物流需求與預(yù)測

物流需求與預(yù)測第1頁，課件共46頁，創(chuàng)作于2023年2月

物流需求的作用與特征物流需求預(yù)測方法物流四階段預(yù)測法第2頁，課件共46頁，創(chuàng)作于2023年2月§1、物流需求的作用與特征

物流需求是社會經(jīng)濟活動特別是制造與經(jīng)營活動所派生的一種次生需求。物資的流動是由于社會生產(chǎn)與社會消費的需要，它是受生產(chǎn)力、生產(chǎn)資源分布、生產(chǎn)制造過程、消費分布、運輸倉儲布局等因素的影響的。物流需求包含了位移的數(shù)量與位移的服務(wù)要求。D=V+L+I

其中，D---物流需求（LogisticsDemand）

V---物流需求量（LogisticsDemandVolume）;L---物流需求水平（LogisticsDemandLevel）;I---物流信息需求（LogisticsInformationDemand）D的預(yù)測可用一些定性的描述（對部分L及I）和對V的定量描述組成。第3頁，課件共46頁，創(chuàng)作于2023年2月物流需求具有以下顯著特征：派生性物流需求是社會經(jīng)濟活動特別是制造與經(jīng)營活動所派生的一種次生需求。物資的流動是由于社會生產(chǎn)與社會消費的需要，它是受生產(chǎn)力、生產(chǎn)資源分布、生產(chǎn)制造過程、消費分布、運輸倉儲布局等因素的影響的，可以說物流是社會經(jīng)濟活動及其發(fā)展派生出來的一種經(jīng)濟活動，因而物流的數(shù)量、方向、構(gòu)成、始發(fā)點等是受社會社會經(jīng)濟活動影響的。物流需求的作用:物流需求是現(xiàn)代物流業(yè)發(fā)展的基礎(chǔ),是物流企業(yè)經(jīng)營管理決策的依據(jù),是物流規(guī)劃與設(shè)計的依據(jù)。第4頁，課件共46頁，創(chuàng)作于2023年2月復(fù)雜性物流與社會生產(chǎn)、經(jīng)濟生活有著密切的聯(lián)系，社會勞動生產(chǎn)率的提高、經(jīng)濟發(fā)展的增長、收入與消費的增加以及新的政策的實施等等都會使物流需求發(fā)生變化；人們生活方式、消費習(xí)慣的不同，物流基礎(chǔ)設(shè)施的制約以及供應(yīng)鏈企業(yè)間的平行、垂直和重疊關(guān)系的相互影響又使物流需求在一定趨勢變化基礎(chǔ)上相對物流供應(yīng)上下波動。這就導(dǎo)致物流需求變化既有一定規(guī)律，又存在隨機性特點。第5頁，課件共46頁，創(chuàng)作于2023年2月時效性即物流需求的時間性。宏觀上，經(jīng)濟建設(shè)與發(fā)展的不同階段對物資需求的數(shù)量、品種、規(guī)模使不同的。微觀上，物流需求的數(shù)量和品種往往隨季節(jié)性變化，此外，現(xiàn)代科技更新周期的不斷縮短和人們消費觀念的日益變化，也提高了物流需求隨時間變化的敏感性。地域性即物流需求的空間性。生產(chǎn)力布局、社會經(jīng)濟水平、資源分布、用地規(guī)模使物流需求呈現(xiàn)出地域差異和分布形態(tài)。物流需求的空間分布影響物資流動的流量和流向，對物流設(shè)施規(guī)劃有巨大影響。第6頁，課件共46頁，創(chuàng)作于2023年2月§2、物流需求預(yù)測的概念物流需求預(yù)測，就是根據(jù)物流市場過去和現(xiàn)在的需求狀況以及影響物流市場需求變化的因素之間的關(guān)系，利用一定的經(jīng)驗判斷、技術(shù)方法和預(yù)測模型，應(yīng)用合適的科學(xué)方法對有關(guān)反映市場需求指標的變化以及發(fā)展的趨勢進行預(yù)測。第7頁，課件共46頁，創(chuàng)作于2023年2月預(yù)測結(jié)果的準確性和可靠性與預(yù)測期限有關(guān).1.長期預(yù)測。預(yù)測期限≥5年，主要根據(jù)企業(yè)長期戰(zhàn)略目標和市場需求發(fā)展趨勢進行預(yù)測分析。周期長，不確定因素多，預(yù)測誤差大。只能對預(yù)測作相對大致、粗略的描述。2.中期預(yù)測 預(yù)測期限1-3年,主要圍繞企業(yè)經(jīng)營戰(zhàn)略、新產(chǎn)品研發(fā)等方面進行預(yù)測。預(yù)測結(jié)果比較準確。3.短期預(yù)測 預(yù)測期限3個月-1年,主要確定某種產(chǎn)品季度或年度的市場需求量，從而調(diào)節(jié)企業(yè)自身的生產(chǎn)能力。4.近期預(yù)測 預(yù)測期限一般以周、旬為單位，主要對企業(yè)內(nèi)部的各個環(huán)節(jié)進行預(yù)測，確定物流或零部件的需求量，以保證生產(chǎn)的連續(xù)性和穩(wěn)定性。目標較明確，可預(yù)見性強，預(yù)測的分類第8頁，課件共46頁，創(chuàng)作于2023年2月市場需求特點決定了產(chǎn)品的銷售特點1.季節(jié)性需求 由氣候、節(jié)假日、消費習(xí)慣等因素引起的需求量變化2.周期性需求 需求量隨時間的推移而呈周期性變化。周期和形成周期的原因難以確定，難以預(yù)測。3.趨向性需求 需求量隨時間的推移而朝某個方向有規(guī)律地運動。一般容易預(yù)測。4.隨機性需求 需求量由于偶然變動而呈現(xiàn)無規(guī)則的變化趨勢。各期的隨機需求差別很大。物流市場需求的特征表現(xiàn)第9頁，課件共46頁，創(chuàng)作于2023年2月1.明確預(yù)測對象如類型是長期預(yù)測還是短期預(yù)測。內(nèi)容是某一種產(chǎn)品還是某幾種產(chǎn)品。以便確定預(yù)測的內(nèi)容和任務(wù)，制定出具體的預(yù)測工作計劃、組織小組、協(xié)調(diào)等。2.收集相關(guān)的資料數(shù)據(jù)整理、分析已有的相關(guān)數(shù)據(jù)資料；收集、調(diào)查尚未擁有的資料數(shù)據(jù)。3.選擇合適的預(yù)測方法對需求比較穩(wěn)定的產(chǎn)品，用簡單移動平均法；屬于趨勢型產(chǎn)品，用加權(quán)平均法、指數(shù)平均法和回歸分析法加以預(yù)測；對于隨機性的情況，采取定性分析與定量分析相結(jié)合的方法加以預(yù)測。4.預(yù)測與結(jié)果評價。預(yù)測時，考慮各方面的情況。借助于經(jīng)驗判斷、邏輯推理、統(tǒng)計分析等方面的預(yù)測判斷，使預(yù)測結(jié)果更為合理。物流需求預(yù)測步驟第10頁，課件共46頁，創(chuàng)作于2023年2月§3、物流需求預(yù)測方法

需求預(yù)測包括確定客戶會在未來某個時點所需要的產(chǎn)品數(shù)量及其伴隨的服務(wù)。準確地了解產(chǎn)品需求將會是多少，對企業(yè)運作的所有方面——營銷、生產(chǎn)和物流都很重要。對未來的需求預(yù)測決定了營銷策略、銷售隊伍配置、定價以及市場調(diào)研活動。銷售預(yù)測決定生產(chǎn)計劃、采購和購并策略以及工廠內(nèi)的庫存決策。物流管理的需求預(yù)測決定了公司生產(chǎn)的每種產(chǎn)品有多少要運到企業(yè)所服務(wù)的各個市場。同樣地，物流管理必須知道需求來自何方，從而可以將適當數(shù)量的產(chǎn)品投放或儲存到各個市場區(qū)域。

第11頁，課件共46頁，創(chuàng)作于2023年2月定性預(yù)測技術(shù)又稱判斷預(yù)測技術(shù),它是在一種有組織的形式下,搜集各個人對分析過程所作的判斷,然后進行預(yù)測的方法。這種方法簡單易行實用,適用于數(shù)據(jù)奇缺或難于作定量分析的情況。一般這類方法用于中長期預(yù)測,常用的效果較好的有德爾菲法、主觀概率法、市場調(diào)查法、部門負責(zé)人評判意見法、銷售人員估計法及歷史類比法等。3.1、定性預(yù)測方法第12頁，課件共46頁，創(chuàng)作于2023年2月DelphiMethod，又稱專家調(diào)查法，通過對專家背靠背的匿名征詢方式進行預(yù)測。1950年代由美國RAND公司創(chuàng)立。專家的選擇非常重要。人數(shù)一般在10～50人。每輪調(diào)查完畢都需要對專家的意見進行統(tǒng)計整理，然后根據(jù)統(tǒng)計整理的結(jié)果進行評價，如果結(jié)果顯示比較分散，則需重新設(shè)計調(diào)查表格，進行新一輪的調(diào)查；如果專家的意見比較集中一致，則就得到了最終的結(jié)果。*德爾菲法選擇對象發(fā)送調(diào)查表格回收調(diào)查問卷并

統(tǒng)計調(diào)查結(jié)果統(tǒng)計結(jié)果的

分析評價預(yù)測結(jié)果進行新一輪的

調(diào)查表格第13頁，課件共46頁，創(chuàng)作于2023年2月AnalogyMethod，又稱比較類推法，根據(jù)經(jīng)驗判斷，通過比較類推，得出預(yù)測結(jié)論。(1)縱向類推預(yù)測： 通過將當前的物流市場情況和歷史上曾經(jīng)發(fā)生過的類似情況進行比較來預(yù)測市場未來情況的方法。應(yīng)用時應(yīng)仔細考慮新的因素和條件。(2)橫向類推預(yù)測： 指在同一時期內(nèi)對某一地區(qū)某項產(chǎn)品的市場情況與其他地區(qū)的市場情況進行比較，然后預(yù)測這個地區(qū)的未來市場情況。*類比法第14頁，課件共46頁，創(chuàng)作于2023年2月確立調(diào)查目的和指導(dǎo)思想成立調(diào)查課題小組或領(lǐng)導(dǎo)小組制定調(diào)查方法，設(shè)計調(diào)查問題與表格實地調(diào)查，處理調(diào)查中的新情況整理調(diào)查資料，提交調(diào)查報告調(diào)查準備階段調(diào)查實施階段調(diào)查總結(jié)階段直接歸納預(yù)測法的程序與步驟圖

*直接歸納法第15頁，課件共46頁，創(chuàng)作于2023年2月集體意見法是把預(yù)測者的個人預(yù)測通過加權(quán)平均而匯集成集體預(yù)測的方法。其程序如下：1）要求每一位預(yù)測者就預(yù)測結(jié)果的最高限、最低限和最可能的值加以判斷，并對這三種情況出現(xiàn)的概率進行估計。例如，第i位預(yù)測者得出的預(yù)測結(jié)果如下：最高限為F1i，其出現(xiàn)的概率為P1i；最可能的值為F2i，其出現(xiàn)的概率為P2i；最低限為F3i，其出現(xiàn)的概率為P3i。2）根據(jù)預(yù)測者對預(yù)測結(jié)果最高限、最可能值和最低限的估計以及對三種情況出現(xiàn)的概率的估計，計算每一位預(yù)測者的意見平均值Fi，其計算公式為：*集體意見法第16頁，課件共46頁，創(chuàng)作于2023年2月3）根據(jù)每位預(yù)測者個人意見的重要程度Wi，通過加權(quán)平均，得出集體的意見F，其計算公式為：式中，n表示預(yù)測者人數(shù)。*集體意見法第17頁，課件共46頁，創(chuàng)作于2023年2月又稱專家會議法、集思廣益法，是指預(yù)測者邀請有關(guān)專家以開討論會的方式，向?qū)＜耀@取有關(guān)預(yù)測對象的信息，經(jīng)歸納、分析、判斷和推算，預(yù)測事物未來發(fā)展變化趨勢的一種預(yù)測方法。直接頭腦風(fēng)暴法一般按下列步驟實施：1）確定與會專家的名單、人數(shù)和會議時間。2）召開專家討論會。3）對各種設(shè)想進行歸類、比較和評價。*頭腦風(fēng)暴法第18頁，課件共46頁，創(chuàng)作于2023年2月頭腦風(fēng)暴法的優(yōu)點是：1）能較全面地考慮到事件發(fā)生的可能性，從而達到預(yù)測的目標；2）簡單易行，節(jié)省時間。頭腦風(fēng)暴法的缺點是：1）不能更廣泛地收集各方面的意見；2）可能會出現(xiàn)少數(shù)人的正確意見屈服于多數(shù)人的錯誤意見，或者大多數(shù)人受權(quán)威人士意見的左右。*頭腦風(fēng)暴法第19頁，課件共46頁，創(chuàng)作于2023年2月又稱構(gòu)思分析法、前景分析法，該方法是根據(jù)事物發(fā)展趨勢的多樣性，通過對預(yù)測對象系統(tǒng)內(nèi)外相關(guān)問題的系統(tǒng)分析，設(shè)計出多種可能的未來前景，然后，用象撰寫電影劇本一樣的手法，對事物發(fā)展態(tài)勢做出自始至終的情景和畫面的描述。情景分析法具有以下特點：1）預(yù)測結(jié)果是多維的。2）是一種系統(tǒng)預(yù)測方法。3）是一種認同并發(fā)揮人的主觀能動作用的預(yù)測方法。4）是一種定性分析與定量分析相互嵌入，以定性分析為主的綜合性預(yù)測方法。*情景分析法第20頁，課件共46頁，創(chuàng)作于2023年2月情景分析法的主要缺點：是操作過程比較復(fù)雜，預(yù)測成本較高。情景分析法的實施步驟包括以下幾個方面：1）明確預(yù)測問題，作好必要準備。2）確定影響水平和變量。3）構(gòu)造情景。4）編寫預(yù)測報告。*情景分析法第21頁，課件共46頁，創(chuàng)作于2023年2月1．時間序列預(yù)測法2．因果預(yù)測法3.產(chǎn)銷平衡法4.細分與集成預(yù)測法5.組合預(yù)測法3.2、定量預(yù)測方法第22頁，課件共46頁，創(chuàng)作于2023年2月3.2.1．時間序列預(yù)測法通過時間序列分析事物過去的變化規(guī)律，并推斷事物的未來發(fā)展趨勢，稱為時間序列預(yù)測法。1）增長率法2）移動平均法3）指數(shù)平滑預(yù)測法4）生長曲線法5）灰色預(yù)測方法6）馬爾柯夫預(yù)測法7）自回歸預(yù)測法8）神經(jīng)網(wǎng)絡(luò)預(yù)測法第23頁，課件共46頁，創(chuàng)作于2023年2月1）增長率法增長率法，指根據(jù)預(yù)測對象在過去的統(tǒng)計期內(nèi)的平均增長率，類推未來某期預(yù)測值的一種簡便算法。該預(yù)測方法一般用于增長率變化不大，或預(yù)計過去的增長趨勢在預(yù)測期內(nèi)仍將繼續(xù)的場合。第24頁，課件共46頁，創(chuàng)作于2023年2月2）移動平均法一次移動平均值的計算公式是：二次移動平均值的計算公式為：二次移動平均預(yù)測模型的形式為：第25頁，課件共46頁，創(chuàng)作于2023年2月3）指數(shù)平滑預(yù)測法一次指數(shù)平滑值的遞推計算公式為：式中：α為平滑常數(shù)，0≤α≤1，一般取0.1-0.3。二次指數(shù)平滑值的遞推計算公式為：二次指數(shù)平滑預(yù)測模型的形式為：第26頁，課件共46頁，創(chuàng)作于2023年2月4）生長曲線法最著名的費爾哈斯模型。費爾哈斯模型的表達式為：費爾哈斯模型的圖像是一條s型曲線，大體可分為三段，即緩慢增長階段、快速增長階段和平穩(wěn)階段，其中，平穩(wěn)階段的p=a/b可視為“飽和值”。第27頁，課件共46頁，創(chuàng)作于2023年2月5）灰色預(yù)測方法灰色預(yù)測方法一般利用時序列數(shù)據(jù)，通過建立GM（1，1）模型進行預(yù)測。該預(yù)測方法具有以下特點：①不需用大量樣本；②預(yù)測精度較高；③用累加生成擬合微分方程，符合能量系統(tǒng)的變化規(guī)律；④可以進行長期預(yù)測。用GM（1,1）模型進行灰色預(yù)測的步驟是：①對原始時序列數(shù)據(jù)x(0)（t），t=1，2，．．．做一次累加生成，得新的數(shù)列x(1)（t），t=1，2，．．．，其中：第28頁，課件共46頁，創(chuàng)作于2023年2月5）灰色預(yù)測方法②利用一次累加生成數(shù)列擬合微分方程，得參數(shù)a和u；③解上述微分方程得時間響應(yīng)函數(shù)：第29頁，課件共46頁，創(chuàng)作于2023年2月5）灰色預(yù)測方法④對時間響應(yīng)函數(shù)求導(dǎo)還原得預(yù)測方程：⑤利用歷史數(shù)據(jù)對預(yù)測模型進行精度檢驗；⑥通過預(yù)測方程進行預(yù)測。第30頁，課件共46頁，創(chuàng)作于2023年2月6）馬爾柯夫預(yù)測法馬爾柯夫主要研究事物狀態(tài)轉(zhuǎn)移，他經(jīng)過多次試驗發(fā)現(xiàn)，一個系統(tǒng)的某些因素在轉(zhuǎn)移中第n次結(jié)果只受第n-1次的結(jié)果的影響，只與當前所處狀態(tài)有關(guān)，與其他無關(guān)。其遞推公式為：經(jīng)常使用馬爾柯夫預(yù)測法對市場占有率進行預(yù)測。馬爾柯夫市場占有率預(yù)測的一般步驟為：調(diào)查目前的市場占有率情況；調(diào)查消費者的變動情況；建立數(shù)學(xué)模型；預(yù)測未來市場的占有率。第31頁，課件共46頁，創(chuàng)作于2023年2月7）自回歸預(yù)測法自回歸預(yù)測法的原理為：時間序列的觀察值之間往往是高度相關(guān)的。其一般模型如下：上式的意義就是通過回歸分析，建立第t年的值與第t-1，t-2，…，t-p年的值的關(guān)系，通過這個關(guān)系來作前向預(yù)測，其實質(zhì)就是對事物發(fā)展特征曲線的擬合，并進一步推知其未來的發(fā)展軌跡。第32頁，課件共46頁，創(chuàng)作于2023年2月8）神經(jīng)網(wǎng)絡(luò)預(yù)測法神經(jīng)網(wǎng)絡(luò)，特別是反向傳播網(wǎng)絡(luò)在許多領(lǐng)域都得到廣泛應(yīng)用。該方法在函數(shù)逼近、模式識別、數(shù)據(jù)壓縮等領(lǐng)域的應(yīng)用實踐充分證明，通過該方法獲得的結(jié)果與實際結(jié)果非常接近，尤其在曲線擬合方面有很高的精度。利用神經(jīng)網(wǎng)絡(luò)的方法建立數(shù)學(xué)模型，擬合歷史數(shù)據(jù)的變化曲線，再用擬合結(jié)果對數(shù)據(jù)未來的發(fā)展曲線做出預(yù)報，這是神經(jīng)網(wǎng)絡(luò)方法在預(yù)測中的應(yīng)用。神經(jīng)網(wǎng)絡(luò)預(yù)測方法的應(yīng)用結(jié)果表明，該方法能夠反映事物的變化規(guī)律，預(yù)測的結(jié)果比較準確。第33頁，課件共46頁，創(chuàng)作于2023年2月3.2.2．因果預(yù)測法1）比例系數(shù)法2）回歸分析預(yù)測法3）彈性系數(shù)法4）系統(tǒng)動力學(xué)預(yù)測法第34頁，課件共46頁，創(chuàng)作于2023年2月3.2.3.產(chǎn)銷平衡法利用產(chǎn)銷平衡法，可以研究各地區(qū)間的貨物交流問題。即通過適當?shù)呢浳镱A(yù)測方法，確定預(yù)測期所有各發(fā)到地區(qū)之間的貨物流量，形成預(yù)測期貨物流量表。

第35頁，課件共46頁，創(chuàng)作于2023年2月3.2.4.細分與集成預(yù)測法1）集成預(yù)測法集成預(yù)測法是分別單獨地預(yù)測各個系統(tǒng)的預(yù)測值，然后加總求和而得到整體系統(tǒng)預(yù)測值的一種方法。即：第36頁，課件共46頁，創(chuàng)作于2023年2月3.2.4.細分與集成預(yù)測法2）細分預(yù)測法細分預(yù)測與集成法的預(yù)測過程相反，即先預(yù)測出整體系統(tǒng)的預(yù)測值，再依據(jù)合理標準求得各子系統(tǒng)預(yù)測值，如比重法和目標比例系數(shù)法等。比重法是在總物流運量已用某種方法預(yù)測，進而估算其中部分物流運量的方法。月度比例系數(shù)法是根據(jù)過去數(shù)年的月度物流統(tǒng)計資料，計算出平均每個月的物流數(shù)量在年度物流總量中所占的比例，進而在未來年度物流量預(yù)測出以后，按照月度的分布規(guī)律求出未來年度各月的預(yù)測值。第37頁，課件共46頁，創(chuàng)作于2023年2月3.2.5.組合預(yù)測法組合預(yù)測法是將幾種預(yù)測方法的預(yù)測結(jié)果，選取適當?shù)臋?quán)重進行加權(quán)平均的一種預(yù)測方法。1）等權(quán)平均法設(shè)fi（i=1，2，…K）為第i個模型預(yù)測值，如果用fc代表組合預(yù)測值，則等權(quán)平均預(yù)測法得到的組合預(yù)測值為：第38頁，課件共46頁，創(chuàng)作于2023年2月預(yù)測模型的評價對于同一個目標,可選用多種預(yù)測技術(shù),建立不同的預(yù)測模型,并可能得到不同的預(yù)測結(jié)果。究竟應(yīng)選擇哪一個模型所得的預(yù)測結(jié)果作為正式的預(yù)測結(jié)果呢?這就是一個對模型優(yōu)劣進行評價的問題。對不同的預(yù)測目標,評價的方法及標準可能不完全但一般都應(yīng)遵循下列幾條基本原則:①合理性——預(yù)測模型應(yīng)具有與事物發(fā)展規(guī)律相一致的性質(zhì)；②預(yù)測能力——是看模型能否說明在預(yù)測期間事物的發(fā)展情況；二是看預(yù)測模型的誤差范圍;③穩(wěn)定性——能否在較長時間內(nèi)準確地反映預(yù)測對象的發(fā)展變化情況,模型的參數(shù)和預(yù)測能力是否受統(tǒng)計數(shù)據(jù)變化等因素的影響；④簡單性——對于預(yù)測能力相差不大的模型,應(yīng)選形式簡單、容易運用的模型作為優(yōu)先選擇的對象。第39頁，課件共46頁，創(chuàng)作于2023年2月1．預(yù)測結(jié)果的可信度各種模型中，只有回歸模型提供了可信度結(jié)論。2．預(yù)測方案實際預(yù)測活動中應(yīng)盡量給出多個預(yù)測方案，避免因單方案造成決策的剛性。3．擬合度與精度擬合度是指預(yù)測模型對歷史觀察值的模擬程度。對既定的歷史數(shù)據(jù)總可以找到擬合程度很高的模型，但擬合度高并不一定表示預(yù)測結(jié)果準確。預(yù)測準確性的高低屬于精度問題。擬合度好，不一定精度也高。3.3、預(yù)測實踐中應(yīng)注意的幾個問題第40頁，課件共46頁，創(chuàng)作于2023年2月4．預(yù)測的期限預(yù)測按預(yù)測時間可分為長期預(yù)測和中短期預(yù)測。對短期預(yù)測較好的模型，不一定對長期預(yù)測也較好；反之亦然。5．預(yù)測模型預(yù)測模型有復(fù)雜化、多因素化的趨勢，這種發(fā)展趨勢一般有利于提高預(yù)測的精度，因為這包括了更多因素的影響，但對這些因素的未來值也不易判斷。3.3、預(yù)測實踐中應(yīng)注意的幾個問題第41頁，課件共46頁，創(chuàng)作于2023年2月6．數(shù)據(jù)處理與模型調(diào)整如果某個模型的預(yù)測誤差較大，人們通常采取對原始數(shù)據(jù)進行平滑處理和修改模型的方法去解決。這種對原始數(shù)據(jù)進行平滑處理的方法實際上是在回避矛盾。7．實際與想象很多預(yù)測人員在預(yù)測活動開始時就對預(yù)測對象的未來發(fā)展作了想象，并以此想象來不斷地修正預(yù)測結(jié)果。這在對中間預(yù)測值進行取舍、組合時，會產(chǎn)生導(dǎo)致錯誤的影響。3.3、預(yù)測實踐中應(yīng)注意的幾個問題第42頁，課件共46頁，創(chuàng)作于2023年2月8.預(yù)測的復(fù)雜性預(yù)測總是在假定未來的發(fā)展是和現(xiàn)在已知或過去發(fā)生的事物有關(guān)的基礎(chǔ)上進行的，但又不是簡單的數(shù)學(xué)方程式推斷。預(yù)測無法回避社會經(jīng)濟發(fā)展中同時帶有規(guī)律性和偶然性的矛盾。9.經(jīng)濟預(yù)測是一門科學(xué)，又是一門藝術(shù)。作為一門科學(xué)，是因為經(jīng)濟運動是有規(guī)律的，并且人