1.6 预测过程的主要步骤

一个预测过程通常包括五个基本步骤。

步骤1:定义问题。
通常这是预测中最困难的步骤。要准确定义这个问题,需要了解怎样运用预测方法,谁需要这个预测,以及预测效果如何满足需要这个预测的机构。预测人员需要花费一定时间与所有参与收集数据、维护数据库和使用这个预测对未来进行规划的人沟通。
步骤2:收集信息。
一般至少需要两种信息收集方式:(a) 统计数据,(b) 收集数据和进行预测方面专家的积累经验。通常情况下,要获得足够多的历史数据以构建良好的统计模型是很困难的。在这种情况下,可以使用 4 中的判断预测方法。有时候,陈旧数据会因相应数据发生结构变化而失效,因而我们一般只选择使用较新的数据。然而,一个好的统计模型可以处理系统中的结构变化,因此不要轻易丢弃好的数据。
步骤3:初步(探索性)分析。
总是以图形开头。有一致的模式吗?有明显的长期趋势吗?季节性重要吗?是否有证据表明商业周期存在?数据中是否包含需要专业知识解释的异常值?用于分析的变量之间的相关性有多强?目前已经开发了各种工具来帮助进行这种分析。这些将在章节 2 和 章节6中讨论。
步骤4:选择及拟合模型。
最佳模型的选择取决于历史数据的可用性、预测变量与各解释变量之间的相关性,以及预测的使用方式。比较两个或三个潜在的模型是很常见的。每个模型本身都基于人为提出的一组假设(显式和隐式)而建立,通常包含一个或多个参数,这些参数必须使用已知的历史数据进行估计。我们将讨论回归模型(章节 5)、指数平滑方法(章节 7)、Box-Jenkins ARIMA模型(章节 8)、动态回归模型(章节 9)、分层预测(章节 10),以及其他各种方法,包括计数时间序列、神经网络和章节 11中的向量自回归。
步骤5:使用及评估预测模型。
一旦模型及其参数确定后,该模型就可以用来进行预测。模型的预测效果只有用于预测的数据得到之后才能得到正确的评价。目前已经开发了许多方法来评估预测的准确性。在使用和进行预测时会存在很多组织结构问题。对其中一些问题的简要讨论将在章节 3 中给出。