第三章
This presentation is the property of its rightful owner.
Sponsored Links
1 / 47

第三章 PowerPoint PPT Presentation


  • 93 Views
  • Uploaded on
  • Presentation posted in: General

第三章. 預測. 學習目標. 列舉一個好的預測中所需要的元素 。 概述預測過程的步驟 。 描述三種以上的定性預測技術,並且說明其優點與缺點 。 比較定性與定量的預測方法 。 簡單描述平均法、趨勢與季節法以及迴歸分析法,並解決基本的問題 。 描述二種預測精確性的衡量方式 。 描述二種評估與管制預測的方法 。 了解在選擇預測技術時的主要考量因素 。. 目前情況 的條件 與因素. 過去類似 情況的 處理經驗. 預測. 對一個變數的未來數值(例如需求)所做的陳述。 必須考慮二種資訊:. 企業組織中運用預測的例子. 會計 財務 人力資源 行銷

Download Presentation

第三章

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


5696868

第三章

預測


5696868

學習目標

列舉一個好的預測中所需要的元素。

概述預測過程的步驟。

描述三種以上的定性預測技術,並且說明其優點與缺點。

比較定性與定量的預測方法。

簡單描述平均法、趨勢與季節法以及迴歸分析法,並解決基本的問題。

描述二種預測精確性的衡量方式。

描述二種評估與管制預測的方法。

了解在選擇預測技術時的主要考量因素。


5696868

目前情況

的條件

與因素

過去類似

情況的

處理經驗

預測

  • 對一個變數的未來數值(例如需求)所做的陳述。

  • 必須考慮二種資訊:


5696868

企業組織中運用預測的例子

  • 會計

  • 財務

  • 人力資源

  • 行銷

  • 管理資訊系統

  • 作業

  • 產品與服務設計


5696868

各種預測技術的特徵

  • 預測技術通常假設過去存在的因果系統,未來將繼續存在。

  • 預測很少完美無缺。

  • 整體項目的預測會比單一預測更為精確。

  • 隨著預測時間的範圍愈廣,即增加時間幅度,預測精確性會減少。


5696868

優良預測的因素

  • 預測有時間性。

  • 預測必須精確,並應該說明其精確程度。

  • 預測必須具備可靠性。

  • 預測必須具備有意義的計量單位。

  • 預測必須書面化。

  • 預測技術必須容易了解、容易使用。

  • 預測必須符合成本效益。


5696868

預測過程的步驟

  • 決定預測的目的與何時需要預測 。

  • 建立預測所需的時間幅度。

  • 選擇預測方法。

  • 蒐集與分析適當的資料。

  • 準備預測。

  • 檢視預測。


5696868

三種預測的技巧

  • 判斷預測法。

  • 時間序列預測法。

  • 關聯性模型。


5696868

判斷的預測

  • 主管的意見

  • 銷售員的意見

  • 消費者調查

  • 其他方法

    • 德菲法


5696868

時間序列的預測(1/3)

  • 可能的時間序列圖形

    • 趨勢

    • 季節性

    • 循環

    • 不規則變動

    • 隨機變動


5696868

時間序列的預測(2/3)

  • 天真預測法

    • 使用前一期數值當作預測基礎。

    • 優點:不需任何成本、方法簡單迅速;因為不用分析資料,也很容易了解。

    • 缺點:不能提供高精確度的預測,可作為其他預測方法的成本與精確度的比較標準。


5696868

時間序列的預測(3/3)

  • 平均法分析技術

    • 移動平均法

    • 加權平均法

    • 指數平均法


5696868

平均法分析技術(1/3)

  • 移動平均法

    • 使用數個近期的實際資料來產生預測值。


5696868

平均法分析技術(2/3)

  • 加權平均法

    • 與移動平均法不同之處是愈近期的資料,給定的權重愈大。

    • 權重的選擇通常要使用試誤法。


5696868

平均法分析技術(3/3)

  • 指數平滑法

    • 每一個新預測值以前一個預測值為基礎,再加上預測值與實際值差額的百分比。

    • 誤差調整的速度是由平滑常數α決定。平滑常數愈接近0,則預測誤差調整的速度愈慢(愈平滑)。相反地,平滑常數愈接近1,則反應愈大,平滑程度愈小。


5696868

時間序列的預測(1/3)

  • 趨勢分析技術

    • 建立一個方程式來適當地描述趨勢。


5696868

時間序列的預測(2/3)

  • 趨勢調整指數平滑法

    • 為指數平滑法的變形,當時間序列顯示出線性趨勢時使用,或稱為雙重平滑法。

    • 適用於資料在平均值上下變動、呈階梯式或漸近式的變動。


5696868

時間序列的預測(3/3)

  • 季節性分析技術

    • 某種事件發生的時間序列呈現規則的上下反覆變動。

    • 季節性:規則的年度變動。

    • 季節變動:可以是指每日、每週、每月及其他規則模式的資料。


5696868

季節性分析技術

  • 季節性有二種不同的模型:加法模型與乘法模型。

    • 加法模型:季節性是以數量表示,即時間序列之平均數加上或減去某一數量。

    • 乘法模型:季節性以百分比表示,即時間序列值乘以平均趨勢值的某一百分比,又稱為季節相對性。


5696868

季節性(1/2)

  • 加法模型與乘法模型。


5696868

季節性(2/2)

  • 季節相對性:有兩種不同的使用方式。

    • 消除時間序列的季節性。

    • 在預測中加入季節性。


5696868

時間序列的預測

  • 循環分析技術

    • 與季節變動相似,但時間較長。

    • 循環的發生經常是不規則的,由於難以確認轉折點,所以很難從過去的數據預測。


5696868

關聯性的預測

  • 關聯性技術的重點在於建立出歸納預測變數效果的方程式,主要的分析方法為迴歸。

  • 分為簡單線性迴歸和曲線與多元迴歸分析二種。


5696868

簡單線性迴歸

  • 目的是求出一條直線方程式,使每個資料點與此線的垂直距離平方和最小。

  • 此最小平方直線的方程式如下:


5696868

簡單線性迴歸(1/2)

  • 以下的方程式可以計算出係數 a 與 b:


5696868

簡單線性迴歸(2/2)

  • 直線方程式的圖形如下:


5696868

迴歸(1/2)

  • 迴歸在預測的應用與指標的使用有關,以下為常見的指標:

    • 工廠存貨淨變動量

    • 商業銀行放款利率

    • 工業產出

    • 消費者物價指數

    • 躉售物價指數

    • 股票市場價格


5696868

迴歸(2/2)

  • 迴歸的相關性衡量二變數之間關係的強度與方向。相關係數 r 的範圍為 -1.00到+1.00。

  • 相關係數的平方( )可用來衡量線性迴歸對數據的解釋能力。若 值相當高(例如 .80或以上),表示獨立變數是相依變數的優良預測值。


5696868

應用線性迴歸分析的要點(1/2)

  • 簡單迴歸分析的應用應滿足下列假設:

    • 在直線附近的變動是隨機的。

    • 在直線附近的偏差應為常態分配。

    • 只在觀察值的範圍內進行預測。

  • 滿足上列假設後,為了得到最佳結果:

    • 經常將資料繪成圖形,驗證線性關係是否恰當。

    • 資料也許會受時間影響,檢查並繪出相依變數相對於時間的圖;若模式發生,則使用時間序列替代迴歸分析,或把時間當作多元迴歸分析的獨立變數。

    • 低度相關暗示有其他更為重要的變數。


5696868

應用線性迴歸分析的要點(2/2)

  • 迴歸分析的缺點包括:

    • 簡單線性迴歸只能用在包含一項獨立變數的線性關係。

    • 建立這種關係需要大量的資料,至少超過20個觀測資料。

    • 所有觀測值之權重皆相等。


5696868

例題 9

  • 下表為新房子的銷售與落後三個月的失業率。決定失業水準是否能預測新房子的需求;若能預測,請推導預測方程式。


5696868

解答

  • 將資料繪於圖上,並觀察資料點的範圍,線性模型似乎是適當的。

  • 相關係數

  • 迴歸方程式為


5696868

曲線與多元迴歸分析

  • 適用於包含一個以上的預測變數而不適合線性模型,或簡單線性迴歸不適用,或是存在有非線性關係時。

  • 雖然這些分析超出範圍,但仍很常使用,並使用電腦計算。


5696868

預測的精確度與管制

  • 預測的精確度與管制對預測來說是相當重要的層面。

  • 要精確地預測這些變數幾乎不可能。

  • 指出預測值偏離實際值的程度是相當重要的,這可以讓使用者知道預測的精確度。


5696868

預測誤差

  • 觀察預測誤差以確定誤差是否在合理的範圍之內。

  • 預測誤差是針對給定的期數,實際值與預測值的差。因此,誤差=實際值-預測值


5696868

預測精確度

  • 常用來衡量歷史誤差方法:

    • 平均絕對偏差(MAD)

    • 均方誤差(MSE)

    • 平均絕對百分比誤差(MAPE)


5696868

平均絕對偏差(MAD)

  • MAD是絕對預測誤差的平均值。


5696868

均方誤差(MSE)

  • MSE 是預測誤差平方的平均值。


5696868

平均絕對百分比誤差(MAPE)

  • MAPE 是絕對百分比誤差的平均值。


5696868

例題10

  • 使用下列資料計算 MAD、MSE 和 MAPE 。


5696868

實際值

解答

使用表格內的數字,計算過程為:

  • 它們之間的差異在於 MAD 對所有誤差的權重都相等,MSE 誤差權重是根據其平方值,而MAPE 則是根據相對誤差。


5696868

預測的管制(1/2)

  • 追蹤並分析這些預測誤差,有助於檢視預測是否適當。

  • 管制圖是用來偵測非隨機誤差的絕佳工具。


5696868

預測的管制(2/2)

  • 非隨機性的範例


5696868

管制圖

  • 誤差分配的標準差估計值就是MSE的平方根。

  • 管制圖有下列基本假設:當誤差為隨機分配時,誤差會是常態分配,且平均值在 0 的附近。

     因此 管制上限:

        管制下限:

        管制界限:


5696868

追蹤訊號

  • 累積預測誤差與相關的平均絕對偏差(即MAD)的比,目的在偵測誤差的偏差。

  • 追蹤訊號的值可正可負,若為 0 則最理想,通常    為可接受的值。


5696868

選擇預測技巧

  • 選擇預測技巧的二個重要因素:

    • 成本

    • 精確性

  • 最佳的預測不一定是精確度最高或成本最低的,而是管理者認定的精確度與成本之最佳組合。

  • 其他考慮的因素有:歷史資料之使用性、電腦資料之可使用性、決策者使用預測技術之能力、蒐集資料之時間、分析資料並籌劃預測之時間。


5696868

使用預測資訊與使用電腦預測

  • 管理者對預測可能採取反應或先制的方法。

  • 在準備定量資料預測上,電腦扮演很重要的角色,它讓管理者快速建立及修正預測,而且沒有手動計算的負擔。


  • Login