.510704.820.2548171.605.510776.830.2559272.406.510948.342.2571163.957.511214.556.2584108.758.511279.872.2595878.309.511543.090.25109658.5010.511756.0110.25123438.0055解：衡量一元元线形回回归方法法偏差的的两个指指标：线线形相关关系数r和标准准差Syx。56其它模型型计量经济济用一系系列相互互关联的的回归方方程式预预测各种种经济活活动模型投入-产产出分析各各产业部部门间的的产品及及服务的的流程预预测需求求模型先导指标标法根据预预测对象象的先导导指标预预测需求求<例>石石油价格格是大型型车需求求的先导导指标Simulation假设设各种内内生变量量和外生生变量后后,利用用电脑进进行模拟拟实验,预测需需求的动动模型模型<例例>价格格上涨价价10%时需求求的变化化,国内内经济萧萧条时需需求的变变化57五、预预测误差差分析估算结果果和实际际情况必必然存在在着一定定偏差，，这个偏偏差就是是预测误误差。预测和实际需需求之间总存存在一种差异异，设D为实实际需求值，，而F为预测测值，预测误误差为e，，则e＝D-F预测误差通常常是一个平均均值为0的的正态分布布。581.误差分分类误差可分为随机误差和偏移误差两种。偏移误差出现现在连续产生生错误的时候候，其来源有有：没有包含正确确的变量；变量间的关系系定义错误；；趋势曲线不正正确；季节性需求偏偏离正常轨迹迹；存在某些隐性性趋势等。随机误差可以以定义为无法法由预测模型型解释的误差差项。592.误差指指标方差（误差平平方和）平均绝对偏差差(MAD)（预测误差差e的估计值值）60跟踪信号(TS)：通常用累计预预测误差和平平均绝对偏差差的比值计算算，即例题题2.561六、、线线性性回回归归分分析析回归归可可以以定定义义为为两两个个或或两两个个以以上上相相关关变变量量之之间间的的函函数数关关系系。。线线性性回回归归分分析析方方法法认认为为变变量量间间的的函函数数关关系系是是线线性性的的。。常用用的的线线性性回回归归方方程程为为：：y=kx+c，，其其中中x为为自自变变量量；；y为为因因变变量量；；k为为直直线线的的斜斜率率；；c为为直直线线与与纵纵轴轴的的截截距距。。该方方法法既既可可用用于于时时间间序序列列分分析析（（因因变变量量随随时时间间而而变变时时）），，又又可可用用于于因因果果预预测测方方法法（（某某一一变变量量随随另另一一变变量量而而变变时时））。。62线性回归分析析法定义：两个或两个以以上相关变量量之间的函数数关系。线性性关系是指变变量呈严格直直线关系的一一种特殊回归归形式。优点：对主要事件或或综合计划的的长期预测很很有用用处：时间序列预测测和因果预测测中都用线性性回归。例子：手拟回归直线线、最小二乘乘分析和模型型分解。线性回归分分析法局限性：假设历史数数据和未来来预测值都都在一条直直线上。631．手拟趋趋势线手拟趋势线线方法是将将已知的变变量数据描描于一个二二维的图形形上，即描描点，然后后画一条直直线尽可能能穿过所有有的点，这这条直线就就是所要求求的趋势线线。手拟的线性性回归方程程为：64手拟趋势线线例：某公公司某产品品过去3年年12季度度的销售量量如下表所所示，该企业希望望预测第4季度的销销售情况：：线性回归分分析法———手拟趋势势线季度销销售量季度销销售量1600215503155041500524006310072600829009380010450011400012490065y=a+bxa=400b=(4950-750)/(12-1)=382y=400+382x线性回归分分析法———手拟趋势势线解：首先建立坐坐标系统，，取横坐标标为季度，，众坐标为为销售额，，则将过去去12个季季度的销售售额对应的的数据点在在坐标系统统中画出，，相应散点点图，如图图所示，这这就是回归归直线，下下一步是确确定截距a和斜率b。66.最小二二乘法基本出发点点是：保证证各实际观观察值和趋趋势线的垂垂直距离平平方和为最最小，如图图所示：67设为为实测值值，y为为公式值，，则为为误差，，令根据最小二二乘法，则则：最小二乘法法最小二乘法法基本思想是是试图使各各数据点与与回归直线线上的相应应点间的垂垂直距离平平方和最小小手拟趋势势线是根据据图中确定定截距a和和斜率b，，而最小二二乘法求解解的公式为为：得：令：68另外一种评评价两个变变量之间关关系的方法法是计算相相关系数r和标准差差Syx，计算公式式为：当r为正时时，说明y和x为正正相关，即即y随着x的增加而而增加；r非常接近近于1时，，y和x为为完全正相相关；当r为负时，，说明y和和x为负相相关，即y随着x的的增加而减减小；r非非常接近于于-l时，，y和x为为完全负相相关。标准差则表表明预测值值与回归直直线的偏离离程度。例2．669根据最小二二乘回归的的思想，可可以计算出出上例中a和b的值值，最终终得b=359.6，a=441.6，这表明明x每变化化1单位，，y改变359.6单位。严严格按上述述方程计算算，可以可可以推广到到后一年的的四个季度度，下面的的结果分别别对应第1，2，3，4季度度：最小二乘法法70七、时间序序列分解(找出趋势和和季节因素素)时间序列分分解一般遵遵循以下5个步骤：：(1)计计算12个个月中的中中心移动平平均值。(2)利利用实际需需求和12个月中心心移动平均均值的比例例来估计季季节因素和和计算季节节指数。(3)确确定趋势线线方程。找找一条线去去描述非季季节性的数数据，这条条线的截距距及斜率提提供了在估估计趋势因因素时所需需要的值。。(4)预预测未来。。将步骤(3)中得得到的线延延伸至未来来，提供了了一个在没没有季节性性的情况下下将来的需需求预测值值。(5)将将每一个不不含季节性性的预测乘乘上季节指指数以获得得最后的预预测。例题2.771八、因果果预测因果果预预测测方方法法是是认认为为自变量和因变变量之间存在因果果关系。通过过对变量间的的关系进行分分析，进而由由自变量来确确定因变量的的需求预测方方法就是因果果预测。因果预测方法法也是建立在在对数据分析析的基础上的的，由自变量量和因变量的的数据找出它它们之间的因因果关系。通常认为这种种因果关系是是简单的线性关系，可以通过前前面所介绍的的一元线性回回归分析方法法找出。变量间的因果果关系找到后后，就可以建建立统计模型型对需求做预预测。例题2.872因果预测年份新房屋（x平方码）地毯销量（y平方码）1989 18 130001990 15 120001991 12 110001992 10 100001993 20 140001994 28 160001995 35 190001996 30 170001997 20 1300073因果预测方程：y=7000+350x设1998年年新建房为25，则y=7000+350××25=15750码74多元回归：考虑多个变量量，以及它们们各自对问题题的影响。家家具行业里：：新结婚数、、新建房屋数数、可支的收收入、趋势………有关系，，则S=B+Bm(M)+Bh(H)+Bi(I)+Bt(T)式中：S－每年总销销售量；B－基本销售售额；M－年中结婚婚数；H－年中新造造房屋数；I－可供自由由支配的收入入；T－趋势多元回归75调焦预测(FocusForecasting)，它是是由美国五金金供应公司提提出并加以应应用的，特别别适用于有多多项产品需要要预测的情况况。美国五金金供应公司是是一家对美国国几千家生产产五金产品的的厂家存储物物料的合作团团体，它需要要对烹饪器皿皿、雪铲、螺螺母、螺栓、、锥子、圣诞诞树等多种产产品进行预测测。调焦预测不是是一种技术，，而是一个可可以运用多种种预测技术的的系统。调焦焦预测系统所所用的典型预预测方法往往往是一些简单单的技术，如如上面介绍的的移动平均方方法，或一些些简单的策略略，如“未来来3个月的销销售额和过去去的3个月一一样”等，当当然也可以是是一些复杂的的数学方法。。九、调焦预预测76下面举例说明明调焦预测方方法的工作原原理。假定调焦预测测系统使用以以下4种简单单的方法来预预测未来一个个季度的销售售量：①下个季度的的销售量和去去年同期相同同；②下个季度的的销售量比去去年同期多10％；③下个季度的的销售量和本本季度相同；；④下个季度的的销售量是过过去6个月的的一半。假定现在是6月份，将要要预测7～9月份的销售售量，历史数数据如下：月份123456789101112去年181210386161829121513今年2182149277先假定定现在在是3月份份，用用上述述4种种方法法中的的每一一种对对4～6月份的的销售售量进进行预预测，，并把把预测测结果果和实实际情情况相相比较较，然然后选选择得得到最最好预预测结结果的的预测测方法法用来来对7～9月份份的销销售量量进行行预测测。用上述述①、、②、、③、、④4种方方法得得到的的预测测值分分别是是17，18.7，，41和40.5，实实际值值是15，，最好好的预预测结结果是是由方方法①①得到到的17。。于是是，选选择方方法①①来对对7～～9月月份的的销售售量进进行预预测，，得到到的预预测值值是63。。78预测方方法的的选择择预测可可以做做的事事：（1））新产产品市市场销销售（2））库存存量（3））人力力资源源（4））预算算基本的的就是是市场场销售售量。。时间序序列：：（1））简单单移动动（2））加权权移动动（3））指数数平滑滑线性回回归———趋趋势项项因果关关系———一一定要要弄清清楚确确实的的因果果关系系。79Herbig曾曾做过过问卷卷调查查，1000万万到5亿美美元的的企业业预测方方法举举例用用到到的％％重重要性性使使用用情况况排列列高层管管理讨讨论8662.9销售人人员6852.2顾客调调查724.72.2时间序序列454.31.5加权平平均463.81.4指数平平滑362.80.9线性回回归384.01.3多元回回归353.61.0预测方方法的的选择择80谢谢！！KeepConnectingInTheFuture819、静夜夜四无无邻，，荒居居旧业业贫。。。12月月-2212月月-22Thursday,December29,202210、雨中黄黄叶树，，灯下白白头人。。。13:54:1313:54:1313:5412/29/20221:54:13PM11、以我独沈沈久，愧君君相见频。。。12月-2213:54:1313:54Dec-2229-Dec-2212、故故人人江江海海别别，，几几度度隔隔山山川川。。。。13:54:1413:54:1413:54Thursday,December29,202213、乍