经济管理中的计算机应用mse,经济管理学中的计算机应用.docx

经济管理学中的计算机应用

《经济管理学中的计算机应用》作业

一、平滑指数模型

(1)取平滑指数a=0.1时

月份

销售额

预测值

1

240

240

2

350

240

3

230

251

4

260

248.9

5

280

250.01

6

320

253.009

7

220

259.7081

8

310

255.7373

9

240

261.1636

10

310

259.0472

11

240

264.1425

12

230

261.7282

(2)

a

MSE

0.1

2267.184

0.2

2318.107

0.3

2463.964

0.4

2664.015

0.5

2913.778

(3)

最小MSE

2267.184

最佳a

0.1

(4)利用最优平滑指数a=0.1预测第13个月的销售金额为258.56。

二、移动平均模型

年

季度

销售额

4季度移动平均

中心化

季节不规则值

季节指数

1

1

60

1.378906

2

20

0.641643

3

40

47.5

52.5

0.761905

0.65457

4

70

57.5

58.75

1.191489

1.32411

2

1

100

60

61.25

1.632653

2

30

62.5

71.25

0.421053

3

50

80

82.5

0.606061

4

140

85

92.5

1.513514

3

1

120

100

102.5

1.170732

2

90

105

107.5

0.837209

3

70

110

117.5

0.595745

4

160

125

126.25

1.267327

4

1

180

127.5

135

1.333333

2

100

142.5

150

0.666667

3

130

157.5

4

220

序号

年

季度

销售额

季节指数

消除季节影响的销量

趋势预测值

季度预测值

1

1

1

60

1.378906

43.5127547

27.30898

37.65652

2

2

20

0.641643

31.1699873

36.96994

23.7215

3

3

40

0.654570

61.108818

46.63090

30.52319

4

4

70

1.324110

52.8657037

56.29186

74.53661

5

2

1

100

1.378906

72.5212578

65.95282

90.94275

6

2

30

0.641643

46.7549809

75.61378

48.51704

7

3

50

0.654570

76.3860225

85.27474

55.81829

8

4

140

1.324110

105.731407

94.93570

125.7053

9

3

1

120

1.378906

87.0255094

104.59666

144.229

10

2

90

0.641643

140.264943

114.25762

73.31259

11

3

70

0.654570

106.940432

123.91858

81.11339

12

4

160

1.324110

120.835894

133.57954

176.874

13

4

1

180

1.378906

130.538264

143.24050

197.5152

14

2

100

0.641643

155.849936

152.90146

98.10813

15

3

130

0.654570

198.603659

162.56242

106.4085

16

4

220

1.324110

166.149354

172.22338

228.0427

17

5

1

1.378906

181.88434

250.8014

18

2

0.641643

191.54530

122.9037

19

3

0.654570

201.20626

131.7036

20

4

1.324110

210.86722

279.2114

三、回归分析模型

(1)

方法一、用内建函数Intercept()和Slope()计算回归系数

a

-147.27

b

27.12787

R2

0.970423

方法二、用内建函数Linest()计算回归系数

b

a

27.12787

-147.27

方法三、用回归分析报告完成一元线性回归分析

SUMMARY OUTPUT

回归统计

Multiple R

0.9851

R Square

0.970423

Adjusted R Square

0.966197

标准误差

27.26526

观测值

9

方差分析

df

SS

MS

F

Significance F

回归分析

1

170733.8

170733.8

2