回首頁 　

　　　第二章　　預測的統計基礎

　　　第三章　　簡單線性迴歸分析

　　第二部份　單變數法
　　　第四章　　簡單平滑方法

　　　第五章　　分解法和季節指數

　　　第六章　　趨勢－季節性和H-W平滑法

　　第三部份　單變數ARIMA法
　　　第七章　　單變數ARIMA法

　　　第八章　　ARIMA應用

　　　第九章　　ARIMA預測區間

　　第四部份　多變數／因果法
　　　第十章　　時間數列的多元迴歸

　　　第十一章　經濟計量法（經濟預測法）

　　　第十二章　ARIMA干涉分析

　　　第十三章　多變數ARIMA移轉函數
　
　　第五部份　循環，定性法和人工智慧法
　　　第十四章　循環預測法

　　　第十五章　科技和定性預測法：長期預測

　　　第十六章　類神經網路、專家系統和遺傳演算式

　　第六部份　組合、確認和管理課程
　　　第十七章　控制、確認和組合方法

　　　第十八章　方法特色、精確性和資料來源

TOP

序　言
　　今天的電腦分析工具和系統，提供使用者非常有效率的預測技術。技術和資訊持續革新的挑戰，提供了令分析者和管理人員驚喜的機會，對他們的組織做出卓越的貢獻。
　　我們可以根據較佳的預測以做出更好的計畫，來補捉這些機會。本書是關於更好的預測方法和過程；它是有關將過去、目前和未來的資訊，儘可能地加以模式化，以做出更有效率的計畫。這個目標可適用於所有組織，不論它是公立或私人的、營利或非營利的、產品或服務導向的機構。它對合併市場經濟體和全球化競爭廠商尤其重要。這個預測的挑戰並不容易完成，但是若我們要使個人或群體興盛，則這是必要的努力。

目　的
　　本書的目的是以學生和研究人員可以了解的方式來展現預測原則和應用。在本書中所展示的預測方法是成功的零售店、批發商、製造商和許多服務組織，例如醫療照顧、公共事業、政府部門、大學、金融機構、研究機構等和地方的分析師和管理者所使用。如同本書所描述的，預測的原則和應用視所預測的是短期、中期或長期而有所不同。短期方法比長期方法，例如多重迴歸、經濟計量和多變數Bo-Jenkins，較容易了解和應用；不過，我們的目的是在強調它們的優點和限制之外，更讓所有人都能了解這些複雜的方法。

　　我們試著讓這本書儘可能的包羅廣泛和確實，同時也讓所有願意研讀它的人能夠了解。使用明白簡潔和具激勵的寫作風格及設計，讓讀者能更深入和了解；而此風格提供了以讓讀者感趣的主題來表達的預測形式。為了達成此任務，本書有數種重要的特性：
　　包羅廣泛(comprehensiveness)。本書所展示的統計預測法比其它書多。本書中所展示許多人認為難以理解的預測方法，包括多變數ARIMA(multivariate ARIMA)、ARIMA插入(ARIMA intervention)、經濟計量法(econometric methods)、和類神經網路(neural networks)。是我們的經驗是，當學生正確地研讀教材時，會比他人更容易學會這些方法。本書包括了有效率的教學材料，例如更多的圖形說明、解題範例、習題和個案。

　　刺激動機之教材(motivational material)。經由過去成功和不成功的預測之例和預測的鎖事、歷史及應用，作為提供有趣和激發動機的資訊。我們希望這些增加的資訊和傳說能刺激讀者的好奇心。
　　漸增的統計複雜(evolving statistical sophistication)。本書中數學和統計之難易是由基本至中等程度。本書前面章節（第I和II部份）是介紹部份，讀者可以很容易地了解教材。而讀者必須研讀過先前的章節或有類似的先修課程，才能進入更高階的章節。
　　時間序列資料庫(time series database)。在所附的磁片中約250個真實的時間序列，而許多是已在本書中分析過的。這個資料庫包含在本書和問題組中所用的時間序列之ASCII檔。此外，幾乎所有習題都使用這個磁片中的資料；對於大部份的問題，我們建議學生要有擴展頁或統計套裝軟體，來做為解題工具。
　　持續的小型個案(continuing minicases)。每章都有10個小個案，以一〝整合〞形式來描述實際的時間序列應用。這些小個案持續在本書中出現，且會將各章之間的各種方法之知識串連在一起，因我們希望學生能對各種預測方法有更好、更整體的了解。此外，這些個案和其它重要的習題是用第4章結束時介紹的Master預測歸納表格聯繫在一起。

TOP

　　預測過程(forecasting process)。在本書中強調預測過程。這開始於第一章，並持續以參考Master預測歸納表(MFST)的方式，出現在本書中。
此表以強調不同方法的有效性，優點和缺點，對預測過程提供了全面的觀點。完成此表後，與Makridakis等人過去的預測研究（例如M一競爭）之所得大致相同。此表迫使預測者以實際的設計，去衡樣本內外預測的精確性，且如此做便能更了解預測的原則和應用。
　　理論的基礎(theoretical underpinnings)。有些章節有技術性的推導和理論介紹的附錄。這些章節可以給有不同統計背景的學生使用，且它的設計是想讓本書可做為由基礎轉至進階課程的使用。用統計預測方法來謀生的學生（就是主管或分析師），雖然可能會跳過一些介紹的課程，但會想要更熟悉這些附錄。
　　電腦軟體支援(computer software support)。我們並未在本書中限於使用特定的電腦軟體，因為如此做的話會降低它做為預測概念和模式之來源的價值。有許多〞極佳〞的套裝軟體可使用，數量達到無法將其整合成一本書的程度。
　　擴展頁支援(spreadsheet support)。現代的擴展頁，為學習和應用預測模式的學生，提供了不尋常的機會。為了支持此種活動，我們發展出包含本書中的一些技術和表格的35種樣版。有一些較複雜的方法無法很容易地以擴展頁展現，因此並未包含所有的表格。所附磁片中的樣版使用WK1格式。
　　課堂測試(classroom tested)。本書中的教材已由作者在課常上測試過，使其成為可教授的書，將會讓老師和學生免於回答許多基本的問題。我們希望本書能刺激學生詢問更富思考性和進階的問題。
　　連接Internet(the internet connection)。在今天幾近瞬間的資訊傳播，而Internet代表了資訊的重要來源。出版人和作者都有支持本書的網站；出版人的網址(http://www.mhhe.com)是本書主要的支援材料。輔助的資訊來源是作者的網址；而此網站在出版人網址之下。這些網址讓本書之使用，成為可以刺激學生學習興趣和表現的動態過程。

TOP

使用本書
　　本書分為六個主要的部份
　Ⅰ預測基礎(foundations of forecasting)。（第1至3章）導論、統計、和迴歸分析。
　Ⅱ單變數方法(univariate methods)。（第4至6章）簡單平滑術、指數平滑術。分解、Holt-Winters，和傅立葉序列分析。
　Ⅲ單變數ARIMA法(univariate ARIMA Methods)。（第7至9章）ARIMA基礎、應用，和ARIMA預測／估計。
　Ⅳ多變數預測法(multivariate forecasting methods)。（第10至13章）多重迴歸、經濟計量學、MSRIMAI（干預分析
），和MARIMA II（轉換函數）
　Ⅴ循環定性，和人工智慧法(cyclical, qualitative , and artificial intelligence methods)。（第14至16章），包括循環、科技和類神經網路預測法。
　Ⅵ確認定性、管理問題(validation, qualitative, managerial issues)。（17至18章）。組合、確認和控制、比較和選擇方法。

　　第Ⅰ部份（第1至3章）介紹預測的基本概念和原則，包括了統計學和簡單的線性迴歸。這個部份是本書其它部份的基礎，且是帶領學生進行統計模式化的重要部份。它介紹了自動相關和交叉相關的概念，使學生在本書其它部份可以使用。

　　第Ⅱ部份（第4至6章）介紹較簡單的單一變數預測方法，包括簡單平滑、指數平滑、分解，和傅立葉序列分析。通常，這些中至少有一些會涵蓋第Ⅲ部份。

　　第Ⅲ部份（7至9章）發展出句達ARIMA方法的表現型式，包括了那些需要更多統計展示的來源之附錄。在完成第Ⅰ部份後，學生應該都能了解這些推導。

　　第Ⅳ部份（10至13章）展示了多變數預測方法，包括進階迴歸／計量經濟法、插入法、和多變數ARIMA法。對本書所有部份而言，每個完成第Ⅰ部份和第Ⅲ部份MARIMA法的人，都能了解第Ⅲ部份；若想更了解預測方法的統計層面，就該包括這幾章附錄的研讀。

TOP

　　第Ⅴ部份（14至16章）展示多種重要的概念和方法。第14章展示了數種循環預測法，包括領先指標、循環指數，和壓力循環。第15章展示性量和科技預測法；在存在的客觀資料很少時，隨著全球競爭市場更需要使用長期的預測，使這些方法的重要性劇增。第16章展示了人工智慧領域的重要當代主題，特別是類神經網路。

　　第Ⅵ部份（17和18章及附錄A、B）展示了重要的預測方法和管理觀念。這些可以在任何時間介紹，如在課程開始時或做為歸納。第17章發展了應用於所有預測法的控制、組合和確認法；18章複習預測之特性和精確性研究。附錄A列出了預測資料之來源，包括Internet在內；附錄B則展示了給門外漢的基本簡介和調整程序。這些附錄被設計成在各種期間都可展示，或為了讓學生可以獨立研究。

　　本書第6部份是要為大學至研究所課程，提供彈性和多種程次。若你只想了解單變數預測法，而不想進一步涉入更技術的多變數方法，則第Ⅰ、Ⅱ、Ⅲ部份和第Ⅴ和Ⅵ部份的一些章節，大約有15章，能提供這樣的課程；而那些要求有基本的單一變數／多變數課程的人，可以使用Ⅰ、Ⅱ部分，Ⅳ、Ⅴ和Ⅵ部份的一些章節；若想要更理論上的研讀，則選擇性的章節和其附錄應包括在內。這些基本組合建議如下：
單變數課程（11章和附錄A和B）：第1至6章，第14至18章。
單變數和多變數課程（13章和附錄A和B）：第1至6章，10、11、14、15、16、17和18章。
中等單一變數課程（14章）：第1至9章，14至18章，和所有附錄。
中等單一變數／多變數課程（18章）：第1至18章，和它們的附錄，並跳過一些基礎的章節。
　　本書也可以讓自修者及進行預測的（包括那些在行銷、金融、作業、管理、工程、社會、健康和生物科學人）人研讀和參考。

教師手冊和Internet支援教師解題手冊包括所有討論題、數量題，和出版者提供給老師使用的小個案的詳細解答；此外，這本手冊也有很多本書中以RATE和SAS形式寫成的程式和例子；此輔助教材將在作者網站中更新。此外，這個網站會提供給那些想要以電子出版其發展給本書使用的程式之教師；而可以經由Irwin/McGraw-Hill的網址http://www.mhhe.com到達作者的網址站

TOP

感　謝
　　這種規模的書不可能在沒有很多人的幫助下完成。我特別感謝我的〝作業管理預測系統〞的共同作者Carl D.Bhame，他是該書中所使用教材的美國軟體公司之副總裁。我感謝發展本書中的討論的理論、原則和方法的許多貢獻者。首先，我要表達對在UMKC修QA545預測理論和應用的研究生之謝意。他們以許多方式幫助發展此書，且他們要使用本書的底稿三年，這是非常重要和困難的工作。
　　支援這個課程的研究生包括：Tony Sukadil和Chinkee Chiew發展了可在網站中取得的Excel和Lotus擴展頁；Roseann Pakiz，幫助發展了包括在教師解題手冊中的一些SAS例題程式；Zhihua Li在核對底稿及教師手冊上給予幫助；許多其他幫助解答小個案的人，我則在教師手冊中感謝他們。

　　我感謝賓州州立大學的J. Keith Ord教授；而Angelo州立大學的Thomas Yokum，印度安那大學的Heejoon Kang資訊資源公司的Gregory Hudak芝加哥Loyola大學的Samuel Ramenofsky、邁阿密大學的Anne Koehler等人都審查過本書中的教材。
　　此外，高科技移轉團體的Randy Dixon審查過類神精網路的章節，且他的產品Neural Network Tutor對學習類神經網路而言是相當好的工具；UMKC的經濟系的教授Peter Eaton，在審查多重迴歸和計量經濟學章節時，有極大的貢獻；賓州州立大學的教授Haizhen Fu，對手稿的錯誤提供校對。我也感謝Syed Hussani博士的有用建議和對插入章節的審查。
　　
　　此外，第6、11和14章中的部份是根據過去和Dean Booth Art Williams和Briam Belt教授共同出版的文章，他們都是UMKC商學院的教授。此外，波西州立大學的S. Thomas Foster提供第3章的輸入。
　　這些人的洞察和建議，對作者而言是無價的。
　　我也要感謝數名任職於Irwin/McGraw-Hill的人，包括了總編Richard Hercher、發展編輯Gail Korosa，和計畫主管Lynne Basler。沒有他們的建議、耐心和了解，這些努力將永遠無法完成。

　　我也要感謝數名在UMKC直接或間接支援本書的人，包括了院長William B. Eddy、企業系系主任Leon Robertson，和George Pinches.H&R基金會的Henry W.Bloch及William T. Kemper基金會（對UMKC商學院獎學金活動）持續提供財務和精神上的支援。

　　特別感謝我的兄弟，即IBM公司的Louis J.DeLurgio，以及我的兒子Stephen和Patrick DeLurgio，他們提供了重要的電腦、工程和Internet專業知識。
　　最後，我的家人耐心地忍受因我承諾要完成本書所造成的壓力和干擾。我因他們的了解和許多犧牲而受惠良多。
Steve DeLurgio,Sr

TOP