基于Winters乘法模型的中國郵政包件數預測分析*

□ 焦國柱,呂善緒,郭姍姍,薛 潔

(菏澤學院 商學院,山東 菏澤 274000)

郵政業務量即郵政業務的產品量，是反映郵政部門為社會所提供的郵政服務的數量指標。郵政業務可分為：函件、包件、匯兌、報刊發行、速遞、郵政儲蓄、集郵等業務。每種郵政業務的開展都是為了滿足特定的社會需求，代表了特定的消費傾向，具有各自的業務特色。影響郵政業務量的因素很多，有些因素對所有業務都有影響，有些因素只對某種業務有影響[1]。中國郵政包件數是整個郵政業務量的重要組成部分，影響其發展有很多因素，特別是外部競爭因素及內部條件因素，近幾年來，郵政業務的包件數呈現趨勢下降的趨勢，2016年包件數為2793.7萬件，同比下降9.8%；2017年包件數為2658.1萬件，同比下降4.8%；2018年包件數為2407.2萬件，同比下降15.6%。就郵政部門的有關部門來說，掌握郵政包件數未來的數量進而對本部門未來的決策有著重要意義。預測未來包件數的方法有很多，預測出來的結果也有差異，本文將對未來2019年每個月的郵政包件數進行預測，為此選用了Winter乘法模型，實行預測。

1 理論背景

Winters季節性與趨勢性指數平滑法是P.R.Winters于上世紀60年代提出的一種較高級的平滑預測方法，它適合于非線性較弱的趨勢性變動和季節性波動兩者都有的時間序列預測問題。在時間序列預測的諸多方法中，相比于其他方法，其優點主要體現在以下三個方面：首先，由于它的預測原理比較易懂、方法比較簡便易行因而較容易被使用者所接受；其次，該方法的數據利用率比“按季節分解”等預測方法要高得多，方法的設計比較合理，因此精度也較高；再次，這種預測方法本身承認了各季節的季節性指數I(t)具有趨勢性變動，因此它能適合許多實際時間序列各季節的季節性指數呈趨勢性變動的情況[2]。其定義如下：

Ft+m=(St+bt+m)It-L+m

(1)

St=αYtIt-L+(1-α)(St-1+bt-1)

(2)

bt=β(St-ST-1)+(1-β)bt-1

(3)

It=γYtSt+(1-γ)It-L

(4)

其中，L為季節長度，I為季節調整因子，m為超前預測期，α、β、γ(范圍在0～1之間)為平滑指數。

2 數據來源

本文的數據均來源于國家統計局，其中選取了自2012年1月至2018年共計84個數據，其具體數據見表1所示：

表1 2012年1月—2018年12月郵政業務量包件數 (萬件)

數據來源：中華人民共和國國家統計局國家數據郵政業務總量

創建時間序列圖并進行直觀分析，見圖1所示：

圖1 2012年1月至2018年12月中國郵政包件數波動示意

由圖1可以看出，2012年1月至2018年12月期間中國郵政包件數呈現趨勢性波動下降的現象，同時在下降過程伴隨有季節性波動，每年在冬季前后呈現波峰。這是因為每年冬季商家大量清理庫存使得商品價格降低，進而商品數量上升，引起包件數上升。因此包件數有顯著的季節特征。包件數隨著季度變化既有季節性又有趨勢性，符合winters模型的適用條件。

3 數據分析

3.1 模型統計量分析

應用spss軟件，對數據進行預測分析建立時間預測模型，得到模型統計量如表2、表3所示：

表2 2012年1月-2018年12月winters擬合統計量及均值

由表2可知，平穩的R方表示輸出平穩的R方統計量，該統計量應用于固定成分與簡單均值模型的差別。平穩的R方為0.829，表示該winters乘法模型優于簡單的均值模型。R方表示該統計量用于表示所能解釋的數據變異占總變異的比例。R方為0.949，該數據越大表示結果越佳，該變異模型中可以解釋的部分約為95%。平均絕對百分誤差MAPE表示輸出絕對誤差百分比統計量，MAPE為7.118%小于10%，表明誤差可接受。正態化的BIC(L)為7.617、顯著性為0.001小于0.005表示不拒絕假設，通過檢驗。

3.2 殘差序列自相關和偏自相關分析

圖2 擬合后的自相關函數及偏自相關函數圖

由圖2可知，殘差自相關函數表示輸出模型的殘差自相關函數及其置信區間，殘差偏自相關函數表示輸出模型的殘差序列的偏自相關函數及其置信區間。由圖可見，殘差ACF與殘差PACF絕大多數落入-0.95～0.95的置信區間內，說明序列為白噪聲序列，也就是說選擇該模型合適。

4 數據預測結果及比較分析

根據數據建立winters乘法模型，得到預測結果如圖3、表3所示：

圖3 2019年中國郵政業務量包件數各月份預測結果

表3 2019年中國郵政業務量包件數各月份預測結果

對預測得到的結果與2019年1月至6月份實際值進行比較如表4所示：

表4 2019年1月至6月實際值與預測值比較

由表4可以看出，誤差絕對值最大發生在1月份，誤差為15.3%；誤差絕對值最小發生在2月份，為6.1%。前六個月平均誤差絕對值為10.6%，預測結果較為可靠。

5 結束語

本文采用了winters乘法模型，對中國郵政業務量的重要構成部分中國郵政包件數進行了預測，相對于其他預測方法而言，winters乘法模型既考慮了包件數的長期趨勢同時兼而有之的考慮了季節性波動，能較為有效的規避隨機性影響，將預測結果基本控制在10%以內，對此種預測方法來說，是比較成功的。但是，該預測模型只是立足于過去的歷史郵政業務包件數，發掘過去幾年潛在的發展趨勢及動態，對未來發展趨勢無法了解。而且郵政業務包件數月度數量多少不僅受到自己本身條件的限制、競爭對手的限制；更受到宏觀環境下經濟因素、政治因素、文化因素、社會人文因素等影響，因此有個別月份預測精度較低，預測浮動較大。對于郵政包件數的管理者來說，管理者可以根據包件數變化的預測趨勢，更好安排人員、設備忙閑時間，以降低成本。隨著時間的不斷推移，未來會有各種各樣的因素參與到預測中來，影響預測水平，因此，對于winters乘法模型的完善還會有進一步的探索。