1. 预测方法的特殊性

　　预测方法对于预测模型而言，就是估计模型参数的方法。

　　预测相对于依存关系和发展趋势分析的特殊性就在于：在依存关系分析和发展趋势分析中，对于观察资料各期的数值，都以同等重要性来看待，第一项(期)数值和最后一项(期)数值，没有轻重高低之分，对于所要揭示的依存关系或发展趋势，都具有同样的重要性。但是预测则不同，它比较重视近期资料，相对地轻视远期资料。学术界称其为“近大远小”原则。

　　2. 指数平滑预测法

　　指数平滑法是被广泛使用的一种有效的预测方法，其包含一次指数平滑预测法与多次指数平滑预测法。

　　计算每一个指数平滑平均数时，都要用到本期实际观测值处期的平滑平均数。而在计算数列第一期的平滑平均数时，“上期”的平滑平均数是没有的，需要假定一个数学作初始值。确定初始值的方法有多种，常见的是令初始值等于数列第一项实际观测值。选择不同的初始值，会对预测产生不同的影响。不过，由于指数平滑平均数的定义可知，它对历史数据由近及远使用了一套按几何级数递减的权数，这种权数的衰减非常迅速，把指数平滑递推公式应用多期以后，初始值的影响作用会变得很弱。

　　【一次指数平滑预测法例示】

　　用某厂1至6月份废品资料作一次指数平滑预测。

　　递推预测过程见表4-6

　　表4-6　　　废品率月资料的指数平滑预测

　　平滑常数α数值大小的效应是：α值越小，对数列的修匀效果越好。α数值大小的原则：当数列的波动较剧烈时，应取较小的α值，以便增强对数列修匀的作用;当预计数列可能要发生转折时，应取较大的α值，因为这样可以加重近期资料的影响，易于对转折灵敏地作出反应;当数列中的规律不会有大的变化时，α的数值不妨小些，因为这样消除数列波动的效果好。

　　指数平滑法对近期和远期资料分别给了由大到小不同的权数，并把需要贮存的数据量压缩到最少，是一种合理、简便的预测方法。

　　这种预测方法要在具备新观测值的条件下，才能作下一期的预测，，它只宜于作未来一期的预测，而不宜于作远期的预测。