제 11 장 서비스 수요 예측

Forecasting Models 주관적 모형(Subjective Models) -델파이 기법(Delphi Methods) -상호영향분석(Cross-impact analysis) -역사적 유추법(Historical analogy) 인과형 모형(Causal Models) -회귀모형(Regression Models) -계량경제모형(Econometric) 시계열 모형(Time Series Models) -이동평균모형(Moving Averages) -지수평활모형(Exponential Smoothing) -추세분석법(Trand analysis

Delphi Method Developed at the Rand Corporation by Olaf Helmer Based on Expert Opinion Questioned on a seven-point Likert Scale (리커트 7점 척도, from “strongly agree” to “strongly disagree” ) 첫 번째 응답 결과를 제시하고, 수정 용의 질의 두 번째 시행의 피드 백을 제시하고, 다시 질문 Expensive and Time-consuming Method

단순 이동 평균법 (Simple Moving Average) 예측 모형 이용 가능한 과거 데이터군 중 최근 n 개의 자료에 대한 평균으로 미래 다음 기간에 대한 예측값으로 설정하는 방법

가중 이동 평균법 (Weighted Moving Average) 의 미 단순 이동평균법의 한계 극복 예 측 모 형 과거 n개의 데이터 각각에 대해 서로 다른 가중치를 부여  

가중 이동 평균법 (Weighted Moving Average) 예 측 모 형 wi ~ (i=1,…..,n) 각각은 0보다 크거나 같고 1보다 작거나 같으며, 모든 가중치들의 합이 1이 되는 실수 값으로 설정 만약 모든 가중치의 값이 1/n로 주어지면 이는 단순 이동평균 법임

지수 평활법 (Exponential Smoothing) 의 미 과거 데이터에 대해 가중치를 부여한다는 점에서 가중 이동 평균법과 유사 최근의 데이터일수록 미래 발생할 데이터 실현값에 미치는 영향력이 크다고 보고 최근 데이터에 가중치를 높게 부여해야 한다는 개념에 기반

지수 평활법 (Exponential Smoothing) 예 측 모 형 갑을 폰 (주) 예제에 대해 alpha=0.1 와 alpha=0.9 경우에 대한 예측결과

추세 변화가 있는 시계열 예측 방법 추세란? 예 제 : 3, 6, 9, 12, 15, 18, 21, 24, 27에서 시계열 데이터가 상향 또는 하향방향으로 중장기적으로 변화하고 있는 형태를 의미한다. 예 제 : 3, 6, 9, 12, 15, 18, 21, 24, 27에서 다음기간의 예측값은? 단순이동이나 이동평균을 사용한 경우의 문제점은?

홀트 (Holt)의 예측방법 예 측 모 형 Lt : 현재시점 t의 시계열 데이터의 수준 (level) Tt : 현재시점 t의 단위 기간 당 추세 변화율에 대한 기대 추정치

계절적 요인 변화가 있는 시계열 예측 방법 계절적 요인 변화란? 공기 청정기 판매량 예에서, 2 번째 분기에는 판매량이 감소, 3분기 및 4분기에는 판매량이 증가 일정한 시간간격을 두고 특정 패턴이 반복되는 시계열 데이터 예) 아이스크림, 에어컨과 같은 계절용품

인과형 모형 ■ 인과형 모형 - 인과형모형에서는 수요를 종속변수로, 수요에 영향을 미치는 요인들을 독립변수로 놓고 양자의 관계를 여러 가지 모형으로 파악하여 수요를 예측 ■ 회귀분석(regression analysis) - 독립변수의 수 · 1개 → 단순회귀분석 · 2개 이상 → 다중회귀분석 - 종속변수와 독립변수의 관계 · 선형 → 선형회귀분석 · 비선형 → 비선형회귀분석 제8장 수요예측

(1) 단순선형회귀분석 ■ 회귀식 = a + bX = 종속변수(수요) Y의 추정치(즉, 회귀선상의 값) a = 축 절편(X=0일 때 의 값) b = 직선의 기울기 ■ a 와 b의 값 제8장 수요예측

■ 상관계수(correlation coefficient) - 종속변수인 수요 Y와 독립변수 X와의 직선적인 관계의 - 상관계수의 부호가 양(＋)이면 두 변수 X와 Y가 같은 방향 으로 변화；음(－)이면 X와 Y가 서로 반대방향으로 변화 - 상관계수 r을 구하는 공식 제8장 수요예측

■ 결정계수(coefficient of determination) - 상관계수 r의 제곱, 즉 r2을 결정계수라 함. - 결정계수는 종속변수 Y의 총변동 중 독립변수 X에 의해 설명된 변동의 비율을 나타냄. ■ 예 - 화물차들의 총운행거리와 타이어 사용량 월(i) 타이어 사용량 총운행거리 (단위：만 ㎞) 1 2 3 4 5 6 10 15 12 8 9 18 24 32 27 20 43

- 회귀선의 추정을 위한 계산 - a와 b의 값 회귀방정식 = 0.79+0.41X i Xi Yi XiYi Xi2 Yi2 1 2 3 4 5 6 24 32 27 18 20 43 10 15 12 8 9 240 480 324 144 180 774 576 1,024 729 400 1,849 100 225 64 81 합 계 164 72 2,142 4,902 938 - a와 b의 값 회귀방정식 = 0.79+0.41X 제8장 수요예측

다음 달의 총 운행거리를 35만km로 추정하고 있다면 타이어의 수요는 다음과 같이 예측됨. = 0.79+0.41(35) = 0.79+0.41(35) = 15.14(약 15개) - 총 운행거리와 타이어 사용량과의 선형상관관계의 정도를 나타내는 상관계수 r의 계산 - 총 운행거리와 타이어 사용량은 아주 강한 양(＋)의 선형 상관관계를 가지며, r2=0.98이므로 타이어 사용량의 변동의 98％가 총 운행거리에 의해 설명되었음. 제8장 수요예측

정확도 측정 정확도 측정이란? 예측값과 실제값과의 “차이”를 정량화하기 위한 척도(measure) - 평균절대편차(MAD:Mean Absolute Deviation) - 평균제곱예측오차 (MSE : Mean Square forecast Error):