指數平滑法模型，分為季節性模型和非季節性模型。季節性模型只有在為活動資料集定義了週期時才可用。
本章只理論性地介紹這六種指數平滑法模型，讓學習者在論文的應用中有話可寫。
在具體實現中，SPSS會自動識別並給定一種最好的模型。
目錄
- 一、簡單指數平滑法
- 1.模型介紹
- 2.關於平滑係數𝛼的選取原則
- 二、線性趨勢模型(linear trend)
- 1.模型介紹
- 三、阻尼趨勢模型(Damped trend)
- 1.模型介紹
- 2.與線性模型的比較
- 四、簡單季節性(Simple seasonal)
- 1.模型介紹
- 五、溫特加法模型(Winters' additive)
- 1.模型介紹
- 六、溫特乘法模型(Winters' multiplicative)
- 1.模型介紹
- 2.與加法模型的比較
一、簡單指數平滑法
1.模型介紹
簡單指數平滑法的模型結構與其的名稱一樣，非常簡單，透過過去的數值來預測未來的數值，其中越接近現在的佔比越高。但其也有一個缺點：只能預測一個下面一個單位
2.關於平滑係數𝛼的選取原則
二、線性趨勢模型(linear trend)
1.模型介紹
三、阻尼趨勢模型(Damped trend)
1.模型介紹
經驗表明，Holt的線性趨勢模型傾向於對未來預測值過高，特別是對於長期預測。Gardner 和 McKenzie (1985)在霍特的模型基礎上引入了一種阻尼效應，用來緩解較高的線性趨勢。
2.與線性模型的比較
可以看到，線性模型有預測值過高的情況。事實上，很多數值並不是一味地增大，比如GDP和人口，增長到一定數值後會趨於平緩
四、簡單季節性(Simple seasonal)
1.模型介紹
五、溫特加法模型(Winters' additive)
1.模型介紹
六、溫特乘法模型(Winters' multiplicative)
1.模型介紹
2.與加法模型的比較
可以看到，乘法模型比加法模型的預測的跨度大。這是因為乘法模型可以識別出不穩定的季節成分。如果你認為季節成分是穩定的，那麼可以用加法模型
