【摘要】：从图9.9中可以明显看出，从原始食品销售量数据中剔除季节成分后的序列具有明显的线性趋势，直线的拟合程度非常好。根据分离季节因素后的序列和时间标号做一元线性回归。根据最小二乘法，可求出估计的一元线性回归即趋势方程为：Y＾t＝829.5453－6.03708t根据上述的趋势方程将回归预测值乘以相应的季节指数即可得2011—2015各季度的食品销售量预测值。详细计算过程见表9.15。
从图9.9中可以明显看出，从原始食品销售量数据中剔除季节成分后的序列具有明显的线性趋势，直线的拟合程度非常好。因此，可考虑用一元线性模型来分析和预测食品销售量。
【例9.15】 根据例9.14某食品加工厂2011—2015年的各季度的销售量，试分析2011—2015年各季度销售量中的趋势因素，并结合例9.14中计算的季节指数来预测2011—2015年各季度的食品销售量，以及2016年各季度的食品销售量。
【解】 分析趋势因素的步骤如下：首先根据分离季节性因素的序列确定线性趋势方程；接着根据趋势方程计算各期趋势值；然后就可根据趋势方程进行预测了。该预测值不含季节性因素，即是在没有季节因素影响情况下的预测值；如果要求出含有季节性因素的销售量的预测值，则将上面的预测值乘以相应的季节指数即可。
根据分离季节因素后的序列和时间标号做一元线性回归。根据最小二乘法，可求出估计的一元线性回归即趋势方程为：(www.xing528.com)
Y＾t＝829.5453－6.03708t
根据上述的趋势方程将回归预测值乘以相应的季节指数即可得2011—2015各季度的食品销售量预测值。详细计算过程见表9.15。
表9.15 食品销售量的预测值
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
