得新的预测值。即
F t F t 1(A t 1 F t 1)
式中： Ft——第t期的预测值； Ft-1——第t-1期的预测值； a——平滑系数；
At-1——第t-1期的实际需求量或销售量。
上式可变形为： F t(1)F t1at A 1
平滑常数a决定了预测对偏差调整的快慢。a的值越接近于0，预测对偏差的 调整就越慢（即预测对时间序列做出了更大的平滑）。反之，a的值越趋于1， 预测对偏差的调整就越迅速，同时平滑效果就越差。
• 1、确定评价项目，即哪些指标采取此法进行评价。 • 2、制定出评价等级和标准。先制定出各项评价指标统一的评价等
级或分值范围，然后制定出每项评价指标每个等级的标准，以便 打分时掌握。这项标准，一般是定性与定量相结合，也可能是定 量为主，也可以是定性为主，根据具体情况而定。 • 3、制定评分表。内容包括所有的评价指标及其等级区分和打分。 • 4、根据指标和等级评出分数值。评价者收集和指标相关的资料， 给评价对象打分，填入表格。 • 5、数据处理和评价：将专家填写好的评分表汇总、统计、加权平 均，求出最好的方案。 （1） 确定各单项评价指标得分。 （2） 计算各组的综合评分和评价对象的总评分。 （3） 评价结果的运用。将各评价对象的综合评分，按原先确定 的评价目的，予以运用。
·W1--第t-1期实际销售额的权重； ·W2--第t-2期实际销售额的权重； ·Wn--第t-n期实际销售额的权 ·n--预测的时期数；W1+ W2+…+ Wn=1 在运用加权平均法时，权重的选择是一个应该注意的问题。经验法和试 算法是选择权重的最简单的方法。一般而言，最近期的数据最能预示未来的 情况，因而权重应大些。例如，根据前一个月的利润和生产能力比起根据前 几个月能更好的估测下个月的利润和生产能力。但是，如果数据时季节性的 ，则权重也应是季节性的。
相关系数r的特征有： ①相关系数取值范围为：-1≤r≤1 。 ②r与b符合相同。当r>0，称正线性相关，Xi上升，Yi呈线性
增加。当r<0，称负线性相关，Xi上升，Yi呈线性减少。 ③|r|=0，X与Y无线性相关关系；|r|=1，完全确定的线性相关
关系；0<|r|<1，X与Y存在一定的线性相关关系；|r|>0.7，为高度 线性相关；0.3<|r|≤0.7，为中度线性相关；|r|≤0.3，为低度线性相 关。 (R检验）（F检验）
物流需求预测方法
主要内容
• 一、定性方法 >> • 1.1专家意见法 • 4.2.1 移动平均预测 >> • 4.2.2 指数平滑预测 >> • 4.3 趋势预测 >> • 4.4 建立移动平均模型和指数平滑模型 • 4.4.1 移动平均模型 >> • 4.4.2 指数平滑模型 >> • 4.5 Holt预测模型 >> • 4.6 季节指数模型 >>
2.2指数平滑法
最适合的预测期：短期。最新数据的权重高于早期数据。 特点：（1）短期预测中最有效的方法
（2）只需要得到很小的数据量就可以连续使用 （3）在同类预测法中被认为是最精确的 （4）当预测数据发生根本性变化时还可以进行自我调整 （5）是加权移动平均法的一种，较近期观测值的权重比较远期观测值的 权重要大. 具体做法：上一期预测值加上时间序列该期实际与预测值差额的一定百分数即
归。
设y为因变量，
为自变量，并且自变量与因
变量之间为线性关系时，则多元线性回归模型为：
其中，b0为常数项，
为回归系数 。
b1为
固定时，x1每增加一个单位对y的效应，即
x1对y的偏回归系数；同理b2为
固定时，x2每增加
一个单位对y的效应，即，x2对y的偏回归系数，等等。
3.2 多元线性回归的计算模型
2.4 带有需求趋势和季节性需求校正的指数平滑 法（Winter模型）
现假定需求的周期数为L，在t期，已给定实际值At 、初始需求水平 St
、初始需求趋势Tt 以及一个周期的初始季节性需求I t ，I t 1，…
，It
的预测，
L 1
则第t+1期的对需求水平、需求趋势、季节性需求以及总的需求预测做如下
一元线性回归分析法的预测模型为：
式中， Xt代表t期自变量的值； 代表t期因变量的值；
a、b代表一元线性回归方程的参数。 u为随机干扰项，与x无关，它反映了y被x解释的不确定性。
线性相关示意图
y
y
a
yˆ abx
a
yˆ abx
0
x
0
x
3.1一元线性回归预测法
• a、b参数由下列公式求得（用 代表 ）：
较一致的意见。
选择对象
发送调查表格
回收调查问卷并统计 调查结果
统计结果的分析评价 预测结果
进行新一轮的调 查表格
执行过程如图 注意！！专家的选择非常重要
二、时间序列预测法
时间序列：指在一个给定的时期内按照固定时间间隔 （例如，1小时、一周或一月等）把某种变量的数值依 时间先后顺序排列而成的序列。
时间序列预测法是基于历史继承性这一 原则而进行的预测，即短期内某个事物的发 展趋势是其过去历史的延伸。它注重研究事 物发展变化的内因。这类预测方法通常适合 在外界影响比较稳定的条件下作短期预测。
即
多元线性回归模型的检验
•
多元性回归模型与一元线性回归模型一样必要的检验与评价，以决定
模型是否可以应用。
1、拟合程度的测定（ R检验）
与一元线性回归中可决系数r2相对应，多元线性回归中也有多重可 决系数r2，它是在因变量的总变化中，由回归方程解释的变动(回归平 方和)所占的比重， r2越大，回归方各对样本数据点拟合的程度越强 ，所有自变量与因变量的关系越密切。计算公式为：
2.1移动平均法
移动平均法可以分为：简单移动平均和加权移动平均
一、简单移动平均法 简单移动平均的各元素的权重都相等。简单的移
动平均的计算公式如下： Ft=(At-1+At-2+At-3+…+At-n)/n 式中：
·Ft--对下一期的预测值； ·n--移动平均的时期个数； ·At-1--前期实际值； ·At-2,At-3和At-n分别表示前两期、前三期直至 前n期的实际值
、讨论会、辩论会等，让专家写出来。 • 2）可行性分析报告、方案建议书、专家问卷等，让专
家写出来。
2.2 综合评分法
• 定义： 综合评分法这一种方法是用于评价指标无法用统一的量纲 进行定量分析的场合，而用无量纲的分数进行综合评价。
• 综合评分法是先分别按不同指标的评价标准对各评价指标进行评 分，然后采用加权相加，求得总分。其顺序如下：
Ft1 ：第t+1期趋势与季节性需求校正后的预测值。
三.因果分析法
• 因果分析预测法是一类对预测对象与其制 约因素的相互联系进行分析，从而建立预 测对象与其所能观察到的相关因素间因果 关系的预测模型进行预测的方法。
3.1一元线性回归预测法
一元线性回归分析预测法，是根据自变量x和因变量Y的 相关关系，建立x与Y的线性回归方程进行预测的方法。由于 市场现象一般是受多种因素的影响，而并不是仅仅受一个因 素的影响。所以应用一元线性回归分析预测法，必须对影响 市场现象的多种因素做全面分析。只有当诸多的影响因素中 ，确实存在一个对因变量影响作用明显高于其他因素的变量 ，也就是主要因素，才能将它作为自变量，应用一元相关回 归分析市场预测法进行预测。
3.2 多元线性回归的计算模型
•
一元线性回归是一个主要影响因素作为自变量来解释因变量
的变化，在现实问题研究中，因变量的变化往往受几个重要因素
的影响，此时就需要用两个或两个以上的影响因素作为自变量来
解释因变量的变化，这就是多元回归亦称多重回归。当多个自变
量与因变量之间是线性关系时，所进行的回归分析就是多元性回
2.4 带有需求趋势和季节性需求校正的指数平滑 法（Winter模型）
当需求的时间序列中可观察到既有趋势变动特征又有季节性 波动的特征时，使用带有需求趋势和季节性需求校正的指数平滑 法较为合适。在这里，使用如下等式来校正预测：
系统需求=（需求水平+需求趋势）╳季节性需求
在应用此模型之前，又两个条件要满足: • 一、需求模型的季节性波动的高峰与低谷产生的原因
1.1 专家意见法
• 定义：是通过听取专家意见来确定预测结果的方法。 主要用于开发新技术、新产品、新项目、研究发展战 略时采用。主要是聘请一些专家，他们根据自己长期 对于市场发展规律的知识和经验，借助于其他产品进 行类比分析、现实条件分析、经济发展速度分析等， 就可能提出令人信服的预测结果来。
• 方法： • 1）方案论证会、可行性分析会、专家座谈会、咨询会
1.3 德尔菲法（最合适的预测期：中期到长期）
基本程序： 由企业外的见识广博
，学有专长的专家作市场 预测。先请一组专家（10 ～50人）独立地对需要预 测的问题提出意见，公司 主持人把各人意见综合， 整理后又反馈给每个人， 使他们有机会比较一下他 人不同的意见。如仍坚持 自己的意见，可进一步说 明理由，再寄给主持人。 主持人整理后再次反馈给 每个人，如此重复三至五 次后，一般可得出一个比
为简便计算，我们作以下定义：
式中： 这样定义a、b后，参数由下列公式求得：
3.1一元线性回归预测法
• 将a、b代入一元线性回归方程Yt = a + bXt，就可以建立预测模型 ，那么，只要给定Xt值，即可求出预测值 。
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：
校正：
S T 1 ( A T /I T ) ( 1 )S T ( T T
T t 1(S t 1 S t) (1 )T