需求预测
Seasonal Component (季节因子 ) Repeating up amp。 down movements (重复的上下运动 ) Due to interactions of factors influencing economy (因影响经济的各种因素相互作用 ) Nonannual。 multiyear。 (多年模式的 ) Mo., Qtr., Yr. Response
.9702R F 根据曲线拟合方程，进行数据拟合，如下表（ 3）： 表（ 3） 1998~2020 年汽车市场总销量（辆） 年度 1998 1999 2020 2020 2020 2020 2020 2020 实际值 1603054 1832470 2088626 2363665 3248058 4390806 5071100 预测值 1475353 1804846 2207926
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
品的量 （单位） 产品族的量 （单位 /金额） 总业务量 （金额） 119 定性的 定量的 Visual 预测技术 —金字塔形预测的例子 X2 units－ 4,845 price－ $ － units－ 13,045 产品组平均 price－ $ － units－ 15,000 ROLLUP u n i t s429,9200,8045,13 000,15 u n i t s5 7 1
（ 2）电话调查法 （ 3）邮寄调查法 （ 4）问卷留置调查法 （ 5）日记调查法 2．观察法 （ 1）直接观察法 （ 2）行为记录法 （ 3）实际痕迹测量法 3．实验法 试销，试运作 4．专题讨论论 邀请 6— 10人就一个问题进行讨论。 2020/9/18 胡正明教授（ 0531－ 6625667） 20 4．市场调查问卷的设计 • （ 1）调查问卷的一般格式 • 标题。 •
预测值 635974 1040569 1445165 1849761 2254357 2658953 3063548 同理，可以分别推出各细分车型的趋势推测模型。 (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