伯克斯詹金斯方法常用模型包括_市場調查與預測方法有哪些並舉例說明（明天考試就考這個急急急）

① 市場調查與預測方法有哪些並舉例說明（明天考試就考這個急急急）

1，定性市場調查預測法定性市場調查預測法，也稱為直觀判斷法，是市場調查預測中經常使用的方法。定性預測主要是依靠預測人員所掌握的信息，經驗和綜合判斷能力，來預測市場未來的狀況和發展趨勢。這類市場預測方法簡單易行，特別適用於那些難以獲取全面的資料進行統計分析的問題。因此，定性市場調查預測法在市場調查預測中得到廣泛的應用。定性市場調查預測法包括：個人經驗判斷法，集體經驗判斷法，專家調查法（又稱德爾菲法）。1，個人經驗判斷法，是指預測者根據個人的經驗和知識，通過對影響市場變化的各種因素進行分析，判斷和推理來預測市場的發展趨勢。在預測者經驗豐富，已有資料詳盡和准確的前提下，採用這種方法往往能做出准確的預測。2，集體經驗判斷法，是指預測人員邀請生產，財務，市場銷售等各部門負責人進行集體討論，廣泛交換意見，再做出預測的方法。由於預測參加者分屬於各個不同的部門和環節，做出的預測往往較為准確和全面。這種市場調查預測方法也較為簡單可行，常用於產品市場需求和銷售額的預測。3，專家市場調查法，是由美國蘭德公司開發出來的，被廣泛運用於軍事，經濟和商情預測，又稱德爾菲法。德爾菲法本質上是一種反饋匿名函詢法。其做法是：在對所要預測的問題徵得專家的意見後，進行整理，歸納，統計，再匿名反饋給各專家，然後再次徵求意見，再次歸納，統計，再反饋給各專家，直至得到穩定的意見。為了消除被徵求意見成員間相互影響，參加的專家可以互不了解。這種運用匿名，反復多次征詢意見進行背靠背交流的方式，可以充分發揮專家們的個人智慧，知識和經驗，最後匯總得出一個能反映群體意志的預測結果。德爾菲法具有以下三大特徵：一是資源利用的充分性。二是最終結論的可靠性。三是最終結論的統一性。

② 寫論文多少例不需統計學分析

時代金融

摘要:

關鍵詞:

一、引言

一個國家的國民經濟有很多因素構成, 省區經濟則是我國國

民經濟的重要組成部分, 很多研究文獻都認為中國的省區經濟是

宏觀經濟的一個相對獨立的研究對象, 因此, 選取省區經濟數據

進行區域經濟的研究, 無疑將是未來幾年的研究趨勢。而省區經

濟對我國國民經濟的影響, 已從背後走到了台前, 發展較快的省

區對我國國民經濟的快速增長起到了很大的作用, 而發展相對較

慢的省區, 其原因與解決方法也值得我們研究。

本文選取華中大省湖北省進行研究, 具有一定的指導和現實

意義。湖北省 2006 年 GDP 為 7497 億元, 人均 GDP13130 元, 達

到中等發達國家水平。從省域經濟來說, 湖北省是一個較發達的

經濟實體。另一方面, 湖北省優勢的地理位置和眾多的人口使之

對於我國整體經濟的運行起到不可忽視的作用, 對於湖北省 GDP

的研究和預測也就從一個側面反映我國國民經濟的走勢和未來。

盡管湖北省以其重要位置和經濟實力在我國國民經濟中占

據一席之地, 但仍不可避免的面臨著建國以來一再的經濟波動,

從最初的強大勢力到如今的掙扎期, 湖北省的經濟面臨著發展困

境。近年來, 湖北省的經濟狀況一再呈現再次快速發展的趨勢, 但

是這個趨勢能夠保持多久卻是我們需要考慮的問題。

本文選擇了時間序列分析的方法進行湖北省區域經濟發展

的預測。時間序列預測是通過對預測目標自身時間序列的處理來

研究其變化趨勢的。即通過時間序列的歷史數據揭示現象隨時間

變化的規律, 將這種規律延伸到未來, 從而對該現象的未來作出

預測。

二、基本模型、數據選擇以及實證方法

( 一) 基本模型

ARMA 模型是一種常用的隨機時序模型, 由博克斯, 詹金斯

創立, 是一種精度較高的時序短期預測方法, 其基本思想是: 某些

時間序列是依賴於時間 t 的一組隨機變數, 構成該時序的單個序

列值雖然具有不確定性, 但整個序列的變化卻具有一定的規律

性, 可以用相應的數學模型近似描述。通過對該數學模型的分析,

能夠更本質的認識時間序列的結構與特徵, 達到最小方差意義下

的最優預測。現實社會中, 我們常常運用 ARMA模型對經濟體進

行預測和研究, 得到較為滿意的效果。

但 ARMA模型只適用於平穩的時間序列, 對於如 GDP 等非

平穩的時間序列而言, ARMA模型存在一定的缺陷, 因此我們引

入一般情況下的 ARMA模型 ( ARIMA模型) 進行實證研究。事實

上, ARIMA模型的實質就是差分運算與 ARMA模型的組合。本文

討論的求和自回歸移動平均模型, 簡記為 ARIMA ( p, d, q) 模型,

是美國統計學家 G.E.P.Box 和 G.M.J enkins 於 1970 年首次提

出, 廣泛應用於各類時間序列數據分析, 是一種預測精度相當高

的短期預測方法。建立 ARIMA ( p, d, q) 模型計算復雜, 須藉助計

算機完成。本文介紹 ARIMA ( p, d, q) 模型的建立方法, 並利用

Eviews 建立湖北省 GDP 變化的 ARIMA ( p, d, q) 預測模型。

( 二) 數據選擇

本文所有 GDP 數據來自於由中華人民共和國統計局匯編,
中國統計出版的《新中國五十五年統計數據匯編》。
2.本文的所有數據處理均使用 EViews5.0 進行。
( 三) 實證方法
ARMA模型及 ARIMA模型都是在平穩時間序列基礎上建立
的, 因此時間序列的平穩性是建模的重要前提。任何非平穩時間
序列只要通過適當階數的差分運算或者是對數差分運算就可以
實現平穩, 因此可以對差分後或對數差分後的序列進行 ARMA
( p, q) 擬合。ARIMA ( p, d, q) 模型的具體建模步驟如下:
1.平穩性檢驗。一般通過時間序列的散點圖或折線圖對序列
進行初步的平穩性判斷, 並採用 ADF 單位根檢驗來精確判斷該序
列的平穩性。
對非平穩的時間序列, 如果存在一定的增長或下降趨勢等,
則需要對數據取對數或進行差分處理, 然後判斷經處理後序列的
平穩性。重復以上過程, 直至成為平穩序列。此時差分的次數即為
ARIMA ( p, d, q) 模型中的階數 d。為了保證信息的准確, 應注意避
免過度差分。
對平穩序列還需要進行純隨機性檢驗 ( 白雜訊檢驗) 。白雜訊
序列沒有分析的必要, 對於平穩的非白雜訊序列則可以進行
ARMA ( p, q) 模型的擬合。白雜訊檢驗通常使用 Q 統計量對序列
進行卡方檢驗, 可以以直觀的方法直接觀測得到結論。
2.ARMA擬合。首先計算時間序列樣本的自相關系數和偏自
相關系的值, 根據自相關系數和偏自相關系數的性質估計自相關
階數 p 和移動平均階數 q 的值。
一般而言, 由於樣本的隨機性, 樣本的相關系數不會呈現出
理論截尾的完美情況, 本應截尾的相關系數仍會呈現出小值振盪
的情況。又由於平穩時間序列通常都具有短期相性, 隨著延遲階
數的增大, 相關系數都會衰減至零值附近作小值波動。
根據 Barlett 和 Quenouille 的證明, 樣本相關系數近似服從
正態分布。一個正態分布的隨機變數在任意方向上超出 2σ 的概
率約為 0.05。因此可通過自相關和偏自相關估計值序列的直方圖
來大致判斷在 5%的顯著水平下模型的自相關系數和偏自相關系
數不為零的個數, 進而大致判斷序列應選擇的具體模型形式。同
時對模型中的 p 和 q 兩個參數進行多種組合選擇, 從 ARMA ( p,
q) 模型中選擇一個擬和最好的曲線作為最後的方程結果。一般利
用 AIC 准則和 SC 准則評判擬合模型的相對優劣。
3.模型檢驗。模型檢驗主要是檢驗模型對原時間序列的擬和
效果, 檢驗整個模型對信息的提取是否充分, 即檢驗殘差序列是
否為白雜訊序列。如果擬合模型通不過檢驗, 即殘差序列不是為
白雜訊序列, 那麼要重新選擇模型進行擬合。如殘差序列是白噪
聲序列, 就認為擬合模型是有效的。模型的有效性檢驗仍然是使
譚詩璟
ARIMA 模型在湖北省GDP 預測中的應用
—— —時間序列分析在中國區域經濟增長中的實證分析
本文介紹求和自回歸移動平均模型 ARIMA ( p, d, q) 的建模方法及 Eviews 實現。廣泛求證和搜集從 1952 年到 2006 年以來
湖北省 GDP 的相關數據, 運用統計學和計量經濟學原理, 從時間序列的定義出發, 結合統計 EVIEWS 運用 ARMA建模
方法, 將 ARIMA模型應用於湖北省歷年 GDP 數據的分析與預測, 得到較為滿意的結果。
湖北省區域經濟學 ARIMA 時間序列 GDP 預測
理論探討
/01 總第 360 期
圖四取對數後自相關與偏自相關圖
圖三二階差分後自相關與偏自相關圖
用上述 Q 統計量對殘差序列進行卡方檢驗。
4.模型預測。根據檢驗和比較的結果, 使用 Eviews 中的
forecas t 功能對模型進行預測, 得到原時間序列的將來走勢。對比
預測值與實際值, 同樣可以以直觀的方式得到模型的准確性。
三、實證結果分析
GDP 受經濟基礎、人口增長、資源、科技、環境等諸多因素的
影響, 這些因素之間又有著錯綜復雜的關系, 運用結構性的因果
模型分析和預測 GDP 往往比較困難。我們將歷年的 GDP 作為時
間序列, 得出其變化規律, 建立預測模型。
本文對 1952 至 2006 年的 55 個年度國內生產總值數據進行
了分析, 為了對模型的正確性進行一定程度的檢驗, 現用前 50 個
數據參與建模, 並用後五年的數據檢驗擬合效果。最後進行 2007
年與 2008 年的預測。
( 一) 數據的平穩化分析與處理
1.差分。利用 EViews 對原 GDP 序列進行一階差分得到
圖二:
對該序列採用包含常數項和趨勢項的模型進行 ADF 單位根
檢驗。結果如下:
由於該序列依然非平穩性, 因此需要再次進行差分, 得到如
圖三所式的折線圖。根據一階差分時所得 AIC 最小值, 確定滯後
階數為 1。然後對二階差分進行 ADF 檢驗:
結果表明二階差分後的序列具有平穩性, 因此 ARIMA ( p, d,
q) 的差分階數 d=2。二階差分後的自相關與偏自相關圖如下:
2.對數。利用 EViews , 對原數據取對數:
對已經形成的對數序列進行一階差分, 然後進行 ADF 檢驗:
由上表可見, 現在的對數一階差分序列是平穩的, 由 AIC 和
SC 的最小值可以確定此時的滯後階數為 2。因為是進行了一階差
分, 因此認為 ARIMA ( p, d, q) 中 d=1。
( 二) ARMA ( p, q) 模型的建立
ARMA ( p, q) 模型的識別與定階可以通過樣本的自相關與偏
自相關函數的觀察獲得。
圖一 1952- 2001 湖北省 GDP 序列圖
表 1 一階差分的 ADF 檢驗
ADF t- Statistic 1% level 5% level 10% level AIC 備注
0 - 2. - 4. - 3. - 3. 11.20582
非平穩
1 - 2. - 4. - 3. - 3. 11.17189
2 - 2. - 4. - 3. - 3. 11.18002
3 - 2. - 4. - 3. - 3. 11.20543
4 - 2. - 4. - 3. - 3. 11.27059
表 2 二階差分的 ADF 檢驗
Lag Length t- Statistic 1% level 5% level 10% level
1 (Fixed) - 5. - 4. - 3. - 3.
表 3 對數一階差分的 ADF 檢驗
ADF t- Statistic 1% level 5% level 10% level AIC SC 備注
0 - 5. - 3. - 2. - 2. - 1. - 1.
平穩 1 - 3. - 3. - 2. - 2. - 1. - 1.
2 - 3. - 3. - 2. - 2. - 1. - 1.
3 - 3. - 3. - 2. - 2. - 1. - 1.
圖五對數後一階差分自相關與偏自相關圖
理論探討
27時代金融
摘要:
關鍵詞:
使用 EViews 對 AR, MA的取值進行實現, 比較三種情
況下方程的 AIC 值和 SC 值:
表 4ARMA模型的比較
由表 4 可知, 最優情況本應該在 AR ( 1) , MA ( 1) 時取得, 但
AR, MA都取 1 時無法實現平穩, 捨去。對於後面兩種情況進行比
較, 而 P=1 時 AIC 與 SC 值都比較小, 在該種情況下方程如下:
綜上所述選用 ARIMA ( 1, 1, 0) 模型。
( 三) 模型的檢驗
對模型的 Q 統計量進行白雜訊檢驗, 得出殘差序列相互獨立
的概率很大, 故不能拒絕序列相互獨立的原假設, 檢驗通過。模型
均值及自相關系數的估計都通過顯著性檢驗, 模型通過殘差自相
關檢驗, 可以用來預測。
( 四) 模型的預測
我們使用時間序列分析的方法對湖北省地方生產總值的年
度數據序列建立自回歸預測模型, 並利用模型對 2002 到 2006 年
的數值進行預測和對照:
表 5 ARIMA ( 1, 1, 0) 預測值與實際值的比較
由上表可見, 該模型在短期內預測比較准確, 平均絕對誤差
為 6.876% , 但隨著預測期的延長, 預測誤差可能會出現逐漸增大
的情況。
下面, 我們對湖北省 2007 年與 2008 年的地方總產值進行
預測:
在 ARIMA模型的預測中, 湖北省的地方生產將保持增長的
勢頭, 但 2008 年的增長率不如 2007 年, 這一點值得注意。GDP
畢竟與很多因素有關, 雖然我們一致認為, 作為我國首次主辦奧
運的一年, 2008 將是中國經濟的高漲期, 但是是否所有的地方產
值都將受到奧運的好的影響呢? 也許在 2008 年全國的 GDP 也許
確實將有大幅度的提高, 但這有很大一部分是奧運賽場所在地帶
來的經濟效應, 而不是所有地方都能夠享有的。正如 GDP 數據顯
示, 1998 年盡管全國經濟依然保持了一個比較好的態勢, 但湖北
省的經濟卻因洪水遭受不小的損失。作為一個大省, 湖北省理應
對自身的發展承擔起更多的責任。
總的來說, ARIMA模型從定量的角度反映了一定的問題, 做
出了較為精確的預測, 盡管不能完全代表現實, 我們仍能以
ARIMA模型為基礎, 對將來的發展作出預先解決方案, 進一步提
高經濟發展, 減少不必要的損失。
四、結語
時間序列預測法是一種重要的預測方法, 其模型比較簡單,
對資料的要求比較單一, 在實際中有著廣泛的適用性。在應用中,
應根據所要解決的問題及問題的特點等方面來綜合考慮並選擇
相對最優的模型。
在實際運用中, 由於 GDP 的特殊性, ARIMA模型以自身的
特點成為了 GDP 預測上佳選擇, 但是預測只是估計量, 真正精確
的還是真實值, 當然, ARIMA 模型作為一般情況下的 ARMA 模
型, 運用了差分、取對數等等計算方法, 最終得到進行預測的時間
序列, 無論是在預測上, 還是在數量經濟上, 都是不小的進步, 也
為將來的發展做出了很大的貢獻。
我們通過對湖北省地方總產值的實證分析, 擬合 ARIMA
( 1, 1, 0) 模型, 並運用該模型對湖北省的經濟進行了小規模的預測,
得到了較為滿意的擬和結果, 但湖北省 2007 年與 2008 年經濟預
測中出現的增長率下降的問題值得思考, 究竟是什麼原因造成了這
樣的結果, 同時我們也需要到 2008 年再次進行比較, 以此來再次確
定 ARIMA ( 1, 1, 0) 模型在湖北省地方總產值預測中所起到的作用。
參考文獻:
【1】易丹輝數據分析與 EViews應用中國統計
【2】 Philip Hans Frances 商業和經濟預測中的時間序列模型中國人民大學
【3】新中國五十五年統計資料匯編中國統計
【4】趙蕾陳美英 ARIMA 模型在福建省 GDP 預測中的應用科技和產業
( 2007) 01- 0045- 04
【5】張衛國以 ARIMA 模型估計 2003 年山東 GDP 增長速度東岳論叢
( 2004) 01- 0079- 03
【6】劉盛佳湖北省區域經濟發展分析華中師范大學學報 ( 2003) 03-
0405- 06
【7】王麗娜肖冬榮基於 ARMA 模型的經濟非平穩時間序列的預測分析
武漢理工大學學報 2004 年 2 月
【8】陳昀賀遠瓊外商直接對武漢區域經濟的影響分析科技進步與對
策 ( 2006) 03- 0092- 02
( 作者單位: 武漢大學經濟與管理學院金融工程)
AR(1)MA(1) AR(1) MA(1) 備注
AIC - 1. - 1. - 1.
最優為 AR(1)MA(1)
SC - 1. - 1. - 1.
Variable Coefficient Std. Error t- Statistic Prob.
AR(1) 0. 0. 5. 0.0000
R- squared - 0. Mean dependent var 0.
Adjusted R- squared - 0. S.D. dependent var 0.
S.E. of regression 0. Akaike info criterion - 1.
Sumsquared resid 0. Schwarz criterion - 1.
Log likelihood 32.72369 Durbin-Watson stat 2.
Inverted AR Roots .59
年份實際值預測值相對誤差(%) 平均誤差(%)
2002 4975.63 4904.72 - 1.43
6.876
2003 5401.71 5125.82 - 5.12
2004 6309.92 5496.78 - 12.89
2005 6687.78 6374.83 - 4.68
2006 7497.00 6728.05 - 10.26
年度 2006 2007 2008
GDP 值 7497.00 8026.08 8359.59
增長率(%) — 7.06 4.16
表 6 ARIMA ( 1, 1, 0) 對湖北省經濟的預測
一、模糊數學分析方法對經營 ( 償債) 能力評價的適用性
影響經營 ( 償債) 和盈利能力的因素或指標很多; 在分析
判斷時, 對事物的評價 ( 或評估) 常常會涉及多個因素或多個指
標。這時就要求根據多叢因素對事物作出綜合評價, 而不能只從
朱曉琳曹娜
用應用模糊數學中的隸屬度評價經營(償債)能力問題
影響經營能力的許多因素都具有模糊性, 難以對其確定一個精確量值; 為了使經營 ( 償債) 能力評價能夠得到客觀合
理的結果, 有必要根據一些模糊因素來改進其評價方法, 本文根據模糊數學中隸屬度的方法嘗試對經營 ( 償債) 能力做出
一種有效的評價。
隸屬度及函數選取指標構建模型經營能力評價應用
理論探討
28

③ 預測的科學預測

預測（forecasting）是預計未來事件的一門藝術，一門科學。它包含採集歷史數據並用某種數學模型來外推與將來。它也可以是對未來的主觀或直覺的預期。它還可以是上述的綜合，即經由經理良好判斷調整的數學模型。
進行預測時，沒有一種預測方法會絕對有效。對一個企業在一種環境下是最好的預測方法，對另一企業或甚至本企業內另一部門卻可能完全不適用。無論使用何種方法進行預測，預測的作用也是有限的，並不是完美無缺。但是，幾乎沒有一家企業可以不進行預測而只是等到事情發生時再採取行動，一個好的短期或長期的經營規劃取決於對公司產品需求的預測。按在規劃未來業務方面企業使用可分三種類型的預測：經濟預測（economic forecasts）、技術預測(technological forecasts)、需求預測（demand forecasts）。
1、經濟預測（economic forecasts）,通過預計通貨膨脹率、貨幣供給、房屋開工率及其它有關指標來預測經濟周期。
2、技術預測(technological forecasts),即預測會導致產生重要的新產品，從而帶動新工廠和設備需求的技術進步。
3、需求預測（demand forecasts），為公司產品或服務需求預測。這些預測，也叫銷售預測，決定公司的生產、生產能力及計劃體系，並使公司財務、營銷、人事作相應變動。
按它包含的時間跨度來分類，也有三種分類：短期預測、中期預測、長期預測
1、短期預測。短期預測時間跨度最多為1年，而通常少於3個月。它用於購貨、工作安排、所需員工、工作指定和生產水平的計劃工作。
2、中期預測。中期預測的時間跨度通常是從3個月到3年。它用於銷售計劃、生產計劃和預算、現金預算和分析不同作業方案。
3、長期預測。長期預測的時間跨度通常為3年及3年以上。它用於規劃新產品、資本支出、生產設備安裝或天職，及研究與發展。
中期預測和長期預測與短期預測的區別主要體現在以下三個方面：
第一，中長期預測要處理更多的綜合性問題並主要為產品、工廠、工序的管理決策提供支持；
第二，短期預測採用的方法通常與長期預測採用的方法不同。如移動平均法、指數平滑法和趨勢外推法等為短期預測所常用的方法。更概括性、更少量化的方法用於確定諸如是否將一種新產品投產，如激光唱片等；
第三，短期預測往往比長期預測更精確些。影響需求的因素每天都在發生變化，因此當時間跨度延長時，預測精確度往往隨之下降。預測方法有四種基本的類型：定性預測、時間序列分析、因果聯系法和模擬。
定性預測定性預測屬於主觀判斷，它基於估計和評價。常見的定性預測方法包括：一般預測、市場調研法、小組討論法、歷史類比、德爾菲法等。
時間序列分析時間序列分析是建立在這樣一個設定基礎上的,與過去需求相關的歷史數據可用於預測未來的需求。歷史數據可能包含諸如趨勢、季節、周期等因素。常見的時間序列分析方法主要有：簡單移動平均、加權移動平均、指數平滑、回歸分析、鮑克斯·詹金斯法、西斯金時間序列等。
因果聯系法因果聯系是假定需求與某些內在因素或周圍環境的外部因素有關。常見的因果聯系法主要有：回歸分析、經濟模型、投入產出模型、行指標等。
模擬模擬模型允許預測人員對預測的條件作一定程度的假設。無論採用何種預測方法，進行預測時都必須遵循下面的幾個步驟：
1、確定預測的用途。這一步要確定我們進行預測所要達到什麼樣的的目標。
2、選擇預測對象。這一步要確定我們需要對什麼對象進行預測。例如，生產預測中通常需要對公司產品的市場需求進行預測從而為公司指定生產作業計劃提供資料。
3、決定預測的時間跨度。這一步要確定所進行的預測的時間跨度是短期、中期、還是長期？
4、選擇預測模型。這一步要根據索要預測的對象的特點和預測的性質選擇一種合適的預測模型來進行下一步的預測。
5、收集預測所需的數據。收集預測所需數據時，一定要保證這些數據資料的准確性和可靠性。
6、驗證預測模型。這一步是要確定我們選擇的預測模型對於我們要進行的預測是否有效。
7、做出預測。這一步里，我們要根據前面收集的相關的數據資料和確定的預測模型對我們需要預測的對象做出合理的預測。
8、將預測結果付諸實際應用。按照前面幾步，我們已經對所需要預測的對象做出了預測，這一步，我們就需要將得到的預測結果應用到實際中去，從而達到我們進行預測的目標。比如說，生產預測中，我們對未來市場對本企業產品的需求量進行了預測之後，就需要根據這些預測來確定本企業的生產計劃和排程。
上面這些步驟系統總結了開始、設計和應用一項預測的各環節。如果是定期做預測，數據則應定期收集。實際運算則可由計算機進行。

④ .預測的基本方法有哪三種

1、定性預測：定性預測屬於主觀判斷，它基於估計和評價。常見的定性預測方法包括：一般預測、市場調研法、小組討論法、歷史類比、德爾菲法等。

2、時間序列分析：時間序列分析是建立在這樣一個設定基礎上的,與過去需求相關的歷史數據可用於預測未來的需求。歷史數據可能包含諸如趨勢、季節、周期等因素。常見的時間序列分析方法主要有：簡單移動平均、加權移動平均、指數平滑、回歸分析、鮑克斯·詹金斯法、西斯金時間序列等。

3、因果聯系法：因果聯系是假定需求與某些內在因素或周圍環境的外部因素有關。常見的因果聯系法主要有：回歸分析、經濟模型、投入產出模型、行指標等。

4、模擬：模擬模型允許預測人員對預測的條件作一定程度的假設。

(4)伯克斯詹金斯方法常用模型包括擴展閱讀

作用

1、預測為制訂一個切實可行的計劃提供科學依據事實；

2、預測是避免決策片面性和決策失誤的重要手段；

3、預測既是計劃的前提條件，又是計劃工作的重要組成部分；

4、是提高管理預見性的一種手段；

5、向前看，面向未來，做好准備，發現問題集中力量解決，一定程度上決定組織成敗。

導航:首頁 > 使用方法 > 伯克斯詹金斯方法常用模型包括

伯克斯詹金斯方法常用模型包括

與伯克斯詹金斯方法常用模型包括相關的資料