论文部分内容阅读
文章编号：ISSN1006—656X（2014）05-0111-01
要正确确定经营目标，就必须对未来的经济状态，市场环境，需求变化等做分析，做预测，做判断，做为管理者就必须掌握一些定量的预测技术和分析方法。
定量的预测技术与分析方法可以分作数据分析，模型分析和不确定性分析。数据分析通过给定的数据，来确定这些数据之间的关系。模型分析是通过建立数学模型，如学习曲线来分析。不确定性分析是考察未来可能出现的各种结果及其可能性如期望值分析，敏感性分析等。
如果做收入的预测可以用到时间序列分析法，时间序列是一段时间内的数值，通常采用移动平均法进行处理，移动平均法是从长期的数据中选中某个时间区域作为样本值，求其算术平均数，并不断地向后移动计算，所求的平均数对应其期间的中点，这样做的目地是消除时间序列中的差异，使目标数列呈现某种明显的趋势。
下面以某妇幼保健院2011至2013年度的收入数据为基础，用时间序列分析法，进行相关分析，数据列表如下，
在表二1中，采取了三项平均移正数列法，得出加法模型和乘法模型下的季节性差异，在表三1中，将每季节的平均差异分摊到各季度，使其平均差异的合计值为零。加法模型下，趋势值平均每季度递增（1884-1516）/4=92，由此预测2014年一季度的预测值为1884+2*92+14.6667=2082。在乘法模型下，预测2014年一季度的预测值为（1884+2*92）*1.0039=2076。
下面用四项平均移正数列法重复上述步骤。
由此可见在不同的方法下，预测值会有较大的差异。事实上2014年一季度的实际收入是2040，可见用时间序列分析收入，不仅不同的方法会产生差异，而且其预测值与实际值也有较大差距。关于这一现象，可以从理论上找到一些合理的解释。时间序列的局限性：1，假设趋势和季度性差异之间相互独立。2，假设趋势和季节性差异的历史模式有可持续性。3，基础数据要有数量与准确度的要求。另外，时间序列是由趋势，季节性差异，周期性差异，随机性差异等多種要素所组成的，上述方法只考虑了其中一种因素的影响，这也是造成出入的原因。仅就上述数据来说，该组数据本身就有明显的递增趋势，用简单的环比增长率可以做出更准确的预测，2012年一季度同比增长33%，2013年一季度同比增长26%，2014年一季度同比增长17%。但做为一种理论上已经较为成熟的科学预测方法，如果核算条件更完备，是可以在实际工作中做运用的。
要正确确定经营目标，就必须对未来的经济状态，市场环境，需求变化等做分析，做预测，做判断，做为管理者就必须掌握一些定量的预测技术和分析方法。
定量的预测技术与分析方法可以分作数据分析，模型分析和不确定性分析。数据分析通过给定的数据，来确定这些数据之间的关系。模型分析是通过建立数学模型，如学习曲线来分析。不确定性分析是考察未来可能出现的各种结果及其可能性如期望值分析，敏感性分析等。
如果做收入的预测可以用到时间序列分析法，时间序列是一段时间内的数值，通常采用移动平均法进行处理，移动平均法是从长期的数据中选中某个时间区域作为样本值，求其算术平均数，并不断地向后移动计算，所求的平均数对应其期间的中点，这样做的目地是消除时间序列中的差异，使目标数列呈现某种明显的趋势。
下面以某妇幼保健院2011至2013年度的收入数据为基础，用时间序列分析法，进行相关分析，数据列表如下，
在表二1中，采取了三项平均移正数列法，得出加法模型和乘法模型下的季节性差异，在表三1中，将每季节的平均差异分摊到各季度，使其平均差异的合计值为零。加法模型下，趋势值平均每季度递增（1884-1516）/4=92，由此预测2014年一季度的预测值为1884+2*92+14.6667=2082。在乘法模型下，预测2014年一季度的预测值为（1884+2*92）*1.0039=2076。
下面用四项平均移正数列法重复上述步骤。
由此可见在不同的方法下，预测值会有较大的差异。事实上2014年一季度的实际收入是2040，可见用时间序列分析收入，不仅不同的方法会产生差异，而且其预测值与实际值也有较大差距。关于这一现象，可以从理论上找到一些合理的解释。时间序列的局限性：1，假设趋势和季度性差异之间相互独立。2，假设趋势和季节性差异的历史模式有可持续性。3，基础数据要有数量与准确度的要求。另外，时间序列是由趋势，季节性差异，周期性差异，随机性差异等多種要素所组成的，上述方法只考虑了其中一种因素的影响，这也是造成出入的原因。仅就上述数据来说，该组数据本身就有明显的递增趋势，用简单的环比增长率可以做出更准确的预测，2012年一季度同比增长33%，2013年一季度同比增长26%，2014年一季度同比增长17%。但做为一种理论上已经较为成熟的科学预测方法，如果核算条件更完备，是可以在实际工作中做运用的。