卷煙需求組合預測分析

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]，為商業企業的營銷活動提供決策支持，使商業企業貨源的組織、供應更加合理，為工業企業提高產品質量和開展營銷活動提供信息支撐，提高工業和商業企業對市場、產品變化的反應能力[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。

根據圖1所示數據，采用外推預測模型，運用SPSS19對下頁表1數據進行曲線擬合，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）季節性分解

卷煙銷量具有明顯的長期趨勢和季節變動，利用季節因素分解法，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加權法。

三、小結

本文運用月份、季度為周期的季節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].內蒙古科技與經濟，2008，（8）：143-145.

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

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

[責任編輯 陳丹丹]endprint

摘 要：運用以月份、季度季節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]，為商業企業的營銷活動提供決策支持，使商業企業貨源的組織、供應更加合理，為工業企業提高產品質量和開展營銷活動提供信息支撐，提高工業和商業企業對市場、產品變化的反應能力[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。

根據圖1所示數據，采用外推預測模型，運用SPSS19對下頁表1數據進行曲線擬合，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）季節性分解

卷煙銷量具有明顯的長期趨勢和季節變動，利用季節因素分解法，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加權法。

三、小結

本文運用月份、季度為周期的季節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].內蒙古科技與經濟，2008，（8）：143-145.

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

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

[責任編輯 陳丹丹]endprint

摘 要：運用以月份、季度季節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]，為商業企業的營銷活動提供決策支持，使商業企業貨源的組織、供應更加合理，為工業企業提高產品質量和開展營銷活動提供信息支撐，提高工業和商業企業對市場、產品變化的反應能力[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。

根據圖1所示數據，采用外推預測模型，運用SPSS19對下頁表1數據進行曲線擬合，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）季節性分解

卷煙銷量具有明顯的長期趨勢和季節變動，利用季節因素分解法，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加權法。

三、小結

本文運用月份、季度為周期的季節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].內蒙古科技與經濟，2008，（8）：143-145.

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

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

[責任編輯 陳丹丹]endprint