需求。此时，可以通过添加趋势修正值，可以在一定程度上改进指数平滑预测结果。改进趋势需两个平滑常数，除了α外，趋势方程中还用到了平滑常数δ。δ值减弱了出现在实际需求与预测值之间的误差的影响。计算趋势性预测（FIT）的预测方程为：FITFTtttFFITαAFITtt1t1t1TTαδAFITtt1t1t1F、T第t期的指数平滑预测值及平滑趋势ttFIT第t期的趋势性预测值t指数平滑法2001221
指数平滑中的趋势性预测实例及α值的选择：假使t1时：趋势为10单位，实际需求量为A115，而预测值t等于F100，试预测下期需求量。t解：将初始预测值与趋势相加得到：FITFT10010110t1t1t1F11002×115110110tT1002×03×115110103tFITFT1101031213ttt若实际需求稳定，则选用的α较小，若实际需求增减较大，则选用的α较大；如果能预知该选多大的α最为理想不过，但是，要确定最符合实际需求的α需要一些时间，这在执行或修改时颇为麻烦，另外，由于需求在变，所以本周期用的α可能在不久的将来就需修改指数平滑法2001221
f（4）线性回归分析法（因果分析法）定义：两个或两个以上相关变量之间的函数关系。线性关系是指变量呈严格直线关系的一种特殊回归形式。：对主要事件或综合计划的长期预测很有用优点：假设历史数据和未来预测值都在一条直线上。局限性：时间序列预测和因果预测中都用线性回归。用处：手拟回归直线、最小二乘分析和模型分解。例子2001221线性回归分析法
最小二乘法基本思想是试图使各数据点与回归直线上的相应点间的垂直距离平方和最小手拟趋势线是根据图中确定截距a和斜率b，而最小二乘法求解的公式为：y设为实测值，yabx为公式值，则为误差，令δyyδyy根据最小二乘法，则：iii22mi
Qmi
δmi
abx∑∑ii11令：QQ0，0ab∧∧得：
yxyx∑∑∑iiiib22
xx∑∑iiaybx最小二乘法2001221
y1δ1y1最小二乘法2001221
例：某公司某产品过去3年12季度的销售量如下表所示，该企业希望预测第4季度的销售情况：季度销售量季度销售量
72600160215508290031550938004150010450052400114000631001249002001221线性回归分析法
根据最小二乘回归的思想，可以计算出上例中a和b的值，最终得b3596，a4416，这表明x每变化1单位，y改变3596单位。严格按上述方程计算，可以可以推广到后一年的四个季度，下面的结果分别对应第1，2，3，4季度：y442360×13512213y442360×14548214y442360×15584215y442360×16620216最小r