爲了方便各位正在複習諮詢工程師考試的考生查找《方法實務》部分的資料，本站小編爲大家帶來的關於因果分析法和延伸預測法的內容，歡迎大家閱讀參考，更多內容請關注應屆畢業生網!
因果分析法
因果預測：通過尋找變量間因果關係，分析自變量對因變量的影響程度。適用於存在關聯關係的數據預測。
1、迴歸分析法：數理統計方法，建立自變量與相關隨機變量的迴歸分析模型，預測隨機變量的未來值。按分析中自變量個數分一元迴歸、多元迴歸;按自變量與因變量關係分線性迴歸、非線性迴歸。
2、彈性係數法：通過計算2變量相對變化彈性關係預測，衡量某變量的改變所引起的另1變量的相對變化。
3、消費係數法：對某產品的消費者分析，認識和掌握消費者與產品的數量關係。
一、一元線性迴歸
——條件：預測對象與主要影響因素間存在線性關係
三、非線性迴歸 —— 前提：如非線性關係可通過取對數變成線性關係
1、y = e a + bx 對數模型 ln y = a + bx
2、y = ab x 對數模型 lg y = lg a + x*lg b 用最小二乘法對模型估計，計算A、B;求出置信區間;修正
四、彈性係數分析
優點：計算方便、成本低、需要數據少、靈活廣泛;缺點：局部性、片面性、粗糙
(一)收入彈性 = 購買量變化率/收入變化率 =(ΔQ/Q)/(ΔI / I) —— 商品價格保持不變
(二)價格彈性 = 購買量變化例/價格變化例 =(ΔQ/Q)/(ΔP/ P) —— 收入水平保持不變
(三)能源需求彈性：反映包括社會總產值、國內生產總值、工農業總產值、國民收入、主要產品產量
能源的國內生產總值彈性 = 能源消費量變化比例 / 國內生產總值變化比例 =(ΔE/E)/(ΔGDP/GDP)
五、消費係數法
步驟：①分析產品所有消費部門或行業現存和潛在市場;②分析產品在各部門或行業消費量與各行業產品產量，確定消費係數;③確定各行業規劃產量，預測消費需求量;④彙總。
延伸預測法
延伸性預測：根據市場各種變量的歷史數據的變化規律，對未來預測。
適用於有時間序列關係的數據預測
條件：①預測變量的過去、現在和將來的客觀條件基本保持不變;②預測變量的發展過程漸變。
一、簡單移動平均法： Ft+1 = 1/n Σx i 屬於平滑技術，變化趨勢較原始數據變化幅度小
適用於短期預測，以月或周爲單位的近期預測;對原始數據預處理
n值越小，表明對近期觀測值預測的作用越重視，預測值對數據變化的反應速度也越快，但預測的修勻程度較低，估計值的精度也可能降低。反之n值越大，預測值的修勻程度越高，但對數據變化的反映程度較慢。因此，n值的選擇無法二者兼顧，應視具體情況而定。一般3—200，視序列長度和預測目標情況而定。
二、指數平滑法：指數加權平均法，實際是加權的移動平均法，它是選取各時期權重數值爲遞減指數的均值方法。通過某種平均方式，消除歷史統計序列中的隨機波動，找出其中主要的發展趨勢。
一次指數平滑 Ft =αx i +(1-α)Ft-1 ——適用於市場觀測呈水平波動，無明顯升降趨勢的預測
這種方法與簡單移動平均法相似，兩者之間的區別在於：簡單指數平滑法對先前預測結果的'誤差進行了修正，因此這種方法和簡單移動平均法一樣，都能夠提供簡單適時的預測。
以本期指數平滑值作爲下期的觀測值。α是前一觀測值和當前觀測值之間的權重。大的α導致較小的平滑效果，較小則產生客觀的平滑效果，α接近0，新預測值只包含較小的誤差修正因素。
觀測值穩定水平發展，α取0.1—0.3;波動較大，取0.3—0.5;波動很大，取0.5—0.8
初始值F0實質是序列起始點前歷史數據的加權平均值。當時間序列數>20，F0=X1;<20，取前3—5平均值。
三、成長曲線模型：反應時間序列呈S型增長曲線 Yt = e(k +abt) 取對數 ln Yt = k+ abt
四、季節變動分析
季節變動按照數據的時間序列，有升降趨勢和水平趨勢，包括季節指數趨勢法和季節指數水平法兩種。
(一)季節指數水平法 Yt = Y*f t Y—前1個月或所有月的平均水平，f t—季節指數
適用於無明顯升降趨勢，主要受季節變動和不規則變動影響的時間序列，一般需3—5月/季的歷史數據
程序：①數據分析，形成數據序列;②計算各年同月平均值Yi;③計算所有月平均值Y;④計算各月季節比率f t =Yi/Y;⑤計算預期趨勢值一般採用最近年份平均值Yt -1;⑥計算預測年各月預測值= Yt -1 f t
(二)季節指數趨勢法 Yt =(a + bt)f t ——適用於存在季節變動，各年(或同月)呈升降趨勢
