首页交通运输物流系统物流市场调研 05 第5章 物流需求预测.pptx

05 第5章 物流需求预测.pptx

页数:28页文件大小:494.4 KB来源: 物流市场调研ppt课件

本课件围绕物流需求量的定量预测展开:先明确预测目标、收集整理资料、选择方法建模与分析误差四步流程,随后介绍算术与几何平均数、移动平均、指数平滑、直线趋势与季节指数等时间序列法,并讲解一元线性回归的相关系数检验与应用。

第5章物流需求预测封面,标示本章围绕时间序列预测与回归分析预测两类定量方法展开
本章学习目标页,要求明确预测程序与定量预测法原理并能选择方法建立模型与推断需求
本章工作任务页,要求根据物流需求时间数列及相关因素选择方法预测物流需求
查看本课件的文字版(共 28 页,供检索与复制)

第1页:第5章 物流需求预测封面

第5章:物流需求预测

本章依次展开物流需求预测的工作过程、时间序列预测(平均数、直线趋势与季节分析预测)、回归分析预测法三个部分。

第2页:本章学习目标

学习目标在明确市场预测工作程序和各种定量预测法的原理、特点和预测模型等基础上,能够根据预测目标及掌握的市场信息资料,选择预测方法,正确建立预测模型,利用Excel处理数据,并能据此对未来物流需求进行推断和估计。

第3页:本章工作任务

工作任务:根据物流需求的时间数列及其相关因素,选择市场预测方法,预测物流需求。

第4页:物流需求预测工作流程

物流需求预测工作流程分为四个阶段:

  • 准备阶段:确定预测目标、收集资料情报
  • 实施阶段:资料整理与数据分析、选择预测方法、预测模型构建运算与预测
  • 验证阶段:模型验证评价、预测结果验证
  • 决策阶段:确定预测值

预测方法分为定性预测与定量预测两类。

第5页:物流需求预测的含义

  • 本章的物流需求预测主要是指对物流需求量的定量分析与预测。

第6页:5.1 物流需求预测的含义

5.1明确物流需求预测的工作过程物流需求预测是根据具体的决策需要,依据物流市场过去和现在的需求状况以及影响物流需求变化的因素之间的关系,运用一定的经验判断和合适的科学方法,对有关反映物流需求指标的变化以及发展的趋势进行预测。

第7页:物流需求预测的工作过程

物流需求预测的工作过程包括以下四步。

  • 1.确定物流需求预测目标
  • 2.收集、整理市场资料
  • 3.选择预测方法与建立预测模型
  • 4.分析预测误差

第8页:5.2 时间序列预测法

5.2 时间序列预测:时间序列预测法是一种历史资料延伸的预测,它是在时间序列变量分析的基础上,运用一定的数学方法建立预测模型,使时间趋势向外延伸,从而预测未来市场的发展变化趋势,确定变量预测值。

主要方法:

  • 平均数预测:算术平均数、几何平均数、移动平均数、指数平滑
  • 趋势预测法:直线趋势预测、曲线趋势预测
  • 季节分析预测法:水平型、趋势型

第9页:1、简单算术平均数法

5.2.1平均数预测1.简单算术平均数法

  • (1)预测模型其中,——n+1期的预测值;n——时间序列的项数,或数据个数;Xi——第i期的观测值。
  • (2)模型假设:数据变化不大,呈水平型变动
  • (3)适用范围:短期的水平型数据模式预测

第10页:2、加权算术平均数法

2.加权算术平均数法

  • (1)预测模型其中,——n+1期的预测值;Wi——第i期的权数;Xi——第i期的实际值。
  • (2)模型假设:数据变化不大,呈水平型变动
  • (3)适用范围:短期的水平型数据模式预测

第11页:3、几何平均数法

3.几何平均数法

  • (1)预测模型
  • (2)模型假设:数据变动呈长期趋势型变动的指数曲线
  • (3)适用范围:数据有显著长期变动趋势,预测对象环比发展速度大体相等其中,——第n期的预测值;——时间序列第0~n期的实际值,即y0、y1、y2……yn——时间序列n期的平均发展速度,即

第12页:4、简单移动平均法

4.简单移动平均法

  • (1)预测模型
  • (2)适用范围:短期水平型数据模式其中,——n+1期的预测值;——一次移动平均数,,n为跨跃期数。
  • (3)实例应用(教材P158【例5.4】)

第13页:5、指数平滑法预测

5.指数平滑法预测

  • (1)预测模型
  • (2)适用范围:一般是短期水平型数据模式式中,S——t期的平滑值(本期预测值);——上期预测值α——平滑系数;Xt-1——t-1期实际发生数(上期实际数)。
  • (3)实例应用(教材P161【例5.5】)

第14页:5.2.2 直线趋势预测法

5.2.2直线趋势预测法直线趋势预测法是指对具有线性变动趋势的时间序列,拟合成直线方程进行预测的方法。

  • (1)预测模型
  • (2)模型假设:各期逐期增长量大体相等
  • (3)适用范围:直线趋势型的中、短期预测。式中:——因变量,即预测值;a、b——模型参数;t——自变量。即时间。

第15页:直线趋势模型的参数计算

a、b参数计算一般计算公式:其中,时序t=1,2,3……n简捷计算公式

第16页:直线趋势预测的实例步骤

(4)实例应用(教材P163【例5.6】)一般步骤:

  • ①判断动态数列各时期发展水平的发展趋势类型(如:直线趋势);
  • ②计算a、b参数;
  • ③建立模型;
  • ④预测。

第17页:5.2.3 季节分析预测法

5.2.3季节分析预测季节分析预测法,是根据历史数据中所包含的季节变动规律,对预测目标的未来状况做出预测的方法。季节分析预测有两种,一是水平型季节变动分析;二是趋势型季节变动分析。水平型季节分析预测可以分为季节指数预测法和季节变差预测法。

第18页:季节指数预测法

季节指数预测法它是计算时间序列中各季(月)的季节指数,并以此进行近期预测的一种预测方法。

  • (2)模型假设:现象不存在长期趋势或长期趋势不明显。
  • (3)适用范围:短期水平型季节变动数据模式。
  • (1)预测模型如果已知预测对象的全年预测值,则该年各季(月)的预测值为:其中,
  • (4)实例应用(教材P168【例5.7】)

第19页:5.3 回归分析预测法

回归分析预测法
借助数理统计中回归分析的理论和方法,确定预测目标(因变量)与影响因素(自变量)之间的依存关系,进行定量分析预测。

分类:

  • 一元回归分析:一元线性回归分析、一元非线性回归分析
  • 多元回归分析:多元线性回归分析、多元非线性回归分析

第20页:5.3.1 一元线性回归预测的基本步骤

5.3.1一元线性回归预测法的基本步骤1.全面分析影响预测目标的相关因素,确定自变量(x)①定性分析和比较所有影响因素,从中找出影响较大的主要因素,初步判定为自变量。②收集数据资料,作相关表和绘制散点图。通过观察散点图的散点分布,粗略判断影响因素与预测目标之间的相关程度和相关形态。

第21页:相关系数r的测定

③相关系数(r)的测定及相关系数的显著性检验1)相关系数的测定和判断相关系数是在直线相关条件下,表明两个现象之间相关关系的方向和密切程度的综合性指标。计算公式:或简捷公式:

第22页:相关系数的判断

相关系数的判断

  • ①r的绝对值,在0与1之间,或r取值在-1~1;
  • ②r为正值表明正相关,r为负值表明负相关;
  • ③当时,表明现象之间完全线性相关,是一种函数关系;而当时,则表明现象之间完全没有线性相关关系。
  • ④r的绝对值大小,可说明现象之间相关关系的紧密程度。

第23页:相关系数的显著性检验

2)相关系数的测定显著性检验当时,作相关系数的显著性检验,检验和判断样本r对总体相关系数的代表性大小。如果相关系数显著性检验通过,主要影响因素(x)可作为自变量。

第24页:建立回归模型与验证评估

2.确定相关关系的数学表达式,即建立回归预测模型。3.预测模型验证与评估。4.利用预测模型进行预测。

第25页:5.3.2 一元线性回归预测模型

5.3.2一元线性回归预测法(1)预测模型式中,——因变量的估计值;x——自变量;a——回归直线在y轴上的截距;b——回归直线的斜率,称回归系数,表明x每增加一个单位,因变量的平均变化值。b>0,x与y为正相关;b<0,x与y为负相关。

第26页:回归参数a、b的计算

其中,a、b 参数计算:本页给出一元线性回归参数 a、b 的计算公式,公式详见原课件图示。

第27页:一元线性回归的模型假设与适用范围

5.3.2一元线性回归预测法

  • (2)模型假设:自变量(x)与因变量(y)之间的相关关系为线性强相关,其他影响因素对因变量变动的作用很小,可忽略不计。
  • (3)适用范围:宏观或微观的中、长期预测。
  • (4)实例应用(教材P172【例5.9】)

第28页:实训与练习

实训与练习根据所收集的资料或已知资料,选择适宜方法,运用EXCEL进行预测。

顶部目录