제 11 장 서비스 수요 예측.

Presentation on theme: "제 11 장 서비스 수요 예측."— Presentation transcript:

1 제 11 장 서비스 수요 예측

2 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

3 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

4 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

5 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

6 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

7 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

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

9 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?

10 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

11 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

12 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

13 (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

14 ■ 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

15 ■ 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

16 - 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 = X 제8장 수요예측

17 다음 달의 총 운행거리를 35만km로 추정하고 있다면 타이어의 수요는 다음과 같이 예측됨. = 0.79+0.41(35)
= (35) = (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

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