高山+劉蓉蓉+譚欽騰+李以芬+賈春榮+譚建

摘 要：運用以月份、季度季節(jié)性分解模型與增長型曲線外推預測模型對卷煙需求進行組合預測。實驗結果表明，該組合模型能夠較好地預測卷煙年銷售總量值變化。

關鍵詞：卷煙；組合預測；季節(jié)性分解；曲線外推

中圖分類號：F123.9 文獻標志碼：A 文章編號：1673-291X（2014）24-0075-02

一、引言

卷煙市場需求預測是按客戶訂單組織貨源工作的起點、前提和基礎。只有進行科學的需求預測，精準地把握市場需求，才能主動適應市場變化，生產(chǎn)更加適銷對路的卷煙，切實滿足市場需求，提高零售戶的訂單滿足率，將“按客戶訂單組織貨源”工作的初衷落到實處?？茖W準確的需求預測[1]，能夠及時有效地反映真實的市場需求和變化情況[2]，為商業(yè)企業(yè)的營銷活動提供決策支持，使商業(yè)企業(yè)貨源的組織、供應更加合理，為工業(yè)企業(yè)提高產(chǎn)品質量和開展營銷活動提供信息支撐，提高工業(yè)和商業(yè)企業(yè)對市場、產(chǎn)品變化的反應能力[3]。

二、卷煙需求短期預測

（一）增長型曲線外推預測模型

由于不同的增長曲線有不同的增長特征，分析這些特征是進行模型識別的首要問題。因此，采用增長型曲線外推預測，首先要分析貴州卷煙增長特征。

根據(jù)圖1所示數(shù)據(jù)，采用外推預測模型，運用SPSS19對下頁表1數(shù)據(jù)進行曲線擬合，結果（見下頁表1）。

由下頁表1可以看出，雖然所有外推預測模型的顯著性檢驗值均小于0.05，但三次拋物線增長型曲線的判定系數(shù)R2及F值均最大，故貴州省卷煙年度銷售預測最佳模型三次拋物線增長型曲線為：

y=985 191.021-35 294.263×t+33 331.863×t2-2 968.177×t3

根據(jù)該式，將t=9代入上式，得到2014年銷量預測值為1 203 620箱。

（二）季節(jié)性分解

卷煙銷量具有明顯的長期趨勢和季節(jié)變動，利用季節(jié)因素分解法，選擇乘法模型Y=T·S·C·I。下面將其中的變動因素一一分解出來，測定其變動規(guī)律，然后再綜合反映它們的變動對時間序列變動的影響。

1.長期趨勢分析

以時間t為自變量以銷售量y為因變量，以直線模型=b0+b1t擬合長期趨勢。采用最小二乘法，通過SPSS19，得到結果（如表2所示）。

2.周期性變動

根據(jù)剩余法，運用移動平均法n=yi/12剔除長期趨勢和周期變化，得到序列T·C，用序列T·C除以長期趨勢T，得到周期性變動因素C，取各年同月份的平均值作為周期性變動性因素。根據(jù)上述計算結果，2014年銷量預測值為1 477 752箱。

（三）時間序列的組合預測

設{Xt}，t=1，2，…，N為某個統(tǒng)計量的觀測序列，{t（j）}，j=1，2，…，J，t=1，2，…，N，為對應的用J個預測模型得到的擬合序列。對xN，k，k=1，2，…，K用J個不同模型獲得的預測值記為N+k（j），j=1，2，…，J，將這J個模型對N+k的組合預測值記為N+k，有：

N+k=WjN+k（j），k=1，2，…，K。式中Wj，j=1，2，…，J為第j個模型在綜合預測值中所占的權重，一般情況下為了保持綜合模型的無偏性，Wj應滿足歸一化約束條件Wj=1。在此處Wj的確定采用方差倒數(shù)加權法。

三、小結

本文運用月份、季度為周期的季節(jié)性分解預測模型和增長型外推預測模型，通過組合預測對貴州省2014年卷煙銷量預測，并對預測結果進行了預測精度分析，結果表明組合預測精度較高。

參考文獻：

[1] 董曉民，杜秀亭.卷煙需求預測基本方法及其應用[J].內(nèi)蒙古科技與經(jīng)濟，2008，（8）：143-145.

[2] 馮文權.經(jīng)濟預測與決策技術（第4版）[M].武漢：武漢大學出版社，2005：24-25.

[3] 盧紋岱.SPSS for Windows 統(tǒng)計分析（第2版）[M].北京：電子工業(yè)出版社，2005：431.

[責任編輯 陳丹丹]endprint

摘 要：運用以月份、季度季節(jié)性分解模型與增長型曲線外推預測模型對卷煙需求進行組合預測。實驗結果表明，該組合模型能夠較好地預測卷煙年銷售總量值變化。

關鍵詞：卷煙；組合預測；季節(jié)性分解；曲線外推

中圖分類號：F123.9 文獻標志碼：A 文章編號：1673-291X（2014）24-0075-02

一、引言

卷煙市場需求預測是按客戶訂單組織貨源工作的起點、前提和基礎。只有進行科學的需求預測，精準地把握市場需求，才能主動適應市場變化，生產(chǎn)更加適銷對路的卷煙，切實滿足市場需求，提高零售戶的訂單滿足率，將“按客戶訂單組織貨源”工作的初衷落到實處。科學準確的需求預測[1]，能夠及時有效地反映真實的市場需求和變化情況[2]，為商業(yè)企業(yè)的營銷活動提供決策支持，使商業(yè)企業(yè)貨源的組織、供應更加合理，為工業(yè)企業(yè)提高產(chǎn)品質量和開展營銷活動提供信息支撐，提高工業(yè)和商業(yè)企業(yè)對市場、產(chǎn)品變化的反應能力[3]。

二、卷煙需求短期預測

（一）增長型曲線外推預測模型

由于不同的增長曲線有不同的增長特征，分析這些特征是進行模型識別的首要問題。因此，采用增長型曲線外推預測，首先要分析貴州卷煙增長特征。

根據(jù)圖1所示數(shù)據(jù)，采用外推預測模型，運用SPSS19對下頁表1數(shù)據(jù)進行曲線擬合，結果（見下頁表1）。

由下頁表1可以看出，雖然所有外推預測模型的顯著性檢驗值均小于0.05，但三次拋物線增長型曲線的判定系數(shù)R2及F值均最大，故貴州省卷煙年度銷售預測最佳模型三次拋物線增長型曲線為：

y=985 191.021-35 294.263×t+33 331.863×t2-2 968.177×t3

根據(jù)該式，將t=9代入上式，得到2014年銷量預測值為1 203 620箱。

（二）季節(jié)性分解

卷煙銷量具有明顯的長期趨勢和季節(jié)變動，利用季節(jié)因素分解法，選擇乘法模型Y=T·S·C·I。下面將其中的變動因素一一分解出來，測定其變動規(guī)律，然后再綜合反映它們的變動對時間序列變動的影響。

1.長期趨勢分析

以時間t為自變量以銷售量y為因變量，以直線模型=b0+b1t擬合長期趨勢。采用最小二乘法，通過SPSS19，得到結果（如表2所示）。

2.周期性變動

根據(jù)剩余法，運用移動平均法n=yi/12剔除長期趨勢和周期變化，得到序列T·C，用序列T·C除以長期趨勢T，得到周期性變動因素C，取各年同月份的平均值作為周期性變動性因素。根據(jù)上述計算結果，2014年銷量預測值為1 477 752箱。

（三）時間序列的組合預測

設{Xt}，t=1，2，…，N為某個統(tǒng)計量的觀測序列，{t（j）}，j=1，2，…，J，t=1，2，…，N，為對應的用J個預測模型得到的擬合序列。對xN，k，k=1，2，…，K用J個不同模型獲得的預測值記為N+k（j），j=1，2，…，J，將這J個模型對N+k的組合預測值記為N+k，有：

N+k=WjN+k（j），k=1，2，…，K。式中Wj，j=1，2，…，J為第j個模型在綜合預測值中所占的權重，一般情況下為了保持綜合模型的無偏性，Wj應滿足歸一化約束條件Wj=1。在此處Wj的確定采用方差倒數(shù)加權法。

三、小結

本文運用月份、季度為周期的季節(jié)性分解預測模型和增長型外推預測模型，通過組合預測對貴州省2014年卷煙銷量預測，并對預測結果進行了預測精度分析，結果表明組合預測精度較高。

參考文獻：

[1] 董曉民，杜秀亭.卷煙需求預測基本方法及其應用[J].內(nèi)蒙古科技與經(jīng)濟，2008，（8）：143-145.

[2] 馮文權.經(jīng)濟預測與決策技術（第4版）[M].武漢：武漢大學出版社，2005：24-25.

[3] 盧紋岱.SPSS for Windows 統(tǒng)計分析（第2版）[M].北京：電子工業(yè)出版社，2005：431.

[責任編輯 陳丹丹]endprint

摘 要：運用以月份、季度季節(jié)性分解模型與增長型曲線外推預測模型對卷煙需求進行組合預測。實驗結果表明，該組合模型能夠較好地預測卷煙年銷售總量值變化。

關鍵詞：卷煙；組合預測；季節(jié)性分解；曲線外推

中圖分類號：F123.9 文獻標志碼：A 文章編號：1673-291X（2014）24-0075-02

一、引言

卷煙市場需求預測是按客戶訂單組織貨源工作的起點、前提和基礎。只有進行科學的需求預測，精準地把握市場需求，才能主動適應市場變化，生產(chǎn)更加適銷對路的卷煙，切實滿足市場需求，提高零售戶的訂單滿足率，將“按客戶訂單組織貨源”工作的初衷落到實處?？茖W準確的需求預測[1]，能夠及時有效地反映真實的市場需求和變化情況[2]，為商業(yè)企業(yè)的營銷活動提供決策支持，使商業(yè)企業(yè)貨源的組織、供應更加合理，為工業(yè)企業(yè)提高產(chǎn)品質量和開展營銷活動提供信息支撐，提高工業(yè)和商業(yè)企業(yè)對市場、產(chǎn)品變化的反應能力[3]。

二、卷煙需求短期預測

（一）增長型曲線外推預測模型

由于不同的增長曲線有不同的增長特征，分析這些特征是進行模型識別的首要問題。因此，采用增長型曲線外推預測，首先要分析貴州卷煙增長特征。

根據(jù)圖1所示數(shù)據(jù)，采用外推預測模型，運用SPSS19對下頁表1數(shù)據(jù)進行曲線擬合，結果（見下頁表1）。

由下頁表1可以看出，雖然所有外推預測模型的顯著性檢驗值均小于0.05，但三次拋物線增長型曲線的判定系數(shù)R2及F值均最大，故貴州省卷煙年度銷售預測最佳模型三次拋物線增長型曲線為：

y=985 191.021-35 294.263×t+33 331.863×t2-2 968.177×t3

根據(jù)該式，將t=9代入上式，得到2014年銷量預測值為1 203 620箱。

（二）季節(jié)性分解

卷煙銷量具有明顯的長期趨勢和季節(jié)變動，利用季節(jié)因素分解法，選擇乘法模型Y=T·S·C·I。下面將其中的變動因素一一分解出來，測定其變動規(guī)律，然后再綜合反映它們的變動對時間序列變動的影響。

1.長期趨勢分析

以時間t為自變量以銷售量y為因變量，以直線模型=b0+b1t擬合長期趨勢。采用最小二乘法，通過SPSS19，得到結果（如表2所示）。

2.周期性變動

根據(jù)剩余法，運用移動平均法n=yi/12剔除長期趨勢和周期變化，得到序列T·C，用序列T·C除以長期趨勢T，得到周期性變動因素C，取各年同月份的平均值作為周期性變動性因素。根據(jù)上述計算結果，2014年銷量預測值為1 477 752箱。

（三）時間序列的組合預測

設{Xt}，t=1，2，…，N為某個統(tǒng)計量的觀測序列，{t（j）}，j=1，2，…，J，t=1，2，…，N，為對應的用J個預測模型得到的擬合序列。對xN，k，k=1，2，…，K用J個不同模型獲得的預測值記為N+k（j），j=1，2，…，J，將這J個模型對N+k的組合預測值記為N+k，有：

N+k=WjN+k（j），k=1，2，…，K。式中Wj，j=1，2，…，J為第j個模型在綜合預測值中所占的權重，一般情況下為了保持綜合模型的無偏性，Wj應滿足歸一化約束條件Wj=1。在此處Wj的確定采用方差倒數(shù)加權法。

三、小結

本文運用月份、季度為周期的季節(jié)性分解預測模型和增長型外推預測模型，通過組合預測對貴州省2014年卷煙銷量預測，并對預測結果進行了預測精度分析，結果表明組合預測精度較高。

參考文獻：

[1] 董曉民，杜秀亭.卷煙需求預測基本方法及其應用[J].內(nèi)蒙古科技與經(jīng)濟，2008，（8）：143-145.

[2] 馮文權.經(jīng)濟預測與決策技術（第4版）[M].武漢：武漢大學出版社，2005：24-25.

[3] 盧紋岱.SPSS for Windows 統(tǒng)計分析（第2版）[M].北京：電子工業(yè)出版社，2005：431.

[責任編輯 陳丹丹]endprint