20xx年汽车市场需求预测doc15)-汽车(编辑修改稿)

20xx年汽车市场需求预测doc15)-汽车(编辑修改稿)内容摘要：

1159957 8510 22909 202026 8472 3880 „„ 2020 136515 70073 1213600 11548 22866 245600 9422 4318 „„ 2020( 预测 ) 144633 81375 1281847 13992 25200 254220 9688 4932 „„ 注明：这些数据来源于《中国统计年鉴》，时间间隔为 1998～ 2020年 用逐步回归做分析，通过对相关因素的筛选， R 值、 F值都达到了相关技术书的要求，R2= F=560根据方程，进行数据拟合，如表（ 2） 表（ 2） 1998～ 2020年汽车市场总销量（辆） 年度 1998 1999 2020 2020 2020 2020 2020 2020 2020 实际值 1603054 1832470 2088626 2363665 3248058 4390806 5071100 5758189 预测值 1561417 1722670 1946878 2513471 3557195 4469487 4953245 5631389 6469682 中国最大的管理资料下载中心 (收集 \整理 . 部分版权归原作者所有 ) 第 6 页 共 13 页 同理，可以得到载货车、客车轿车 +MPV+SUV的多元回归模型。 (2)趋势外推模型 趋势外推模型对拥有长期一定趋势的时间数列进行预测。 这类时间数列随时间呈现持续增加或减少的形态，这类时间数列是不稳定的。 该模型将时间 t作为自变量，汽车销量作为因变量， — t期时间数列的预测值； t—时间。 本文的预测以 1998～ 2020年为取值区间，以 2020年的汽车销量为基点，用以上模型进行预测，得出下面的结果：见表（ 3）： 表（ 3） 1998～ 2020年汽车市场总销量（辆） 年度 1998 1999 2020 2020 2020 2020 2020 2020 2020 实际值 1603054 1832470 2088626 2363665 3248058 4390806 5071100 5758189 预测值 7719953 1417997 2124042 2830086 3536131 4242175 4948220 5654264 6360309 同理，可以得到各细分市场的趋势外推模型。 （ 3）时间序列模型 时间序列预测方法的基本思想是：预测一个现象的未来变化时，用该现象的过去行为来预测未来。 即通过时间序列的历史数据揭示现象随 时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测。 时间序列的变化大体可以分为趋势变化、周期变化、循环变动、随机变动，时间序列一般是以上几种变化形式的叠加或组合。 通常可以采用不同的方法来预测，包括移动平均和指数平滑法、季节指数法等。 中国最大的管理资料下载中心 (收集 \整理 . 部分版权归原作者所有 ) 第 7 页 共 13 页 本文针对 1998~2020年汽车销量的历史数据，建立时间序列模型，根据时间序列诊断标准，模型可能具有对数转换，线性趋势，无季节性等影响因素，应用 Damped Trend Exponential Smoothing模型， R=，预测结果如表（ 4）： 表（ 4） 1998～ 2020年汽车市场总销量（辆） 年度 1998 1999 2020 2020 2020 2020 2020 2020 2020 实际值 1603054 1832470 2088626 2363665 3248058 4390806 5071100 5758189 预测值 1594441 1814940 2052898 2334707 2627930 4096184 5488732 5726372 6417993 同理，可以得。