第四章-旅游者需求预测课件

,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第四章 旅游者需求预测（一）,教学重点与难点：,1、趋势外推模型,2、时间序列模型,学习目的与要求：,1、理解趋势外推模型,2、理解几种常见时间序列分析方法,3、掌握季节交乘预测方法,一、旅游需求预测,趋势外推模型,假定：,历史趋势延续性,曲线拟合回归、时间序列模型,结构模型,多元回归：,仿真模型,系统方程 系统动力学,定性模型,特尔菲法,表4.7 四种模型的比较,水平时间序列模型,：,一次滑动平均模型；加权平均;,一次指数平滑模型。,趋势需求模型,：,线形趋势模型：,线形回归模型；,二次滑动平均模型,非线形趋势模型：,二次回归模型；,三次指数平滑模型,季节性需求模型,：,季节性水平模型；,季节性交乘趋势模型,Box Jenkins模型,1、,趋势外推模型,（1）简单回归分析,一元线性回归：,Tb,0,+b,1,t,P,58,图4.1,注意：,外推时间不宜过长,趋势线预测法,三种最常用的趋势线：直线型趋势线 y,t,=a+bt 指数型趋势线 y,t,=a,b,t 抛物线型趋势线 y,t,=a+bt+ct,2,这三种趋势线方程中系数的求解可以用回归分析方法的最小二乘法实现,2、时间序列模型,时间序列的含义：,分析地理要素（变量）随时间变化的历史过程;,揭示其发展变化规律，并对其未来状态进行预测,时间单位：年 季 月 周 日,时序数据特点：趋势 季节 循环 偶然,季节变化（季节波动）：,以年为周期，以月、季为时段,预测过程：,曲线拟合,估计未来,需求图形,水平需求图形,趋势需求图形,季节性需求图形,60000,80000,100000,120000,140000,98,99,00,01,02,03,Y,平滑预测法,1）移动平均法设某一时间序列为y,1,，y,2,，y,t,，则下一期（t+1时刻）的预测值：,为t点的移动平均值，n为移动时距（点数）,用最近几个时期数据值的平均数作为下一个时期的预测值,2)加权滑动平均模型,作用：消除干扰，显示序列的趋势性变化；并通过加权因子的选取，增加新数据的权重，使趋势预测更准确,其中,最近n个时期数值的加权平均数作为预测值；,最近时期的观测值应取得最大的权数，而比较远的时期权数应依次递减,2)滑动平均法计算公式：,为t点的滑动平均值，为单侧平滑时距（点数）。,滑动平均法的计算结果优于移动平均法；,三点滑动平均法的计算结果与原始数据的误差较小,3)指数平滑法指数平滑法可以分为一次指数平滑和高次指数平滑,一次指数平滑：,计算公式,为平滑系数。,平滑系数的确定,若时间序列较平稳，数据波动较小，取值可小一些,一般取（0.05,0.3）；,若时间序列数据起伏波动比较大，应取较大的值,一般取（0.7,0.95）；具体应用时可通过经验或试算，以误差尽可能的小为最好,季节性水平模型,=*,（,i=1,，,2,，,，,T,）,式中，,为平均数；,为季节指数,T,为季节周期的长度,适用条件：适用于只有季节变动，,无明显的趋势变动的时间序列,建模：计算；求解。,季节性交乘模型,时间序列可分解：,长期趋势（T）、季节变动（S）、,循环变动（C）和不规则变动（I）四种,时间序列分析的模型：加法模型,Y=T+S+C+I,假设四种因素相互独立,乘法模型,Y=TSCI 假定各因素之间存在交错互动影响,在地理统计时序分析中，乘法模型更为常用。对乘法模型进行变换可以对长期趋势、季节变动、循环变动及不规则变动进行测定,季节性交乘趋向模型,=,（,a+bt,）,*,（,i=1,，,2,，,，,T,）,式中，,=,（,a+bt,）为趋势部分,为季节指数,T,为季节周期的长度,适用条件：,适用于既有季节变动，,又有趋势变动,且波动幅度不断变化的时间序列,建模：建立趋势方程,求各期趋势值,求样本季节指数,求理论季节指数,基本步骤,将原时间序列求移动平均,以消除季节变动和不规则变动，保留长期趋势,将原序列y除以其对应的趋势方程值（或平滑值）,以分离出季节变动（含不规则变动）,即 季节系数=TSCI/趋势方程值（TC或平滑值）=SI,一般用序列中若干年的季节系数之平均值作为季节系数的改进值；,季节性指标,将月度（或季度）的季节指标加总，以由计算误差导致的值去除理论加总值，得到一个校正系数，并以该校正系数乘以季节性指标从而获得调整后季节性指标；,进行预测,如果欲求下一年度的预测值：,简单地延长趋势线即可,若要求各月（季）的预测值：,只需以趋势值乘以各月份（季度）的季节性指标,求季节变动预测的数学模型（以直线为例）为,y,t+l,是由（t到l）预测值，a,t,、b,t,为方程系数（参数），,T,为T周期的季节系数,例：某市20192019年各季度游客流量,y,i,（10,4,人次）如表1所示，试预测该市2000年各季的客流量。,求表1序列的三次滑动平均值,用三次指数平滑法求预测模型系数,其中，S,1,=S,2,=S,3,=y,1,。t的编号为t=1对应于2019年的1季度，t=20对应于2019年的第4季度。平滑系数的确定是预测成功与否的关键，经过多次尝试选择后，最后确定为=0.3。预测模型为=a,t,+b,t,T+c,t,T,2,求预测模型根据表3算出a,t,、b,t,、c,t,，后得预测模型为,求季节性指标将原始数据分别除以平滑值，得相应的季节系数。然后再把各季节性系数平均得季节性指标,季节性指标之和理论上应等于4,现等于4.0033,需要进行调整,调整方法：,求校正系数=4/4.0033=0.9992,将表中的最后一行,分别乘以,即得调整后的季节性指标,求预测值根据预测模型求出2000年各季度的客流量,将上述2000年四个季度的客流量预测值乘以调整后的季节性指标，即得2000年各季度客流量的最后预测值,2000年全年的客流量：y,2000,=1178.56+1200.37+972.29+973.33=4324.55（10,4,人次）,季节性交乘趋势的应用,颐和园游客分月预测：,模型的应用加上科学的分析，能使预测更为准确有效，更好地为决策服务。,季节性迭加趋向模型,=（a+bt）+,（i=1，2，T）,式中，=（a+bt）为趋势部分,为季节增量,T 为季节周期的长度,适用条件：,适用于既有季节变动，,又有趋势变动,且波动幅度基本不变化的时间序列,建模：,建立趋势方程,求各期趋势值,求样本季节增量,求理论季节增量,小结,旅游需求预测,趋势外推模型,时间序列模型,（移动平均法、滑动平均法、季节交乘模型）,思考题,旅游需求的预测模型分为那几类？各类模型的特,点是什么,