時間序列法
時間序列法
時間序列法是一種統計分析方法，在宣傳工作中根據一定時間的數據序列預測未來發展趨勢的方法。亦稱時間序列趨勢外推法。這種方法適用於處於連續過程中的事物的預測。它需要有若干年的數據資料，按時間序列排列成數據序列，其變化趨勢和相互關係要明確和穩定。供預測用的歷史數據資料有的變化表現出比較強的規律性，由於它過去的變動趨勢將會連續到未來，這樣就可以直接利用過去的變動趨勢預測未來。但多數的歷史數據由於受偶然性因素的影響，其變化不太規則。利用這些資料時，要消除偶然性因素的影響，把時間序列作為隨機變數序列，採用算術平均、加權平均和指數平均等來減少偶然因素，提高預測的準確性。常用的時間序列法有移動平均法、加權移動平均法和指數平均法。
時間序列法
剔除季節變動法
對於明顯地存在著季節性變動因素的時間序列數據，通常是先剔除季節性因素，找出平穩值和季節性修正係數。在平穩值預測基礎上加以季節性修正，就能獲得計及季節性變動的預測。以服裝業為例，如果1981、1982和 1983年1月份的銷售額分別是40.0、32.9和37.4，平均值為 36.77；三年內總計每月平均為51.18，則可得1月份的三年平均指數為 36.77/51.18=0.718。若剔除季節性變動因素，則1981、1982和1983年每年1月的平均值分別為40.0/0.718=55.7;32.9/0.718=45.8；37.4/0.718=52.1。依此類推，可求出各年各月的平穩值（見圖[銷售額圖]）。圖中實線為實際銷售值，虛線為剔除季節變動后的平穩值。此外也可按每年12個月的平均值作為各年平穩值的基準，按乘法模式或加法模式提取出季節性變動分量，按照各年基準值預測未來年基準值，然後計及季節變動分量加以修正，即得未來預測值。
移動平均法
又稱滑動平均法，對於存在著偶然變動因素的較為平穩的時間序列，可以採用這種方法來剔除偶然變動因素，以對平穩的時間序列作出預測。基本方法是利用緊挨著預測期前的一段時間序列數據（如有個數據），按某種規則求平均值，作為預測值。當預測期在時間上移動時，所採用的時間序列數據（個數據的個數不變）也隨著在時間上移動。其中一次 元移動法適用於接近平穩的恆定過程；二次 元移動平均法適用於線性增長或衰減過程。
指數平滑法
加權移動平均法的一種（見）。
自回歸法
利用緊挨著預測期前的一段時間序列數據，分別乘上某個係數后疊加求得，用以剔除偶然變動因素。
時間函數擬合法
N.T.Thomopoulos著，劉涌康等譯:《實用預測方法》，上海科技文獻出版社，上海，1980。(N.T.Thomopoulos, Applied Forecastin Methods, Prentice-Hall,Engl-ewood Cliffs,1980.王浣塵
