下载文档原格式
一、判断(共计50分,每题2.5分)1、随机抽样调查法中的总体内每一单位都有相同的机会被抽出来作为样本。
（）A. 正确B. 错误错误:【A】2、转移概率是某一事件从t0=0的一种状态，转移到t1=1另一状态。
（）A. 正确B. 错误错误:【A】3、第一个移动平均值的位置应放在n的位置上。
（）A. 正确B. 错误错误:【B】4、市场预测是市场调查的延伸和深化。
（）A. 正确B. 错误错误:【A】5、使用最好的回归模型就能完全包括所有的影响因素。
（）A. 正确B. 错误错误:【B】6、悲观法都采取“小中取大”的原则。
（）A. 正确B. 错误错误:【A】7、回归分析中，当回归方程通过了F检验，说明回归方程可以用来描述实际方程。
（）A. 正确B. 错误错误:【A】8、在移动平均公式中，每期数据在平均中的作用是等同的。
（）A. 正确B. 错误错误:【A】9、市场调查和市场预测既可以分别作为一门学科或一项实际工作，同时二者之间有着非常密切的联系。
（）A. 正确B. 错误错误:【A】10、在转导法公式中：的k的含义是增长速度。
（）A. 正确B. 错误错误:【A】11、使用最好的回归模型就能完全包括所有的影响因素。
（）A. 正确B. 错误错误:【B】12、任意抽样调查中，是把被调查总体的每个单位都是相同。
（）A. 正确B. 错误错误:【A】13、应用马尔科夫预测法对未来销售状态预测，首先将时间序列的值划分状态。
（）A. 正确B. 错误错误:【A】14、在一次移动平均法公式：中的T表示预测期与当期的间隔数。
（）A. 正确B. 错误错误:【A】15、市场预测是对商品生产、流通、销售的未来变化趋势或状态进行科学的退出与判断。
（）A. 正确B. 错误错误:【A】16、在转导法中η表示预测目标与参考经济指标的线性关系。
（）A. 正确B. 错误错误:【A】17、在扩散指标预测法中，当扩散指数DIt下穿50%线时，形成波峰。
摘要我国稀土产业经过近50年的开发建设，已初步形成了完整的稀土资源开发、冶炼加工和市场应用的工业体系。
目前，中国稀土占据着几个世界第一：储量世界第一, 生产规模世界第一, 出口量世界第一。
海外市场的刺激，致使国内稀土乱采滥挖，各种各样的非法小作坊的无序开发，造成了稀土资源的大量损耗。
多年下来，中国的稀土可开采储量从10多年前的占世界80%多，下降到了如今的52%。
中国科学院院士徐光宪等多名院士曾呼吁我国应尽快建立稀土战略资源储备制度，强化稀土资源保护，夺回国际定价权。
本文通过搜集2000年以后我国稀土信息数据，首先汇总整理数据按时间绘制表格，建立趋势折线图，由图表可以明了的看出我国稀土的出口状况，虽然有所改善，却还是存在着一些问题。
基于前面的分析，建立了二次指数平滑模型和灰色预测模型，对未来我国稀土出口依存度、储量以及产量进行了预测。
根据过去数据及其相应的预测值，对中国稀土配置的一些主要问题进行分析和总结，有针对性地提炼出解决这些问题的对策，希望对中国稀土的合理配置有一定的指导和帮助，使中国稀土行业能够更加科学地发展。
关键词：资源储备制度、趋势、预测、合理配置、科学的发展一、问题重述我国的稀土蕴藏量和产量在世界上都排第一，是举世公认的稀土资源大国。
由于过度开采、盲目竞争现象严重，我国的稀土资源始终没有得到有效保护和开发，资源效益也没有显现出来。
我国稀土资源向海外市场低价流失现象十分严重。
产量的60%用于出口, 占国际贸易63%以上, 而且中国是世界上唯一大量供应不同等级、不同品种稀土产品的国家。
2005年，我国稀土年出口量比1990年翻了9倍，但价格却下降了55%以上。
因在我国购买稀土原料初级产品不受配额限制，一些发达国家的企业近年来又大规模在我国稀土资源区投资设厂。
直到2009年，国外90%以上的稀土上中游产品都是从我国进口的。
日本、欧美等国看准了便宜的“中国货”，甚至封存自己的矿，靠购买中国稀土满足其各行业及尖端科技领域对稀土资源的需求。
二次移动平均法原理嘿，朋友们！今天咱来聊聊二次移动平均法原理。
这玩意儿啊，就像是一个神奇的魔法棒，能帮咱在数据的海洋里找到方向呢！你看啊，生活中很多事情就像一团乱麻，数据也是这样。
有时候那些数字就像调皮的小孩子，到处乱跑，让咱摸不着头脑。
但二次移动平均法就不一样啦，它能把这些乱哄哄的数字给捋顺咯！想象一下，你在一个大雾弥漫的森林里，不知道该往哪儿走。
这时候突然出现了一条清晰的小路，是不是感觉一下子就有了方向？二次移动平均法就像是这条小路，让我们能看清数据的趋势。
它其实挺简单的，就是先做一次移动平均，然后再在这个基础上做一次移动平均。
这就好像给数据穿上了两层保护衣，让它们变得更加稳定可靠。
比如说咱看股票走势，那起起伏伏的线条就跟过山车似的。
但用了二次移动平均法，就好像给这过山车装上了轨道，能让咱大致看出它的走向。
你说神奇不神奇？而且啊，这方法还特别实用。
咱平时做各种分析、做预测的时候，它都能派上大用场。
就好比你要预测明天会不会下雨，虽然不能百分百准确，但总比瞎猜要强得多吧！咱再想想，要是没有这个方法，那面对一堆乱七八糟的数据，咱不就傻眼啦？就像没有指南针在大海上航行，那得多迷茫啊！可现在有了二次移动平均法，咱就有了底气，有了方向。
它不是什么高深莫测的东西，咱普通人也能学会，也能用得上。
就像骑自行车一样，一开始可能不太熟练，但多练几次，不就会啦？所以啊，朋友们，可别小瞧了这二次移动平均法原理。
它可是咱在数据世界里的好帮手呢！学会了它，咱就能更好地理解和分析那些复杂的数据，做出更准确的判断和决策。
这难道不是一件很棒的事情吗？反正我是这么觉得的，你们呢？。
第五讲平均预测方法在时间序列分析中，平均预测方法是一种常用的方法，其基本原则是通过对历史数据的平均值进行预测未来值。
该方法的优点在于简单易懂，计算方便，并且对异常值具有一定的鲁棒性，但是在应对复杂的时间序列模式时效果较差。
本篇文章将详细介绍几种常见的平均预测方法。
1.简单平均法简单平均法是最基本的平均预测方法。
它的原理很简单，即将历史数据的值进行求和，然后除以数据的个数，得到平均值作为未来的预测值。
简单平均法可以用来处理较为稳定和平稳的时间序列，对于一些不规则且没有明显的趋势和季节性的数据有一定的预测能力。
2.加权平均法简单平均法无法处理一些具有明显季节性或趋势性的时间序列，因此，可以采用加权平均法来进行预测。
加权平均法考虑到每个历史数据的权重，通常最近的数据权重较大，而较旧的数据权重较小。
常用的加权平均法有指数加权平均法和移动平均法。
2.1指数加权平均法指数加权平均法是一种常用的平均预测方法，它给予较近期的数据更高的权重，较远期的数据权重逐渐减小。
具体来说，指数加权平均的公式为：$$F_{t}=\alpha D_{t-1}+(1-\alpha)F_{t-1}$$其中$F_{t}$是$t$时刻的预测值，$D_{t-1}$是$t-1$时刻的实际值，$F_{t-1}$是$t-1$时刻的预测值，$\alpha$是平均权重。
$\alpha$的取值在$0 \le \alpha \le 1$之间，一般而言，较大的$\alpha$意味着更高的权重，使得预测值对最近的历史数值更为敏感。
对于稳定的时间序列，可以选择较小的$\alpha$值，而对于复杂的时间序列，可以选择较大的$\alpha$值。
2.2移动平均法移动平均法是另一种常见的加权平均法，它是基于前期数据计算出其中一时间段内的平均值，并将该平均值作为未来其中一点的预测值。
移动平均法相比于指数加权平均法更加平滑，适用于平稳或趋势性较明显的时间序列。
移动平均法的公式如下：$$F_{t}=\frac{D_{t-k}+D_{t-k+1}+...+D_{t-2}+D_{t-1}+D_{t}}{k} $$其中$F_{t}$是$t$时刻的预测值，$D_{t-k}$到$D_{t}$是历史数据，$k$是移动平均窗口的大小。
二次移动平均法简单例题说白了，二次移动平均法就是把数据分成若干段，分别计算每段的平均值。
举个例子，假设你这周的气温变化是：周一27度，周二29度，周三33度，周四28度，周五25度。
先算出前两天的平均温度，哎呀，看看，这俩天的平均温度是28度。
接着再加上后面的一天，周三的33度，再计算一次，嘿，周一到周三的平均就变成了29.67度。
然后你再考虑周四和周五，把它们也纳入计算，这样就能得出一个更稳定的温度走势，没那么剧烈了。
这就像做面包一样，先把原料准备齐全，再慢慢揉合，才能发酵出松软的口感。
用这个方法，不仅能让你的数据变得平滑，也能帮助你捕捉到隐藏在数据背后的趋势。
有点像骑自行车，你得先掌握平衡，才能在各种路况下畅快骑行。
比如说，你在做股票分析，发现某只股票一会儿涨一会儿跌，真让人心里慌得像打鼓。
这时候，运用二次移动平均法，就能让你更清楚地看到这只股票的长期走势，不再被短期的波动搞得心烦意乱。
说实话，市场波动就像过山车，起起伏伏，让人觉得自己快被晃晕了。
二次移动平均法就是你的安全带，让你在这个疯狂的旅程中，稳稳当当地坐着。
当然了，二次移动平均法并不是完美无瑕，不能解决所有问题。
比如说，它在快速变化的市场里，反应有点慢。
就像你去餐馆点菜，服务员跑得飞快，你却等得心焦。
这时候你就会发现，虽然它帮你理顺了数据，但却不能及时捕捉到那突如其来的市场变化。
这就要求我们在使用它的时候，结合其他工具，才能做出更明智的决策。
再说了，咱们还得考虑数据本身的性质。
有些数据像小猫咪一样，特爱捣蛋，波动得厉害；而有些数据则像大狗狗，老实得很，稳稳当当。
因此，在应用这个方法之前，了解数据的特点就显得格外重要。
不然，你就像大海捞针，费劲巴拉却抓不着，心里可就别提多郁闷了。
掌握二次移动平均法的过程，既是对数据的深度挖掘，也是对自己分析能力的提升。
这不光是数学问题，还是个思维的挑战，逼着你得多动脑筋。
用得当了，数据就会像那满天繁星，闪闪发光；用得不好，数据就成了一锅杂烩，啥味儿都有，反而让人眼花缭乱。
加权平均统计学名词．“统计初步”这部分内容中，平均数是一个非常重要而又有广泛用途的概念，在日常生活中，我们经常会听到这样一些名词：平均气温、平均降雨量、平均产量、人均年收入等；而平均分数、平均年龄、平均身高等名词更为同学们所熟悉.一般来说，平均数反映了一组数据的一般水平，利用平均数，可以从横向和纵向两个方面对事物进行分析比较，从而得出结论.例如，要想比较同一年级的两个班同学学习成绩，如果用每个班的总成绩进行比较，会由于班级人数不同，而使比较失去真正意义.但是如果用平均分数去比较，就可以把各班的平均水平呈现出来.从纵向的角度来看，可以对同一个事物在不同的时间内的情况利用平均数反映出来，例如，通过两个不同时间人均年收入来比较人们生活水平、经济发展等状况.但是，当一组数据中的某些数重复出现几次时，那么它们的平均数的表示形式发生了一定的变化.例如，某人射击十次，其中二次射中10环，三次射中8环，四次射中7环，一次射中9环，那么他平均射中的环数为:（10 *2+8*3+7*4+9*1）/10 = 8.1这里，7，8，9，10这四个数是射击者射中的几个不同环数，但它们出现的频数不同，分别为4，3，l，2，数据的频数越大，表明它对整组数据的平均数影响越大，实际上，频数起着权衡数据的作用，称之为权数或权重，上面的平均数称为加权平均数，不难看出，各个数据的权重之和恰为10.在加权平均数中，除了一组数据中某一个数的频数称为权重外，权重还有更广泛的含义.在评估某个同学一学期的学生成绩时，一般不只看他期末的一次成绩，而是将平时测验、期中考试等成绩综合起来考虑，比如说，一同学两次单元测验的成绩分别为88，90，期中的考试成绩为92，而期末的考试成绩为85，如果简单地计算这四个成绩的平均数，即将平时测验与期中、期末考试成绩同等看待，就忽视了期末考试的重要性.鉴于这种考虑，我们往往将这四个成绩分配以不同的权重。
由于10％＋10％＋30％＋50％=1，即各个权重之和为1，所以求加权平均数的式子中分母为1．下面的例子是未知权重的情况：股票A，1000股，价格10；股票B，2000股，价格15；算数平均 = (10 + 15) / 2 = 12.5；加权平均 = (10 x 1000 + 15 x 2000) / (1000 + 2000) = 13.33其实，在每一个数的权数相同的情况下，加权平均值就等于算数平均值。
移动平均法（moving average method）是根据时间序列，逐项推移，依次计算包含一定项数的序时平均数，以此进行预测的方法。
移动平均法包括一次移动平均法、加权移动平均法和二次移动平均法。
一、简单移动平均法简单移动平均的各元素的权重都相等。
简单的移动平均的计算公式如下：Ft=(At-1+At-2+At-3+…+At-n)/n式中，Ft--对下一期的预测值；n--移动平均的时期个数；At-1--前期实际值；At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。
二、加权移动平均法加权移动平均给固定跨越期限内的每个变量值以不相等的权重。
其原理是：历史各期产品需求的数据信息对预测未来期内的需求量的作用是不一样的。
除了以n为周期的周期性变化外，远离目标期的变量值的影响力相对较低，故应给予较低的权重。
加权移动平均法的计算公式如下：Ft=w1At-1+w2At-2+w3At-3+…+wnAt-n式中，w1--第t-1期实际销售额的权重；w2--第t-2期实际销售额的权重；wn--第t-n期实际销售额的权重；n--预测的时期数；w1+ w2+…+ wn=1在运用加权平均法时，权重的选择是一个应该注意的问题。
经验法和试算法是选择权重的最简单的方法。
一般而言，最近期的数据最能预示未来的情况，因而权重应大些。
例如，根据前一个月的利润和生产能力比起根据前几个月能更好的估测下个月的利润和生产能力。
但是，如果数据是季节性的，则权重也应是季节性的存在问题1、 加大移动平均法的期数（即加大n 值）会使平滑波动效果更好，但会使预测值对数据实际变动更不敏感；2、 移动平均值并不能总是很好地反映出趋势。
由于是平均值，预测值总是停留在过去的水平上而无法预计会导致将来更高或更低的波动；3、 移动平均法要由大量的过去数据的记录；4、它通过引进愈来愈期的新数据，不断修改平均值，以之作为预测值。
移动平均法的基本原理，是通过移动平均消除时间序列中的不规则变动和其他变动，从而揭示出时间序列的长期趋势。
《市场调查与分析》上机操作实验报告（三）二次移动平均法与加权移动平均法预测结果并比较二次移动平均法预测公司广告投入：某公司2008年1—10月份的广告投入情况，试取用n=3的二次移动平均法计算2008年1—11月份的广告投入的理论预测值，并预测11月份的广告投入。
某公司1—10月份广告投入表解：计算步骤：1．计算一次移动平均数。
因为：所以:M3(1)=(48.97+43.61+43.97) / 3 =45.52 M4(1)=(55.10+48.97+43.61) / 3 =49.23 M5(1) =(60.61+55.10+48.97) / 3 =54.89 M6(1)=(63.90+60.61+55.10) / 3 =59.87 M7(1)=(65.65+63.90+60.61) / 3 =63.39 M8(1)=(69.08+65.65+63.90) / 3 =66.21 M9(1)=(69.89+69.08+65.65) / 3 =68.21 M10(1)=(71.49+69.89+69.08) / 3 =70.15 （将数据填入以上图表）2.计算二次移动平均数因为：所以：M5(2)=(54.89+49.23+45.52) / 3 =49.88 M6(2)=(59.87+54.89+49.23) / 3 =54.66 M7(2)=(63.39+59.87+54.89) / 3 =59.38M8(2)=（66.21+63.39+59.87）/3 =63.16M9(2)=(68.21+66.21+63.39) / 3 =66.94M10(2)=(71.49+68.21+66.21) / 3 =68.19（将数据填入以上图表）3.计算at、bt因为：所以：a5 =2M5(1)—M5(2)=59.90b5=2(M5(1)—M5(2))/2=5.01a6=2M6(1)—M6(2)=65.08 b6=2(M6(1)—M6(2))/2=5.21a7=2M7(1)—M7(2)=67.40b7=2(M7(1)—M7(2))/2=4.01a8=2M8(1)—M8(2)=69.26b8=2(M8(1)—M8(2))/2=3.05a9=2M9(1)—M9(2)=69.48 b9=2(M9(1)—M9(2))/2=1.27 a10=2M10(1) —M10(2)=72.11b10=2(M10(1) —M10(2))/2=1.96（将数据填入以上图表）4.当i=1时^y t+1= a t+b t=72.11+1.96=74.07（万元）所以当i=2时可以预测11月份广告投入即：^y t+1=a t+2b t=72.11+2*1.96=76.03(万元)答：预测11月份的广告投入为76.03万元。
数据分析中的时间序列分析方法时间序列分析是一种用于研究时间相关数据的统计方法。
它可以帮助我们揭示数据的趋势、周期性和季节性等特征，从而为我们提供更准确的预测和决策依据。
在数据分析领域，时间序列分析方法被广泛应用于金融、经济、气象、交通等领域。
本文将介绍几种常用的时间序列分析方法。
一、移动平均法移动平均法是最简单、最常用的时间序列分析方法之一。
它通过计算一系列连续时间段内的平均值，来消除数据中的随机波动，揭示出数据的趋势。
移动平均法可以分为简单移动平均法和加权移动平均法两种。
简单移动平均法对所有时间段的数据赋予相同的权重，而加权移动平均法则根据不同时间段的重要性赋予不同的权重。
二、指数平滑法指数平滑法是一种基于加权平均的时间序列分析方法。
它通过将较大权重赋予最近的观测值，较小权重赋予较早的观测值，来预测未来的趋势。
指数平滑法适用于数据波动较小、趋势变化较为平稳的情况。
常见的指数平滑法有简单指数平滑法、二次指数平滑法和霍尔特指数平滑法等。
三、季节性分解法季节性分解法是一种用于分析具有季节性变化的时间序列数据的方法。
它将时间序列数据分解为趋势、周期性和随机成分三个部分，从而帮助我们更好地理解数据的特征。
季节性分解法可以通过移动平均法或指数平滑法来计算趋势和周期性成分，而随机成分则是剩余部分。
四、自回归移动平均模型自回归移动平均模型（ARMA）是一种广泛应用于时间序列分析的模型。
它组合了自回归模型（AR）和移动平均模型（MA）的特点，能够较好地描述时间序列数据的特征。
ARMA模型的参数可以通过最大似然估计或贝叶斯估计等方法来估计，从而得到较准确的预测结果。
五、自回归积分移动平均模型自回归积分移动平均模型（ARIMA）是ARMA模型的一种扩展形式，适用于具有非平稳性的时间序列数据。
ARIMA模型通过引入差分操作来消除数据的非平稳性，从而使得数据满足平稳性的要求。
ARIMA模型的参数估计和模型识别可以通过自相关图和偏自相关图等方法来进行。
《市场调查与预测》试卷E试卷类型：、卷 卷 考试时间： 120 分钟一、单项选择题(在每小题的四个备选答案中选出一个正确答案，并将其代码写在题干后面的括号内。
不选、错选或多选者,该题无分。
每小题1分，共15分)1. ________是指个人或组织为了给市场营销决策提供依据，针对某一特定的市场营销问题，运用科学的方法和手段，系统地判断、收集、整理和分析有关市场资料，反应市场客观状况和发展趋势的活动。
（ ） A.市场调查 B.市场预测 C. 市场分析 D .市场考察2.经常性市场调查，是指按照企业管理和经营决策的需要，随时开展的调查活动，每次调查的时间和内容（ ）。
A.都是固定的B.都是不固定的C.前者是固定的，后者是不固定的D.前者是不固定的，后者是固定的3.相关系数(r)的数值范围是 ( )A. -1≤ r ≤ 1B. 0<r<1C. -1<r<1D. -1<r<04.我国统计部门对全国性或地区性居民家庭收支情况的调查(家计调查)，就是采用的（ ）。
A.市场普查的方法B.几率抽样调查法C.非几率抽查调查法D.固定样本持续调查形式5.假设某公司有A、B、C三种牌号的服装，A是畅销、B是平销、C是滞销。
为了获取更好的销售效果，决定进行价格调整。
调价前后分别测定了它们的销售量和市场占有率。
然后观察判断调价后的市场需求情况。
这种市场调查属于（）。
A.事前事后对比实验B.控制组同实验组对比实验C.有控制组的事前事后对比实验D.随机对比实验6.在市场预测诸步骤中，（）是市场预测的基础工作。
A.明确市场预测的目的B.分析判断C.调查搜集资料D.作出预测7.在问卷设计中，问句答案的设计必须遵守（）是指同一问题的若干个答案之间关系是相互排斥的，不能有重叠、交叉和包含等情况出现。
A.顺序型原则B. 连贯性原则C.时效性原则D.互斥性原则8.定性调查分为直接调查法和间接调查法，下面属于直接调查法的有（）。
时间序列预测的方法及优缺点时间序列预测是一种用于预测未来时间点上的数值或趋势变化的方法。
它可以应用于各种领域，如经济学、气象学和股票市场等。
在本文中，我将介绍几种常用的时间序列预测方法，并分析它们的优缺点。
1. 移动平均法移动平均法是一种简单的时间序列预测方法，它基于过去一段时间内的平均数来预测未来的值。
移动平均法有两种常见的形式：简单移动平均法和加权移动平均法。
优点是简单易懂，计算量小，能够捕捉到数据中的长期趋势。
然而，它无法捕捉到数据中的季节性或周期性变化。
2. 指数平滑法指数平滑法是一种常用的时间序列预测方法，它基于计算过去观测值的加权平均数来预测未来值。
指数平滑法有多种形式：简单指数平滑法、二次指数平滑法和Holt-Winters指数平滑法。
优点是简单易懂，计算量小，能够捕捉到数据中的趋势和季节性变化。
然而，它对异常值敏感，对未来趋势的预测有限。
3. 自回归移动平均模型（ARIMA）自回归移动平均模型（ARIMA）是一种常用的时间序列预测方法，它结合了自回归（AR）和移动平均（MA）模型的特点。
ARIMA模型有三个参数：p（自回归阶数）、d（差分阶数）和q（移动平均阶数）。
ARIMA模型是用于非稳定时间序列的预测，它可以捕捉到数据中的趋势、季节性和周期性变化。
优点是更为灵活，能够适应不同类型的数据，预测精度较高。
然而，ARIMA模型对数据的平稳性要求较高，对参数的选择较为困难。
4. 季节性自回归集成滑动平均模型（SARIMA）季节性自回归集成滑动平均模型（SARIMA）是ARIMA模型的一种扩展形式，用于处理包含季节性变化的时间序列。
SARIMA模型加入了季节性差分和对季节性项的建模，能够更好地捕捉到数据中的季节性变化。
优点是对具有长期季节性的数据有较好的预测效果，预测精度较高。
然而，SARIMA 模型对参数的选择和调整较为困难，计算量较大。
5. 长短期记忆网络（LSTM）长短期记忆网络（LSTM）是一种基于深度学习的时间序列预测方法，它能够建模长期依赖关系和非线性关系。
广东开放大学系统市场调查与预测所有答案如果时间序列在长时期内呈现连续的不断增长或减少的变动趋势，其逐期增长量又大致相同时，宜使用直线趋势预测模型。
选择一项：对错答案是：正确的答案是“对”。
季节指数用来说明各月（或季）水平比全期平均水平高或低的程度。
选择一项：对错答案是：正确的答案是“对”。
时间序列是指将某种现象的一系列观测值按照时间先后顺序排列所形成的序列。
选择一项：对错答案是：正确的答案是“对”。
移动平均法是测定循环变动的一种较为简单的方法。
选择一项：对错答案是：正确的答案是“错”若原数列的指标数值出现周期性的变化，应以周期变化的长度作为移动平均数的项数。
选择一项：对错答案是：正确的答案是“对”。
最简单的趋势延伸预测法为目测法选择一项：对错答案是：正确的答案是“对”在指数平滑法中，a 取值越大越好。
选择一项：对错答案是：正确的答案是“错”。
季节指数如果等于0，表示无季节变化。
选择一项：对错答案是：正确的答案是“错”。
在时期序列中，各项指标数值不能相加。
选择一项：对错答案是：正确的答案是“错”。
以下不属于非线性回归模型的是（）。
选择一项：a.单项式回归模型b.幂函数曲线回归模型三角函数曲线回归模型c.指数曲线回归模型答案是：正确答案是：单项式回归模型以下关于回归系数r的正确表述是（）。
选择一项：a.r的绝对值越接近0，变量之间相关关系越密切。
b.r的绝对值越接近0，变量之间相关关系越密切。
c.r的绝对值越接近0，变量之间相关关系越不密切。
答案是：正确答案是：r的绝对值越接近0，变量之间相关关系越不密切。
对数曲线回归模型的数学表达式是（）。
选择一项：答案是：正确答案是：一元线性回归分析预测法涉及的自变量有（）个。
选择一项：a.无数b.1c.3d.2答案是：正确答案是：1以下观点正确的是（）。
选择一项：a.人们在市场调查中发现，经济现象的变量之间的关系往往是线性的。
b.人们在市场调查中发现，经济现象的变量之间的关系往往是非线性的。
《市场调查与分析》上机操作实验报告（三）
二次移动平均法与加权移动平均法预测结果并比较
二次移动平均法预测公司广告投入：
某公司2008年1—10月份的广告投入情况，试取用n=3的二次移动平均法计算2008年1—11月份的广告投入的理论预测值，并预测11月份的广告投入。
某公司1—10月份广告投入表
1—10月份广告投入
102030405060
70801
2
3
4
5
678
9
10
11
12
月份
广告投入/万元
广告投入xt/万元预测值^yt+i(i=1)
解：计算步骤：
1． 计算一次移动平均数。
因为：
所以:
M 3(1)=(48.97+43.61+43.97) / 3 =45.52 M 4(1)=(55.10+48.97+43.61) / 3 =49.23 M 5(1) =(60.61+55.10+48.97) / 3 =54.89 M 6(1)=(63.90+60.61+55.10) / 3 =59.87 M 7(1)=(65.65+63.90+60.61) / 3 =63.39 M 8(1)=(69.08+65.65+63.90) / 3 =66.21 M 9(1)=(69.89+69.08+65.65) / 3 =68.21 M 10(1)=(71.49+69.89+69.08) / 3 =70.15 （将数据填入以上图表）
2.计算二次移动平均数 因为：
所以：
M 5(2)=(54.89+49.23+45.52) / 3 =49.88
M6(2)=(59.87+54.89+49.23) / 3 =54.66
M7(2)=(63.39+59.87+54.89) / 3 =59.38
M8(2)=（66.21+63.39+59.87）/3 =63.16
M9(2)=(68.21+66.21+63.39) / 3 =66.94
M10(2)=(71.49+68.21+66.21) / 3 =68.19
（将数据填入以上图表）
3.计算at、bt
因为：
所以：
a5 =2M5(1)—M5(2)=59.90b5=2(M5(1)—M5(2))/2=5.01 a6=2M6(1)—M6(2)=65.08 b6=2(M6(1)—M6(2))/2=5.21 a7=2M7(1)—M7(2)=67.40b7=2(M7(1)—M7(2))/2=4.01 a8=2M8(1)—M8(2)=69.26b8=2(M8(1)—M8(2))/2=3.05 a9=2M9(1)—M9(2)=69.48 b9=2(M9(1)—M9(2))/2=1.27 a10=2M10(1) —M10(2)=72.11b10=2(M10(1) —M10(2))/2=1.96（将数据填入以上图表）
4.当i=1时
^y t+1= a t+b t=72.11+1.96=74.07（万元）
所以当i=2时可以预测11月份广告投入
即：^y t+1=a t+2b t=72.11+2*1.96=76.03(万元)
答：预测11月份的广告投入为76.03万元。
加权移动平均法预测公司广告投入：
某公司2008年1—10月份的广告投入情况，n=3权数由远到近分别为1、2、3、4、5、6、7、8，试用加权移动平均法预测11月份的广告投入。
某公司1—10月份广告投入表
解：
因为：
所以：
Y4（1）=（43.97*1+43.61*2+48.97*3）/(1+2+3)=46.35
Y5（1）=（43.61*1+48.97*2+55.10*3）/(1+2+3)=51.14
Y6（1）=（48.97*1+55.10*2+60.61*3）/(1+2+3)=56.83
Y7（1）=（55.10*1+60.61*2+63.90*3）/(1+2+3)=61.33
Y8（1）=（60.61*1+63.90*2+65.65*3）/(1+2+3)=64.22
Y9（1）=（63.90*1+65.65*2+69.08*3）/(1+2+3)=67.07
Y10（1）=（65.65*1+69.08*2+69.89*3）/(1+2+3)=68.91
Y11（1）= (69.08*1+69.89*2+71.49*3) /(1+2+3)=70.56
答：预测11月份的广告投入为70.56万元。
二次移动平均法与加权移动平均法预测结果比较：
1. 经计算二次移动平均法预测结果误差百分比为3.76%低于加权移动平均法预测结果误差百分比9.61%。
可见二次移动平均法预测结果要比加权移动平均法预测结果更加精确一点。
2. 加权移动平均法：
优点是：a.使用加权移动平均法进行预测能平滑掉需求的突然波动对预测结果的影响.
b. 加大加权移动平均法的期数（即加大n值）会使平滑波动效果更好.
c. 用加权移动平均法求预测值，对近期的趋势反映较敏感.
缺点是：
a. 虽然加大加权移动平均法的期数（即加大n值）会使平滑波动效果更好，但会
使预测值对数据实际变动更不敏感；
b. 加权移动平均值并不能总是很好地反映出趋势。
由于是平均值，预测值总是停
留在过去的水平上而无法预计会导致将来更高或更低的波动；
c. 加权移动平均法要由大量的过去数据的记录。
d. 它通过引进愈来愈期的新数据，不断修改平均值，以之作为预测值。
e.用加权移动平均法求预测值，如果一组数据有明显的季节性影响时，用加权移
动平均法所得到的预测值可能会出现偏差。
因此，有明显的季节性变化因素存
在时，最好不要加权。
3.二次移动平均法：
优点是：a. 二次移动平均法不是用一个固定的at，bt的值，各期的值是有所变化的，这样就保留了市场现象客观存在的波动，不但可用于短期预测，还可用于
近期预测。
b. 二次移动平均预测法解决了预测值滞后于实际观察值的矛盾，适用于有明
显趋势变动的市场现象时间序列的预测
缺点是：a. 受计算期数影响，而且预测值仅与近期有关，与计算期以前的数据无关，这与客观情况不尽相符。
