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。
|