销售量预测

# 1、作用

销售量预测基于 ARIMA 模型(样本量 ≤20)或 XGBoost 模型(样本量>20)，它能有效分析历史运营数据与未来销售量之间的关系，对企业产品的销量进行预测，是企业制定重大销售战略的重要支撑。

# 2、输入输出描述

输入： 1 个时间序列数据定量变量。
输出：未来几期的预测值。

# 3、案例示例

案例：现有某产品自 2020 年 1 月到 2022 年 12 月的销售量数据，以此来预测未来 7 期的销售量。

# 4、案例数据

# 5、案例操作

Step1：新建分析；
Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；

step4：选择【销售量预测】；
step5：查看对应的数据数据格式，【销售量预测】要求特征序列为 1 个定量变量。
step6：点击【开始分析】，完成全部操作。

# 6、输出结果分析

图表说明：右上角展示了预测的拟合优度 R 方为 0.86，模型拟合效果优秀。
蓝色线为真实值，即拖入的数据；绿色线为拟合值，即模型拟合出来的值。将真实值与拟合值进行比较计算，可以评估模型的拟合效果。
黄色线为未来 7 期的预测结果。

# 7、注意事项

• 销售量预测采取时间序列预测方法，以过往数据取预测未来数据。
  

# 8、模型理论

销售量预测基于 ARIMA 模型(样本量 ≤20)或 XGBoost 模型(样本量>20)。
（1）当样本量小于等于 20 时，数据量较少，不适合数据挖掘算法，采用 ARIMA-自动定参模型。
（2）当样本量大于 20 时，采用时序数据滑窗转化-XGBoost 模型：
时序数据滑窗转化会根据步阶将数据划分成自变量和因变量；
若是步阶=1，则是以前一期数据去预测后一期数据；
若是步阶=2，则是以前两期数据去预测后一期数据；
其中步阶设置根据样本量，系统自动选取步阶数。

# 9、参考文献

[1] Scientific Platform Serving for Statistics Professional 2021. SPSSPRO. (Version 1.0.11)[Online Application Software]. Retrieved from https://www.spsspro.com.