主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
指数平滑法在社会消费品零售总额预测中的应用
小类:
数理
简介:
以我国1990- 2010年的社会消费品零售总额为例建立指数平滑法模型进行预测分析,并利用该模型对2011-2013年进行预测和分析,通过预存分析发现该模型预测误差很小,拟合效果能达到预期的目的.预测结果表明2011-2013年我国社会消费品零售总额总体上将持续增长,这反映了消费品市场在快速发展中的连续性和稳定性,因此可以为国家政府的宏观决策提供可靠依据.
详细介绍:
改革开放以来,中国经济一直保持持续稳定快速增长的良好势头,居民收入稳步上升,随着消费环境的逐步改善,人们的消费能力不断增强,人们的消费能力的增强直接带动了社会消费品零售总额的发展.社会消费品零售总额是反映通过各种商品流通渠道向居民和社会集团供应的生活消费品来满足他们生活需要,是研究人民生活、社会消费品购买力、货币流通等问题的重要指标.如何有效的预测社会消费品零售总额,是国内外专家一直关注的.而寻求快速有效的预测方法一直是专家追求的目标之一. 以前社会消费品零售总额的预测,往往依靠传统的经验分析预测法或简单的计量社会消费品零售总额分析预测法,如相关分析、回归分析 .但而这些方法既不能很好地消除社会消费品零售总额变量之间的相关因素,如政策干预、自然因素等的影响;也不能很好地消除社会消费品零售总额变量内部的自相关因素,如长期趋势、季节波动、不规则波动等的影响.这对给我们准确有效地分析和预测带来很大的困难.现在我们主要介绍一种指数平滑法在社会消费品零售总额预测中的应 .

作品专业信息

撰写目的和基本思路

为用数据表明消费品市场在快速发展中的连续性和稳定性,继而为国家政府的宏观决策提供可靠依据,以我国1990- 2010年的社会消费品零售总额为例建立指数平滑法模型,并利用该模型对2011-2013年进行预测和分析,并经误差分析与修正,证明模型的实用性。进而实现对中国商品零售总额预测与分析。

科学性、先进性及独特之处

以前社会消费品零售总额的预测,往往依靠传统的经验分析预测法或简单的计量社会消费品零售总额分析预测法。但而这些方法既不能很好地消除社会消费品零售总额变量之间的相关因素,也不能很好地消除社会消费品零售总额变量内部的自相关因素,这对给我们准确有效地分析和预测带来很大的困难.现在我们主要介绍一种指数平滑法在社会消费品零售总额预测中的应 。

应用价值和现实意义

实现对中国商品零售总额预测与分析,用数据表明消费品市场在快速发展中的性质,继而为国家政府的宏观决策提供可靠依据。很好地消除社会消费品零售总额变量之间的相关因素,如政策干预、自然因素等的影响;也能很好地消除社会消费品零售总额变量内部的自相关因素,如长期趋势、季节波动、不规则波动等的影响。这对给我们准确有效地分析和预测带来很大的方便。

学术论文摘要

本文以我国1990- 2010年的社会消费品零售总额为例建立指数平滑法模型进行预测分析,并利用该模型对2011-2013年进行预测和分析,通过预存分析发现该模型预测误差很小,拟合效果能达到预期的目的.预测结果表明2011-2013年我国社会消费品零售总额总体上将持续增长,这反映了消费品市场在快速发展中的连续性和稳定性,因此可以为国家政府的宏观决策提供可靠依据.

获奖情况

鉴定结果

以我国商品零售总额为基础,运用指数平滑预测法建立了预测模型 ,并计算出逐年预测值,且预测值与实际值具有较好的一致性,对我国商品零售总额进行较为合理的预 。

参考文献

[1] 项静恬.时间序列季节性ARIMA 模型的建模实现和信息预报[M].天津:南开大学出版社,1997. [2] 布洛克威尔等著,《时间序列的理论与方法》[M]. 高等教育出版社,2001. [3] 张善文,雷英杰,冯有前.MATLAB在时间序列分析中的应用[M].西安:西安电子科技大学出版社,2007. [4] [美] George EP,Gwilym M ,Gregory C.时间序列分析预测与控制[M] .北京:中国统计出版社 ,1997. [5] 潘红宇.时间序列分析[M].北京:对外经济贸易大学出版社,2006. [6] 葛新权.线形回归与时间序列加法预测模型[J].预测,2000, 1. [7] 张树京,齐立心.时间序列分析简明教程[M].北京: 清华大学出版社,2003. [8] 龚承刚.关于指数平滑系数α测定问题的再思考[J].北京统计,2000,7. [9] 陈日进.销售预测中指数平滑法与时间序列分解法的比较[J].统计与信息论坛,2004,7.

同类课题研究水平概述

以前国内外社会消费品零售总额的预测,往往依靠传统的经验分析预测法或简单的计量社会消费品零售总额分析预测法,如相关分析、回归分析 。但而这些方法既不能很好地消除社会消费品零售总额变量之间的相关因素,如政策干预、自然因素等的影响;也不能很好地消除社会消费品零售总额变量内部的自相关因素,如长期趋势、季节波动、不规则波动等的影响。这对给我们准确有效地分析和预测带来很大的困难。
建议反馈 返回顶部