趨勢外推法檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

趨勢外推法是中國的一個專有名詞術語。

漢字是世界上獨一無二的方塊字，是世界上最典雅、最俊美的文字。四角方方，大氣承當。四平八穩，神州永昌。她講究字體的間架結構，平衡布局。也講求字形的沉穩厚重，大氣端莊。橫要平豎則直，切不可頭重腳輕根底輕飄。

名詞解釋

趨勢外推法（Trend extrapolation）是根據過去和現在的發展趨勢推斷未來的一類方法的總稱，用於科技、經濟和社會發展的預測，是情報研究法體系的重要部分。

趨勢外推的基本假設是未來系過去和現在連續發展的結果。

趨勢外推法的基本理論是：決定事物過去發展的因素，在很大程度上也決定該事物未來的發展，其變化，不會太大；事物發展過程一般都是漸進式的變化，而不是跳躍式的變化掌握事物的發展規律，依據這種規律推導，就可以預測出它的未來趨勢和狀態。

趨勢外推法首先由R.賴恩（Rhyne）用於科技預測。他認為，應用趨勢外推法進行預測，主要包括以下6個步驟：

（1）選擇預測參數；

（2）收集必要的數據；

（3）擬合曲線；

（4）趨勢外推；

（5）預測說明；

（6）研究預測結果在制訂規劃和決策中的應用。

趨勢外推法是在對研究對象過去和現在的發展作了全面分析之後，利用某種模型描述某一參數的變化規律，然後以此規律進行外推。

趨勢外推法的種類

一、直線趨勢延伸法

預測目標的時間序列資料逐期增（減）量大體相等時，長期趨勢即基本呈現線性趨勢，便可選用直線趨勢延伸法進行預測。

遇到時間序列大多數數據點變化呈現線性，個別點有異常現象時，經過質數分析，可以在作數據處理（刪除或作調整）後再找線性趨勢直線進行預測。

直線趨勢延伸法與平滑技術（二次移動平均法和二次指數平滑法）同樣是遵循事物發展連續原則，以預測目標時間序列資料呈現有單位時間增（減）量大體相同的長期趨勢變動為適用條件的。

它們之間的區別為：

（1）預測模型的參數計算方法不同。直線趨勢延伸法模型參數靠最小二乘法數學推導；平滑技術主要靠經驗判斷決定或。

（2）線性預測模型中的時間變量的取值不同。直線趨勢延伸法中時間變量取值決定於未來時間在時間序列中的時序；平滑技術模型中的時間變量的取值決定於未來時間相距建模時點的時間周期數。

（3）模型適應市場的靈活性不同。直線趨勢延伸預測模型參數對時間序列資料一律同等看待，在擬合中消除了季節、不規則、循環三類變動因子的影響，反映時間序列資料長期趨勢的平均變動水平；平滑技術預測模型參數對時間序列資料則採用重近輕遠原則，在擬合中能較靈敏地反映市場變動的總體水平。

（4）隨時間推進，建模參數計算的簡便性不同。隨着時間推進，時間序列資料增加，直線趨勢延伸預測模型參數要重新計算，且與前面預測時點的參數計算無關；平滑技術模型參數同樣要重新計算，但與前面預測時點的參數計算是有關係的。

二、曲線趨勢法

市場商品的需求與供應，由於受到政策性因素、消費者心理因素、季節性因素等多種因素的影響，其變動趨勢並非都是一條直線狀態，有時會呈現出不同形狀的曲線變動趨勢。在這種情形下，就需要用曲線方程式求得曲線趨勢變動線，然後加以延伸，確定預測值。

由於影響市場的因素很多，使得曲線方程式多種多樣，主要有二次曲線法、三次曲線法、戈珀茲曲線法和指數曲線法。

三、簡單的函數模型

為了擬合數據點，實際中最常用的是一些比較簡單的函數模型，如線性模型、指數曲線、生長曲線、包絡曲線等。

線性外推法

線性趨勢外推法是最簡單的外推法。這種方法可用來研究隨時間按恆定增長率變化的事物。在以時間為橫坐標的坐標圖中，事物的變化接近一條直線。根據這條直線，可以推斷事物未來的變化。

應用線性外推法，首先是收集研究對象的動態數列，然後畫數據點分布圖，如果散點構成的曲線非常近似於直線，則可按直線規律外推。

指數曲線法

指數曲線法（Fxponential curve）是一種重要的趨勢外推法。當描述某一客觀事物的指標或參數在散點圖上的數據點構成指數曲線或近似指數曲線時，表明該事物的發展是按指數規律或近似指數規律變化。如果在預測期限內，有理由說明該事物仍將按此規律發展，則可按指數曲線外推。

許多研究結果表明，技術發展，有時包括社會發展，其定量特性往往表現為按指數規律或近似指數規律增長，一種技術的發展通常要經過發生、發展和成熟3個階段。在技術發展進入階段之前，有一個高速發展時期。一般地說，在這個時期內，很多技術特性的發展是符合指數增長規律的。例如，運輸工具的速度、發動機效率、電站容量、計算機的存貯容量 和運算速度等，其發展規律均表現為指數增長趨勢。

對於處在發生和發展階段的技術，指數曲線法是一種重要的預測方法，一次指數曲線因與這個階段的發展趨勢相適應，所以比較適合處於發生和發展階段技術的預測，一次指數曲線也可用於經濟預測，因為它與許多經濟現象的發展過程相適應，二次指數曲線和修正指數曲線則主要用於經濟方面的預測。

生長曲線法

生長曲線模型（Growth curve models）可以描述事物發生、發展和成熟的全過程，是情報研究中常用的一種方法。

生物群體的生長，例如人口的增加、細胞的繁瑣，開始幾乎都是按指數函數的規律增長的。在達到一定的生物密度以後，由於自身和環境的制約作用，逐漸趨於一穩定狀態。通過對技術發展過程的研究，發現也具有類似的規律。由於技術性能的提高與生物群體的生長存在着這種非嚴謹的類似，因而可用生長曲線模擬技術的發展過程。

生長曲線法幾乎可用來研究每個技術領域的發展，它不僅可以描述技術發展的基本傾向，而更重要的是，它可以說明一項技術的增長由高速發展變為緩慢發展的轉折時期，為規劃決策確定開發新技術的恰當時機提供依據。

有些經濟現象也符合或近似生長曲線的變化規律，因而它也完全可以用來研究經濟領域的問題。