Global ETD Search

1	連續性ARIMA轉移函數與季節性ARIMA轉移函數之運用及其整合 / Application and Integration of Consecutive ARIMA Transfer and Seasonal ARIMA Trnasfer Function 謝淑如, Hsieh, shu ju Unknown Date (has links) 為因應預測目的不同，有時需要各種預測水平{\rm (forecast horizon)} ，例如，月預測可供進料、生產、補貨及倉儲之參考，年預測則可作為產能規畫、產品線規畫、投資決策等之準則。然而，預測結構卻會因水平的不同而彼此相異，以致產生諸多預測值的矛盾。有鑑於此，本研究主要以一簡單且具理論基礎的整合{\rm intergration)} 過程，解決預測值互相矛盾的問題。由於年資料通常屬於連續性模式，月資料則多為季節性模式，兩者透過的轉移函數形態截然不同，而且在解釋變數的選取上更是迥異，因此，需要經由加權平均的整合，才能使月預測值的加總等於年預測值。至於權數的決定則以離散程度為準則，由於年資料為月資料的加總，兩者均值相差甚多，故以變異係數為測量離散情形的標準。本研究主要乃遵循{\rm Box-Jenkins} 的模式建立法則，構建連續性轉移函數模式及季節性、轉移函數模式，並加以整合調整。在實證分析中以台灣啤酒銷售量為例說明預測流程，年銷量預測方面以國民所得為解釋變數; 月銷量預測方面則以氣溫為解釋變數，最後以加權平均將兩者整合調整。轉移函數時間序列連續性季節性整合 Transfer function Time series Consecutive Seasonal Integrate
2	轉移函數模型在旅遊需求預測上的應用-以澳門為例 / Forecasting demand for tourism using a transfer function model - A case for Macau 張家瑋, Chang, Chia Wei Unknown Date (has links) 近數十年來旅遊業不斷茁壯並走向多元化，在一國經濟中常扮演著舉足輕重地位。澳門為一小型開放經濟體，旅遊業是其產業龍頭及重點發展目標，對整體經濟發展至關重要。然回顧過去文獻少有考慮季節性與突發事件干擾的前提下，針對亞太地區的旅遊需求研究，加以預測方法多為單獨使用因果分析法或時間序列法。本研究在考慮該二種因素，先利用片段線性模型刻畫結構轉變的發生，再進一步結合時間序列分析法建構轉移函數模型。基於平均絕對比率誤差與均方差平方根的評比，轉移函數模型在預測澳門旅遊需求能力上確實有著較優異的表現。實證研究結果可供澳門旅遊相關業者規劃投資、觀光行銷企劃及政府單位採行總體政策參考。轉移函數模型旅遊需求預測澳門 transfer function model tourism demand forecast Macau

Search results

連續性ARIMA轉移函數與季節性ARIMA轉移函數之運用及其整合 / Application and Integration of Consecutive ARIMA Transfer and Seasonal ARIMA Trnasfer Function

轉移函數模型在旅遊需求預測上的應用-以澳門為例 / Forecasting demand for tourism using a transfer function model - A case for Macau