第2章-物流需求預(yù)測(cè)

一、物流需求預(yù)測(cè)概述二、物流需求預(yù)測(cè)方法三、預(yù)測(cè)誤差分析與預(yù)測(cè)方法選擇第二章物流需求預(yù)測(cè)1物流需求預(yù)測(cè)的概念物流需求預(yù)測(cè)是根據(jù)物流市場(chǎng)過(guò)去和現(xiàn)在的需求狀況以及影響物流市場(chǎng)需求變化的因素之間的關(guān)系，利用一定的經(jīng)驗(yàn)、技術(shù)和科學(xué)方法對(duì)市場(chǎng)需求指標(biāo)的變化以及發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)。物流需求預(yù)測(cè)的特征（1）需求的空間和時(shí)間特征（2）需求的規(guī)律性和不規(guī)律性（3）相關(guān)需求和獨(dú)立需求

一、物流需求預(yù)測(cè)的內(nèi)涵

第一節(jié)物流需求預(yù)測(cè)概述2物流流量預(yù)測(cè)（1）微觀物流流量的預(yù)測(cè)（2）宏觀物流流量的預(yù)測(cè)物流流向預(yù)測(cè)物流成本預(yù)測(cè)物流需求預(yù)測(cè)

二、物流需求預(yù)測(cè)的內(nèi)容3確定預(yù)測(cè)目標(biāo)確定預(yù)測(cè)內(nèi)容選擇預(yù)測(cè)方法計(jì)算并做出預(yù)測(cè)分析預(yù)測(cè)誤差三、物流需求預(yù)測(cè)的程序4經(jīng)驗(yàn)預(yù)測(cè)法專家會(huì)議法德爾菲法

一、物流需求定性預(yù)測(cè)方法第二節(jié)物流需求預(yù)測(cè)方法5（一）時(shí)間序列預(yù)測(cè)法算術(shù)平均法二、物流需求定量預(yù)測(cè)方法式中，

Ft+1

—第t+1期的預(yù)測(cè)值

xi—第i

期的實(shí)際值6移動(dòng)平均法式中，F(xiàn)t+1—第t+1期的預(yù)測(cè)值

xt—第

t期的實(shí)際值n—計(jì)算移動(dòng)平均數(shù)所選定的數(shù)據(jù)個(gè)數(shù)。7指數(shù)平滑法式中，t—本期的時(shí)間α—指數(shù)平滑系數(shù)

xt—第t

期的需求值Ft—第t

期的預(yù)測(cè)值Ft+1—對(duì)第t+1，或下期的預(yù)測(cè)值8長(zhǎng)期趨勢(shì)法式中，F(xiàn)t+1—第t+1期物流需求的預(yù)測(cè)值；α

—第0期的物流需求的預(yù)測(cè)值；β—直線的斜率；n

—實(shí)際物流需求數(shù)據(jù)時(shí)期數(shù)；xi—實(shí)際物流需求數(shù)據(jù)。9例2-1：表2-1為某物資企業(yè)在2016年1~6月的鋼材需求量，請(qǐng)分別用算術(shù)平均法、移動(dòng)平均法、指數(shù)平滑法和長(zhǎng)期趨勢(shì)法預(yù)測(cè)7月份鋼材的需求量。表2-1

1～6的鋼材需求量單位：噸月份123456需求量22400219002260021400231002310010步驟1：建立基礎(chǔ)數(shù)據(jù)表。

11步驟2：用算術(shù)平均法預(yù)測(cè)。

12步驟3：用移動(dòng)平均法預(yù)測(cè)

13步驟4：用指數(shù)平滑法預(yù)測(cè)。取α=0.314步驟5：設(shè)置回歸參數(shù)1516步驟6：用長(zhǎng)期趨勢(shì)法預(yù)測(cè)。1718季節(jié)變動(dòng)預(yù)測(cè)法（1）計(jì)算出每一年同月或同季的物流需求數(shù)據(jù)的平均值（用A表示）。（2）計(jì)算出所有月份或季度的物流需求數(shù)據(jù)的平均值（用B表示）。（3）計(jì)算各月或各季度的季節(jié)指數(shù)，即S＝A／B。（4）根據(jù)全年趨勢(shì)預(yù)測(cè)值，求出各月或各季度的平均預(yù)測(cè)值，再乘以相應(yīng)的季節(jié)指數(shù)。19灰色模型預(yù)測(cè)法（1）檢查進(jìn)行GM(1,1)建模的可行性。判斷標(biāo)準(zhǔn)為原始數(shù)列的級(jí)比，即前一數(shù)據(jù)除以相鄰的后一數(shù)據(jù)，滿足下式：式中，n—原始物流需求的時(shí)期個(gè)數(shù)；xi—第i期原始物流需求（i=1，2，3，…，n）20（2）對(duì)原始數(shù)列進(jìn)行累加以得到新數(shù)列：式中，

—第i期原始物流需求的累加值。（3）建立矩陣：21（4）建立向量：（5）建立GM（1，1）模型：22（6）求解預(yù)測(cè)模型：式中，a—發(fā)展系數(shù)；b—灰色作用量；—第i+1期擬合數(shù)列值；—第i+1期預(yù)測(cè)物流需求值?！绤?shù)向量，可由最小二乘法求解，得23例2-2：已知一倉(cāng)庫(kù)2009～2016年需要某種貨物分別為139、142、141、148、158、162、164和166件，試用灰色模型法預(yù)測(cè)2017年的需求量。步驟1：建立基礎(chǔ)數(shù)據(jù)表。如圖2-10所示。24步驟2：計(jì)算原始數(shù)據(jù)級(jí)比。步驟3：計(jì)算上/下限。

25步驟4：判斷可行性。

26步驟5：計(jì)算數(shù)據(jù)累加。27步驟6：建立矩陣B28步驟7：求矩陣B的轉(zhuǎn)置矩陣BT

步驟8：計(jì)算BT×B

29步驟9：計(jì)算BT×B的逆矩陣(BT×B)-130步驟10：矩陣求解步驟:11：

求發(fā)展系數(shù)a、灰色作用量b及b/a。

31步驟12：計(jì)算擬合值32步驟13：需求預(yù)測(cè)

33（二）因果關(guān)系預(yù)測(cè)法一元線性回歸分析預(yù)測(cè)法

（1）一元線性回歸模型的估計(jì)。一元線性回歸分析預(yù)測(cè)模型為：，

式中，xi—自變量x的第i個(gè)觀測(cè)值；—當(dāng)x取值為xi時(shí)，因變量物流需求的預(yù)測(cè)值；α—截距，β—斜率。3435（2）擬合優(yōu)度檢驗(yàn)

當(dāng)R2＝1時(shí)，物流需求與x

完全線性相關(guān)，模型的擬合程度最優(yōu)；當(dāng)R2＝0時(shí)，物流需求與x

無(wú)線性相關(guān)關(guān)系，模型的擬合程度最差。通常R2都是介于0～1之間，R2≥0.9時(shí)，估計(jì)模型為優(yōu)；0.8≤R2≤0.9時(shí)，估計(jì)模型為良；0.6≤R2≤0.8時(shí)，估計(jì)模型一般；R2＜0.6時(shí)，估計(jì)模型為差。36例2-3：一家服裝企業(yè)統(tǒng)計(jì)了30個(gè)城市的常住人口數(shù)和物流需求的數(shù)據(jù)，如表2-2所示。請(qǐng)根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)的關(guān)系，以便未來(lái)進(jìn)行物流需求預(yù)測(cè)。（1）如果某一城市的人口數(shù)為300萬(wàn)人，請(qǐng)預(yù)測(cè)該城市的物流需求量。（2）該公司又進(jìn)一步統(tǒng)計(jì)了各城市對(duì)應(yīng)的廣告投入費(fèi)用，如表2-2所示。請(qǐng)根據(jù)這些數(shù)據(jù)找到物流需求與人口數(shù)、廣告投入的關(guān)系，以便未來(lái)進(jìn)行物流需求預(yù)測(cè)。如果某一城市的人口數(shù)為300萬(wàn)人，廣告投入為20萬(wàn)元，請(qǐng)預(yù)測(cè)該城市的物流需求量。37編號(hào)人口數(shù)（萬(wàn)人）廣告投入（萬(wàn)元）物流需求（件）1491.35.837912468.333.64015318447.826014150.123.317995260.830.530636512.245.745047518.227.742158489.435.638449129.818.4144610529.63.7406611145.71.8172812438.215.9356813343.516.63019141846.6223615384.735.8308416103.220.8152917386.339.73484184738.2306619260.713.3233020462.936.5386021210.741.5248622231.447.7248223264.641.8318924305.12.623642551.247.3178726507.22.13367273823430962820018.8208029521.140.4439530435.715.5381038步驟1：建立基礎(chǔ)數(shù)據(jù)表39步驟2：繪制物流需求與人口數(shù)散點(diǎn)圖

40步驟3：添加趨勢(shì)線

41步驟4：設(shè)置回歸參數(shù)

42步驟5：進(jìn)行回歸分析

43步驟6：

300萬(wàn)人口的物流需求預(yù)測(cè)44多元線性回歸分析預(yù)測(cè)法（1）多元線性回歸模型的估計(jì)。多元線性回歸分析預(yù)測(cè)模型為：

式中，k—自變量的數(shù)量；

βj（j＝1，2，…，k）—回歸系數(shù)；

—當(dāng)k個(gè)自變量的取值為x1i，x2i，…，xki時(shí)，因變量物流需求的預(yù)測(cè)值。4546（2）擬合優(yōu)度檢驗(yàn)

47例2-4（例2-3問(wèn)題2）步驟1：建立基礎(chǔ)數(shù)據(jù)表。

48步驟2：繪制物流需求與廣告投入散點(diǎn)圖49步驟3：添加趨勢(shì)線

圖2-29帶趨勢(shì)線的物流需求與廣告投入散點(diǎn)圖50步驟4：設(shè)置回歸參數(shù)

51步驟5：回歸分析52步驟6：

300萬(wàn)人口、廣告投入20萬(wàn)元的城市的物流需求預(yù)測(cè)

53（三）組合預(yù)測(cè)法組合預(yù)測(cè)有兩種基本形式：（1）等權(quán)組合，即在匯總預(yù)測(cè)結(jié)果時(shí)，各預(yù)測(cè)方法的預(yù)測(cè)值被賦予相同的權(quán)重。（