生产需求预测与管理共55页课件.ppt

1、Nr.Nr.1 13.1 需求预测的重要性需求预测的重要性3.2 定性预测定性预测3.3 定量预测定量预测3.4 预测误差与监控预测误差与监控Nr.Nr.2 2第一节第一节 需求预测的重要性需求预测的重要性预测是对未来可能发生的事件的预计与推断。预测不仅是长期的战略性决策的重要输入，也是短期的日常运作的重要基础。预测为企业编制计划、协调内部各项活动提供了坚实基础。需求预测直接影响着企业生产与运作中的计划和决策。Nr.Nr.3 3影响需求的因素及相互关系影响需求的因素及相互关系广告需求质量销售努力信用政策服务信誉产 品 和 服务的设计企业输入输出商业 周期产品 生命 周期时间顾客 购买 计划竞争

2、者 的努力 与价格顾客 偏好随机 变动企业的努力反馈Nr.Nr.4 4影响需求预测的因素影响需求预测的因素 商业周期：商业周期：中国的商业周期同时具有市场机制和计划中国的商业周期同时具有市场机制和计划模式，也同时形成了独特的运行方式，也就是模式，也同时形成了独特的运行方式，也就是“中国中国国情国情”。美国：在美国：在200多年的时间里，大体经历了近多年的时间里，大体经历了近50次商业周期，由次商业周期，由此产生了许多关于商业周期的理论和一系列观察周期的指标。此产生了许多关于商业周期的理论和一系列观察周期的指标。中国：较远的时代多以政权的更替、自然灾害和外敌入侵等外中国：较远的时代多以政权的更替

3、、自然灾害和外敌入侵等外生变量来表述；近年来，我们的政府和经济学家们不断地用权生变量来表述；近年来，我们的政府和经济学家们不断地用权威的商业周期指标如就业、收入、产出、消费等来推导中国经威的商业周期指标如就业、收入、产出、消费等来推导中国经济的运行模式并据此制定宏观政策或解读变化。济的运行模式并据此制定宏观政策或解读变化。Nr.Nr.5 5影响需求预测的因素影响需求预测的因素产品生命周期时间时间利润额利润额销售额销售额销销售售量量投入期投入期成长期成长期成熟期成熟期衰退期衰退期Nr.Nr.6 6预测分类预测分类预测按时间跨度来分，通常可分为预测按时间跨度来分，通常可分为短期预测、中期预测和长期

4、预测短期预测、中期预测和长期预测。预测结果的准确性或可信度会随着期限的延长而降低，也就是说短期预预测结果的准确性或可信度会随着期限的延长而降低，也就是说短期预测往往要比中长期预测要精确些。测往往要比中长期预测要精确些。预测预测范围范围时间时间长度长度应用应用特征特征预测方法预测方法长期长期5年或年或5年以上年以上企业计划产品计划企业计划产品计划研究计划资本计划研究计划资本计划工厂选址和扩张工厂选址和扩张范围广范围广 总体性总体性定性与定量结合定性与定量结合技术方法技术方法 经济方法经济方法人口统计学人口统计学市场研究市场研究经营者的判断经营者的判断中期中期一般是一般是一个季一个季度到度到2年年

5、总体计划总体计划 预算预算 销售计划销售计划生产计划生产计划 生产和库存预算生产和库存预算定量的预测定量的预测 预测的对象是产品族预测的对象是产品族需要估计可靠性需要估计可靠性销售员预测销售员预测 时间序列分时间序列分析析 回归分析回归分析经济指数修正合结合经经济指数修正合结合经营者的判断营者的判断短期短期通常不通常不超过一超过一个季度个季度短期控制：短期控制：生产和劳动水平的调整生产和劳动水平的调整 采购采购 工作调度工作调度 项目分配项目分配 加班决策加班决策对某一产品预测对某一产品预测 对单对单一产品进行采购生产一产品进行采购生产和库存调整和库存调整回归分析回归分析 移动平均法移动平均法

6、经营者的判断经营者的判断指数平滑法指数平滑法Nr.Nr.7 7预测分类预测分类 在规划未来业务方面企业使用三种类型的预测在规划未来业务方面企业使用三种类型的预测：，通过预测通货膨胀率、货币供给、经济增长，通过预测通货膨胀率、货币供给、经济增长率及其他有关指标来率及其他有关指标来预测经济周期预测经济周期。，通过预测与新产品开发有关的通过预测与新产品开发有关的新技术新技术、新材、新材料、新工艺的发展趋势及其他重要技术指标来推断技术料、新工艺的发展趋势及其他重要技术指标来推断技术进步可能给企业带来的发展机遇。进步可能给企业带来的发展机遇。，即企业产品与服务的即企业产品与服务的需求预测需求预测，如产品

7、销售，如产品销售量、市场占有率及对产品品种、花色、规格、价格的需量、市场占有率及对产品品种、花色、规格、价格的需求变化趋势等。这些预测决定企业的生产、生产能力及求变化趋势等。这些预测决定企业的生产、生产能力及计划体系，并使企业的财务、营销、人事做相应变动。计划体系，并使企业的财务、营销、人事做相应变动。Nr.Nr.8 8预测分类预测分类 按主客观因素所起的作用按主客观因素所起的作用 定性预测定性预测(德尔菲法、部门主管讨论法、德尔菲法、部门主管讨论法、用户调查法、销售人员意见汇集法用户调查法、销售人员意见汇集法)定量预测定量预测(因果模型、时间序列模型因果模型、时间序列模型)Nr.Nr.9 9

8、第二节第二节 需求预测的过程与方法需求预测的过程与方法预测预测方法方法定性定性预测预测定量定量预测预测德尔菲法德尔菲法部门主管意见法部门主管意见法用户调查法用户调查法销售人员意见汇集法销售人员意见汇集法因果模型因果模型时间序时间序列模型列模型时间序列时间序列平滑模型平滑模型时间序列时间序列分解模型分解模型乘法模型乘法模型加法模型加法模型简单移动和加简单移动和加权移动平均法权移动平均法一次和二次指数一次和二次指数平滑法平滑法 1 需求预测的方法分类需求预测的方法分类Nr.Nr.10102 需求预测的一般步骤需求预测的一般步骤决定预测目的和用途决定预测目的和用途决定影响产品需求的因素及其重要性决定

9、影响产品需求的因素及其重要性-预测对象、预测期间预测对象、预测期间根据产品及其性质分类根据产品及其性质分类收集资料加以分析收集资料加以分析选择预测方法或模型选择预测方法或模型计算并核实初步预测结果计算并核实初步预测结果设定无法预测的内外因素设定无法预测的内外因素综合判断需求预测综合判断需求预测预测监控预测监控需求预测的过程需求预测的过程-PDCANr.Nr.1111 判断在预测中的作用判断在预测中的作用 选择预测方法中的作用选择预测方法中的作用 辨别信息中的作用辨别信息中的作用 取舍预测结果时的作用取舍预测结果时的作用 预测精度与成本预测精度与成本 预测的时间范围和更新频率预测的时间范围和更新

10、频率 稳定性与相应性稳定性与相应性注意的几个问题注意的几个问题:Nr.Nr.12123 定性预测方法定性预测方法 Delphi法法 选择对象专家团选择对象专家团提问提问/答案整理答案整理/反馈反馈(3-4回回)最终结果最终结果 不确定性大或没有过去资料的情况不确定性大或没有过去资料的情况 时间和费用是大的缺点时间和费用是大的缺点 为设备为设备,新产品新产品,市场战略的长期预测或技术预测市场战略的长期预测或技术预测 市场调查法市场调查法 对调查内容的假设对调查内容的假设消费者调查消费者调查(调查表调查表/面谈面谈/电话电话)验验 证假设证假设 定性技术中时间和费用是最大的缺点定性技术中时间和费用

11、是最大的缺点 预测比较正确的优点预测比较正确的优点 Panel同意法同意法 经销商经销商/销售员销售员/消费者组成消费者组成panel(专门小组专门小组)自由交换自由交换 意见意见预测值预测值 历史类推法历史类推法 追踪类似产品在过去市场中需求的成长过程追踪类似产品在过去市场中需求的成长过程 类推类推 属于新产品属于新产品,以前没有资料的情况以前没有资料的情况Nr.Nr.1313德尔菲（德尔菲（Delphi）法）法德尔菲法是美国兰德公司（德尔菲法是美国兰德公司（RAND Corporation）奥拉夫）奥拉夫赫尔默博士于赫尔默博士于上上世纪世纪40年代末首创的。它是定性预测方法中最重要、最有效

12、的一种方法，应年代末首创的。它是定性预测方法中最重要、最有效的一种方法，应用十分广泛，可用于预测市场需求、商品供求变化、产品成本与价格、市场用十分广泛，可用于预测市场需求、商品供求变化、产品成本与价格、市场占有率、产品寿命周期等方面。对于那些缺少历史和现实资料的预测尤为实占有率、产品寿命周期等方面。对于那些缺少历史和现实资料的预测尤为实用。用。特点：特点：（1）匿名性。采用匿名函询方式，参加预测的专家互不了解，因而发表观点、）匿名性。采用匿名函询方式，参加预测的专家互不了解，因而发表观点、修正自己的意见均较自由。修正自己的意见均较自由。（2）反馈性。发函征询意见至少要经过两轮，预测当事人应将上

13、一轮专家的意）反馈性。发函征询意见至少要经过两轮，预测当事人应将上一轮专家的意见汇总统计，将其作为反馈信息在下一轮征询时告知各位专家参考。见汇总统计，将其作为反馈信息在下一轮征询时告知各位专家参考。（3）收敛性。专家意见经过多轮征询反馈后，意见趋向一致。用统计方法加以）收敛性。专家意见经过多轮征询反馈后，意见趋向一致。用统计方法加以整理，即可得预测结果。整理，即可得预测结果。Nr.Nr.1414德尔菲法的基本程序德尔菲法的基本程序首先成立预测小组。任务是：首先成立预测小组。任务是：1确定预测主题。确定预测主题。2选择专家。选择时要注意三个问题：首先是广泛性。其次是自愿性。最后是人数要选择专家。

14、选择时要注意三个问题：首先是广泛性。其次是自愿性。最后是人数要适度。参加预测的专家愈多，预测精度将愈高。一般以适度。参加预测的专家愈多，预测精度将愈高。一般以20-50人为宜。人为宜。3编制预测事件一览表。有：编制预测事件一览表。有：预测某事件实现的时间。预测某事件实现的时间。预测事件的相对结构比重。预测事件的相对结构比重。选择性预测。选择性预测。排序性预测。排序性预测。简明询问。简明询问。其次进行轮番征询工作。一般采用三轮制，按以下步骤进行：其次进行轮番征询工作。一般采用三轮制，按以下步骤进行：第一轮。发给专家预测主题及相应的预测事件表，请其在一定期限内将应答第一轮。发给专家预测主题及相应的

15、预测事件表，请其在一定期限内将应答寄回。预测小组在对应答结果整理、统计和分析的基础上，制定第二轮函询寄回。预测小组在对应答结果整理、统计和分析的基础上，制定第二轮函询表。它所列预测事件的预测目标更加集中和明确，表述也更准确。表。它所列预测事件的预测目标更加集中和明确，表述也更准确。第二轮。将第一轮表的统计结果和第二轮函询表发给专家。请专家提出或修第二轮。将第一轮表的统计结果和第二轮函询表发给专家。请专家提出或修改自己的预测，并说明理由，也可以对第一轮统计结果提出质疑。收到专家改自己的预测，并说明理由，也可以对第一轮统计结果提出质疑。收到专家回复后进行统计分析，将分析整理结果再反馈给专家。回复后

16、进行统计分析，将分析整理结果再反馈给专家。第三轮。将第二轮初步所得预测结果制定成第三轮函询表发给专家，请其提第三轮。将第二轮初步所得预测结果制定成第三轮函询表发给专家，请其提出评价意见和理由，寄回。出评价意见和理由，寄回。最后是应答结果的最终处理。最后是应答结果的最终处理。Nr.Nr.15154 定量预测方法定量预测方法分析计算法分析计算法 时间序列模型时间序列模型 简单平均法简单平均法 移动平均法移动平均法 加权平均法加权平均法 指数平滑指数平滑 因果模型因果模型 回归分析法回归分析法Nr.Nr.1616例例3-1 时间序列法：某企业销售额预测时间序列法：某企业销售额预测 Nr.Nr.171

17、7 简单移动简单移动 没有季节性变化或急剧的增加没有季节性变化或急剧的增加/减少趋势减少趋势,偶然变化起重要作用时偶然变化起重要作用时 平均法平均法 通过移动平均消除偶然变化通过移动平均消除偶然变化 待预测期间前一定期间的需求做为简单的平均值待预测期间前一定期间的需求做为简单的平均值 公式公式 Ft+1 =t:期间期间,Ft+1:t+1的预测值的预测值,At:t的实际需求的实际需求,N:移动平均期间移动平均期间 移动平均期间为移动平均期间为4个月个月,实际需求为如下时实际需求为如下时 月月(t)1 2 3 4 5 实际需求实际需求(At)4 3 4 5?5月的需求预测值月的需求预测值F5为为

18、考虑预测的稳定性和需求变化考虑预测的稳定性和需求变化 的反映度选择移动平均期间的反映度选择移动平均期间 F5 =4 *移动平均期间越长移动平均期间越长,偶然因素损偶然因素损 失越多失越多,但对实际需求变化反映慢但对实际需求变化反映慢 如果如果,5月的实际需求为月的实际需求为5时时,6月的需求预测值是月的需求预测值是 F6=4.25 At+At-1+At+1-N N 5+4+3+4 416 45+4+3+5 4174简单移动平均法简单移动平均法Nr.Nr.1818 加权移动加权移动 在用于预测之前在用于预测之前N期间资料值乘上合为期间资料值乘上合为1的加权值的加权值,求出移动平均求出移动平均 平

19、均法平均法 *简单移动平均的情况简单移动平均的情况,在在N期间的各资料值乘上同一的期间的各资料值乘上同一的1/N的加权值的加权值 公式公式 Ft+1=WtAt+Wt-1At-1+Wt+1-NAt+1-N Ft+1:t+1的预测值，的预测值，At:t的实际需求，的实际需求，Wt:赋予赋予t t的加权值，的加权值，实际需求如下实际需求如下 月（月（t）1 2 3 4 5 实际需求（实际需求（At）100 90 105 95？加权值为加权值为4 4月月0.4,30.4,3月份月份0.3,20.3,2月份月份0.2,10.2,1月份月份0.10.1时时 在最近的资料中赋予大在最近的资料中赋予大 5月的

20、需求预测值月的需求预测值F5是是 的加权值的加权值,使能够赶上使能够赶上 F5=0.4*95+0.3*105+0.2*100=97.5 实际需求变化实际需求变化 如果如果,5,5月的实际需求为月的实际需求为110110时时,6,6月的需求预测值是月的需求预测值是 F6=0.4*110+0.3*95+0.2*105+0.1*90=102.511NttiiW加权移动平均法加权移动平均法Nr.Nr.1919 利用指数减少的加权值利用指数减少的加权值,给最近的资料赋予大比重给最近的资料赋予大比重,过去的资料赋予小过去的资料赋予小比重后比重后 预测未来需求预测未来需求 即需求预测值是最近期间的实际需求乘

21、上即需求预测值是最近期间的实际需求乘上a a的加权值的加权值,对最近的需求预对最近的需求预测值乘上测值乘上(1-(1-a a)的加权值后加权平均的数据的加权值后加权平均的数据 与移动平均法一样与移动平均法一样,在季节性变化在季节性变化,趋势趋势,循环要素不起作用是有效循环要素不起作用是有效 *省略用趋势省略用趋势,季节性变化等修正的高次指数平滑法季节性变化等修正的高次指数平滑法 公式公式 F Ft+1t+1=aD=aDt t+(1-a)F+(1-a)Ft t 为求预测值为求预测值F Ft+1t+1需要需要3 3种资料：种资料：最近预测值最近预测值(F Ft t),),最近实际需求最近实际需求(

22、D(Dt t),),平滑常数平滑常数a a(0(0aa1)1)公式变化后公式变化后 F Ft+1t+1=aD=aDt t+(1-a)F+(1-a)Ft t=aD=aDt t+F+Ft t-aF-aFt t=F=Ft t+a(D+a(Dt t-F-Ft t)即即,新预测值是对旧预测值修正新预测值是对旧预测值修正(a(a*预测误差预测误差)后算出后算出 上个月需求预测值是上个月需求预测值是100,100,实际需求是实际需求是110,110,平滑常数平滑常数a=0.3a=0.3时这个月时这个月的预测值是的预测值是F Ft t=F=Ft-1t-1+a(D+a(Dt-1t-1-F-Ft-1t-1)=10

23、0+0.3(110-100)=103)=100+0.3(110-100)=103 但但,没有过去资料时根据定性技术没有过去资料时根据定性技术,预测值做为最初的预测值预测值做为最初的预测值一次指数一次指数 平滑法平滑法 指数平滑法指数平滑法Nr.Nr.2020时间序列平滑模型时间序列平滑模型 一次指数平滑法的连续展开一次指数平滑法的连续展开 期间期间1:D1,F1(F1已知已知,期间期间1末期值可以末期值可以知道知道D1)期间期间2:F2=aD1+(1-a)F1 期间期间3:F3=aD2+(1-a)F2 =aD2+a(1-a)D1+(1-a)2F1 (F2代入式子整理代入式子整理)期间期间4:F

24、4=aD3+(1-a)F3 =aD3+(1-a)D2+a(1-a)2D1+(1-a)3F1 (F3代入式子整理代入式子整理)因此一般因此一般Ft+1用如下公式表示用如下公式表示 公式公式 Ft+1=aDt+a(1-a)Dt-1+a(1-a)2Dt-2 +a(1-a)t-1D1+(1-a)tF1 平滑常数（平滑常数（a)的值越大预测值对需的值越大预测值对需求求变化反应越大，越小平滑的变化反应越大，越小平滑的稳定性稳定性越越好好;实际需求稳定时（例实际需求稳定时（例：食品），为减食品），为减小小短期短期/偶然性变化的效果减小偶然性变化的效果减小a的值的值；为维持预测值的稳定性一般从为维持预测值的稳

25、定性一般从0.10.3中设定中设定。Nr.Nr.2121例例2.1：某公司的月销售额记录如表：某公司的月销售额记录如表3-3所示，试取所示，试取a=0.4,F1=11.00,计算一次指数平滑预测值。计算一次指数平滑预测值。月份月份Dt(千元千元)aDt-1(千元千元)Ft-1(千元千元)（1-a）Ft-1(千元千元)Ft(千元千元)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.

26、1821.589281221.5812.9524.95101811.224.9514.9726.1711167.626.1715.7022.9012146.422.9013.7420.14Nr.Nr.2222Nr.Nr.2323二次指数平滑公式公式 SFt+1=SAt+Tt式中：式中：SFt+1第第t+1期二次指数平滑值；期二次指数平滑值；Tt为为t期平滑趋势值，期平滑趋势值，T0事先给定；事先给定；SAt为为t期平滑平均值，又称之为期平滑平均值，又称之为“基数基数”，SA0事先给定。事先给定。ttttttSFATSAASA)1()(1(1111)1()(ttttTSASAT 斜率偏差的平滑系

27、数。例例2-2：对例：对例2.1提供的数据，设提供的数据，设=0.4,=0.5,SA0=11.00,T0=0.80,求二求二次指数平滑预测值。次指数平滑预测值。指数平滑法指数平滑法Nr.Nr.2424tAtAt(1-1-)SFtSAt(SA(SAt t-SA-SAt-1t-1)(1-)Tt-1TtSFt110.8011.8011047.0811.080.040.400.4411.522124.86.9111.710.320.220.5412.253135.27.3512.55.0.420.270.6913.244166.47.9414.340.900.351.2515.595197.69.35

28、16.951.310.631.9418.896239.211.3320.531.790.972.7623.2972610.413.9724.371.921.383.3027.678301216.628.602.121.653.7732.3792811.219.4230.621.011.892.9033.5210187.220.1127.31-1.651.45-0.2027.1111166.416.2722.67-2.32-0.10-2.4220.2512145.612.1517.75-2.46-1.21-3.6714.08Nr.Nr.2525Nr.Nr.2626二次指数平滑法二次指数平滑法什么

29、是二次指数平滑法什么是二次指数平滑法二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。一次移动平均法的两个限制因素在线性二次移动平均法数学模型确定预测值。一次移动平均法的两个限制因素在线性二次移动平均法中也才存在，线性二次指数，平滑法只利用三个数据和一个中也才存在，线性二次指数，平滑法只利用三个数据和一个值就可进行计算；值就可进行计算；在大多数情况下，一般更喜欢用

30、线性二次指数平滑法作为预测方法。在大多数情况下，一般更喜欢用线性二次指数平滑法作为预测方法。二次指数平滑法的计算二次指数平滑法的计算线性二次指数平滑法的公式为：线性二次指数平滑法的公式为：式中：分别为式中：分别为t期和期和t1期的二次指数平滑值；期的二次指数平滑值；a为平滑系数。为平滑系数。在和已知的条件下，二次指数平滑法的预测模型为：在和已知的条件下，二次指数平滑法的预测模型为：T为预测超前期数为预测超前期数 )1()1(1)1(tttFDF)2()1(1)2(1)1(tttFFF)2()1(2tttFFa)(11)2()1(1tttFFabNr.Nr.2727Nr.Nr.2828Nr.Nr

31、.2929因果预测因果预测 市场预测中有许多因果关系因素，如：购买力随工资增市场预测中有许多因果关系因素，如：购买力随工资增加；雨具销售随雨天延长；加；雨具销售随雨天延长；因果关系的第一步是找出真正呈因果关系的那些事件。因果关系的第一步是找出真正呈因果关系的那些事件。一般地，主要变量间无因果关系，但在某些间接情况下，一般地，主要变量间无因果关系，但在某些间接情况下，一些主要变量可能暗含了另一些可能事件。其他的非因果一些主要变量可能暗含了另一些可能事件。其他的非因果关系可视为偶然联系。关系可视为偶然联系。以下为一个用因果关系进行预测的例子以下为一个用因果关系进行预测的例子例：例：因果关系预测因果

32、关系预测 位于卡彭塔里亚市的地毯商城保存了历位于卡彭塔里亚市的地毯商城保存了历年的地毯销售记录（以平方码为单位）和该地区历年来批年的地毯销售记录（以平方码为单位）和该地区历年来批准的新建房屋数，数据如下：准的新建房屋数，数据如下：Nr.Nr.3030年份 新房屋（x平方码）地毯销量（y平方码）1989 18 130001990 15 12000 1991 12 110001992 10 100001993 20 140001994 28 160002019 35 190002019 30 170002019 20 13000因果分析因果分析Nr.Nr.3131因果分析因果分析 方程：方程：y=

33、7000+350 xy=7000+350 x设设20192019年新建房为年新建房为2525，则，则 y=7000+350 y=7000+350 25 25=15750=15750码码Nr.Nr.3232线性回归预测法是运用一个自变量线性回归预测法是运用一个自变量x（它不再是时间）进行预测（它不再是时间）进行预测的方法，设预测的因变量为的方法，设预测的因变量为 。则有：。则有：a截距截距 b斜率斜率 上式中的回归系数上式中的回归系数a，b可通过以往的实际数据用最小二乘法确可通过以往的实际数据用最小二乘法确定，从而求出线性回归方程式。定，从而求出线性回归方程式。线性回归预测法线性回归预测法bxa

34、yy 22xnxyxnxybxbyanyynxx,式中：Nr.Nr.3333例例2-3 回归分析法回归分析法:销量预测销量预测 Nr.Nr.3434例例 对下例对下例,应用一元线形回归法进行预测。应用一元线形回归法进行预测。XYX2XY2.510432.36.2526 080.753.510553.512.2536 937.254.510704.820.2548 171.605.510776.830.2559 272.406.510948.342.2571 163.957.511214.556.2584 108.758.511279.872.2595 878.309.511543.090.25

35、109 658.5010.511756.0110.25123 438.005.58X0.99209Y25.4402X50.654709XYNr.Nr.3535解：183.1645.58)25.440(9/)0.99209(5.58)5.654709(92b03.99569/)5.58183.16499209(aXYT183.16403.9956衡量一元线形回归方法偏差的两个指标：线形相关系数r和标准差Syx。)()(2222YYnXXnYXXYnr2)(2nYYSTyxNr.Nr.3636例例2-3 回归分析法回归分析法:销量预测销量预测 Nr.Nr.3737因果模型因果模型-最小二乘法最小二

36、乘法(归纳）归纳）回归分析回归分析 需求作为函数需求作为函数,影响需求的因素作为变量来预测影响需求的因素作为变量来预测 单一变量：单一线形回归分析；单一变量：单一线形回归分析；2个以上变量：多重线形回归分析个以上变量：多重线形回归分析单一线形回归分析单一线形回归分析 公式公式 Y=函数函数Y的推定值的推定值(即即,回归线上值回归线上值)X=独立变量独立变量(对需求影响最大的因素对需求影响最大的因素)a=Y轴的截距，轴的截距，b=回归线回归线(直线直线)的斜率的斜率 用最小自乘法求用最小自乘法求a、b：多重线形回归分析多重线形回归分析 现实中影响需求的有多种因素现实中影响需求的有多种因素 公式公

37、式 Y=a+b1X1+b2X2+bkXk 但是不用但是不用手算，用计算机计算手算，用计算机计算 bxaY2112111)()(nttnttnttnttntttXXnYXYXnbnXbYanttntt11Nr.Nr.3838例例2.4 对例对例2.2应用一元线形回归法进行预测。应用一元线形回归法进行预测。XYX2XY2.510432.36.2526 080.753.510553.512.2536 937.254.510704.820.2548 171.605.510776.830.2559 272.406.510948.342.2571 163.957.511214.556.2584 108.7

38、58.511279.872.2595 878.309.511543.090.25109 658.5010.511756.0110.25123 438.005.58X0.99209Y25.4402X50.654709XYNr.Nr.3939解：183.1645.58)25.440(9/)0.99209(5.58)5.654709(92b03.99569/)5.58183.16499209(aXYT183.16403.9956衡量一元线形回归方法偏差的两个指标：线形相关系数r和标准差Syx。)()(2222YYnXXnYXXYnr2)(2nYYSTyxNr.Nr.4040时间序列分解模型时间序列分

39、解模型 因此需求因此需求Y可用下列函数表示可用下列函数表示 Y=f(T,S,C,R)并且根据构成要素的结合形态并且根据构成要素的结合形态 乘法模型乘法模型 Y=T*S*C*R 加法模型加法模型 Y=T+S+C+R0 1 2 3 4需求时间时间系列和它的构成要素系列和它的构成要素时间（年）时时间间系系列列趋势趋势季节性季节性 变化变化周期周期因素因素不规则不规则 变化变化时间系列的时间系列的4个构成要素个构成要素趋势趋势(T)需求以一定的比率增加或减少的倾向需求以一定的比率增加或减少的倾向季节性变化季节性变化(S)表示趋势线上下的变化以表示趋势线上下的变化以1年为单位反复年为单位反复周期因素周期

40、因素 (C)经过经过1年以上长时间需求作上下有规则变年以上长时间需求作上下有规则变动动不规则变化不规则变化/偶然变化偶然变化(R)说不出原因的变化说不出原因的变化,不能预计或控制不能预计或控制(例例:战战争争,地震地震）Nr.Nr.4141图3-7 几种可能的时间序列类型Nr.Nr.4242例例 下表是某旅游服务点过去下表是某旅游服务点过去3年各季度快餐的销售记录。试预测该公司未来一年各年各季度快餐的销售记录。试预测该公司未来一年各季度的销售量。季度的销售量。季度季度季度序号季度序号t销售量销售量At4个季度销售总量个季度销售总量4个季度移动平均个季度移动平均季度中点季度中点夏夏111800秋

41、秋210404冬冬3 8925春春4106004172910432.32.5夏夏5122854221410553.53.5秋秋6110094281910704.84.5冬冬7 92134310710776.85.5春春8112864379310948.36.5夏夏9133504485811214.57.5秋秋10112704511911279.88.5冬冬11102664617211543.09.5春春12121384704211756.010.5Nr.Nr.4343解：分三步进行解：分三步进行 （1）求趋势直线方程求趋势直线方程。采用最小二乘法或目测法。先求得a=10000(份)，再求b的值

42、:b=(12000-10000)/12=167 Tt=10000+167tNr.Nr.4444(2)估算季节系数（估算季节系数（Seasonal index,SI）t123456789101112At/Tt1.161.010.850.991.131.000.821.001.160.950.871.01 SI(夏)=（A1/T1+A5/T5+A9/T9）/3=（1.16+1.13+1.16）/3=1.15同样可得，SI(秋)=1.00;SI(冬)=0.85;SI(春)=1.00。(3)预测预测夏季：（10000+16713）1.15=13997(份)秋季：（10000+16714）1.00=12

43、338(份)冬季：（10000+16715）0.85=10629(份)春季：（10000+16716）1.00=12672(份)Nr.Nr.4545其它模型其它模型计量经济计量经济 用一系列相互关联的回归方程式预测各种经济活动用一系列相互关联的回归方程式预测各种经济活动 模型模型投入投入-产出产出 分析各产业部门间的产品及服务的流程预测需求分析各产业部门间的产品及服务的流程预测需求 模型模型先导指标法先导指标法 根据预测对象的先导指标预测需求根据预测对象的先导指标预测需求 石油价格是大型车需求的先导指标石油价格是大型车需求的先导指标Simulation 假设各种内生变量和外生变量后假设各种内生

44、变量和外生变量后,利用电脑进行模拟实验利用电脑进行模拟实验,预测需求的动模型预测需求的动模型 模型模型 价格上涨价价格上涨价10%时需求的变化时需求的变化,国内经济萧条时需求的变化国内经济萧条时需求的变化 Nr.Nr.46462.4 预测监控预测监控 预测精度测量 预测监控Nr.Nr.4747预测精度（预测精度（Forecast accuracy）测量）测量平均绝对偏差（Mean absolute deviation,MAD）nFAMADnttt1nFAMSEnttt12)(nFAMFEnttt1)(nitttAFAnMAPE1)100(平均平方误差（Mean square error,MSE

45、）平均预测误差（Mean forecast error,MFE）平均绝对百分误差（Mean absolute percentage error,MAPE）Nr.Nr.4848预测监控预测监控(Monitoring and controlling forecasts)将最近的实际值与预测值比较，看偏差是否在可接受的范围内应用跟踪信号（Tracking signal,TS）MADFAMADRSFETSnttt1)(Nr.Nr.4949Nr.Nr.5050Nr.Nr.5151本章小结本章小结需求是经济运行的基点。如果需求预测错误，就有投资的风险。需求是经济运行的基点。如果需求预测错误，就有投资的风险

46、。市场需求每天都在变化，即便日常生产活动中也要切实地把握最终需求的变动。市场需求每天都在变化，即便日常生产活动中也要切实地把握最终需求的变动。多阶段生产系统中最终需求预测信息的共享尤其重要，生产厂家只根据上游厂商多阶段生产系统中最终需求预测信息的共享尤其重要，生产厂家只根据上游厂商的订货信息来决定自己的生产计划时，就会产生牛鞭效应（的订货信息来决定自己的生产计划时，就会产生牛鞭效应（bullwhip effect）。此）。此时，不同企业之间合作进行需求预测与制定生产计划的时，不同企业之间合作进行需求预测与制定生产计划的CPFR（collaborative planning forecastin

47、g and replenishment）战略十分重要。）战略十分重要。牛鞭效应是供应链上的一种需求变异放大(方差放大)现象，是信息流从最终客户端向原始供应商端传递时，无法有效地实现信息的共享，使得信息扭曲而逐级放大，导致了需求信息出现越来越大的波动。最下游的客户端相当于鞭子的根部，而最上游的供应商端相当于鞭子的梢部，在根部的一端只要有一个轻微的抖动，传递到末梢端就会出现很大的波动。在供应链上，这种效应越往上游，变化就越大，距终端客户越远，影响就越大。这种信息扭曲如果和企业制造过程中的不确定因素叠加在一起，将会导致巨大经济损失。牛鞭效应的示意图如下图所示。预测方法很重要，但收集和观测收集到的需求

48、数据更不能忽视。预测方法很重要，但收集和观测收集到的需求数据更不能忽视。Nr.Nr.5252习题习题P953.解：解：（1）求趋势直线方程求趋势直线方程 （2）估算季节系数估算季节系数 （3）作出预测作出预测季度序号销售量1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16Tt=1.5+0.5 tAt/Tt,A1/T1=3.05/2=1.525,SI(春)=/4,春季（1.5+0.5x17）SI(春)=,作图目测法：截距a=1.5斜率b=(9-1.5)/16=0.5 Nr.Nr.5353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春13.05夏21.

49、45秋31.96冬44.5411.002.75 2.5春55.1113.063.27 3.5夏63.4215.033.76 4.5秋73.8916.964.24 5.5冬86.6219.044.76 6.5春97.0322.655.24 7.5夏105.5124.275.76 8.5秋115.9525.116.28 9.5冬128.5227.016.7510.5春139.1429.127.2811.5夏147.5531.167.7912.5秋157.8833.098.2713.5冬1610.5635.138.7814.5Nr.Nr.5454习题习题P95求线性回归方程求线性回归方程b=(5x4

50、9512622.5x110683)/(5x111.25-22.52)=-294.75a=(110683+294.75x22.5)/5=23463YT=23463-294.75X季度序号需求(At)季度中点（季度中点（X）一年移动平均值（一年移动平均值（Y）X2XY126209221402318677424681 2.5227426.25 56855525390 3.52253812.25 78883619064 4.52195320.25 98789718173 5.52182730.25120199823866 6.52162342.25140550X=22.5Y=110683 X2=111