1、休閒趨勢分析 作業二簡單預測 Nave 法：觀光旅館住房房間數趨勢分析授課教授：凌瑞賢博士休閒管理碩專二甲學號：N97b0004學生：郭亭亞1作業二 Nave 法1. 利用觀光旅館住用房間數統計資料（時間序列），以 Nave 1 、Nave 2 及 Seasonal Nave 等三種方法預測，並將實際值及預測值繪成圖形。圖 1 觀光旅館住房房間數趨勢分析(民國 85 年 1 月-100 年 8 月)資料來源：交通部統計查詢網，觀光旅館住用率，觀光旅館房間數2. 以 Nave 1 、Nave 2 及 Seasonal Nave 等三種方法的預測結果計算 MAPE、RMSPE 、DCA 及 The
2、il U 統計量。表 1 三種簡單預測法的準確性計算Nave 1 Nave 2 S Nave MAPE 7.677415 10.6114 9.602172RMSPE 11.44286 13.99135 17.93887DCA 0.430108 0.508108 0.784091Theil U 1 1.326645 1.4169693.說明現況資料及預測結果的意義。本作業使用的預測方法是簡單預測模式一(Nave 1)、簡單預測模式二(Nave 2)和季節簡單預測模式(Seasonal Nave)。本作業採用的觀光資料是從民國 85 年 1 月至 100 年 8 月的觀光旅館房間住用率和觀光旅館房
3、間數，計算實際住房房間數做為研究的數據。從實際資料得知最低住用房間數是民國 92 年 5 月(22%，4474 間)，最高住用房間數是民國 99 年 11 月(18674 間)，住用率為92 年 3-5 月 SARS 98 年金融海嘯、H1N1 新型流感、莫拉克颱風264.16%，住房房間數是 13627 間。圖 1 的趨勢可看出住用房間數有逐漸增加的趨勢，在85 年 1 月至 92 年 12 月的住房房間數在 10000 至 14000 之間，93 年 1 月至 100 年 8 月的住房房間數在 14000 至 18000 之間，但是有季節性波動。 93 年起的增加，應該是跟政府提出台灣觀光
4、年、觀光客倍增計畫、大陸人士來台觀光政策等推廣觀光活動有關；但是 98 年的下降則跟全球金融海嘯、H1N1 新型流感、莫拉克颱風有關從圖 2 的一年的各月住用房間數可以更清楚看出住用房間數的季節性波動(3 月、6 月、11 月為高點，1 月、4 月、9 月、12 月為低點)。其中異常的是 92 年的 3 月至 5 月受 SARS的影響，住用房間數降到最低點(92 年 5 月 4474 間), 另外 88 年 10 月的住用房間數10053 間也較他年同月的住房房間數低。圖 2 一年各月住用房間數趨勢分析圖簡單預測模式一(Nave 1)是最簡單的預測方法，因為下期的值等於前期的實際值，所以趨勢的
5、變化只是比實際值慢一個月。簡單預測模式二(Nave 2)假設下期的成長率等於前兩期的成長率。季節簡單預測模式( Seasonal Nave 1)假設下期的數值等於去年同期的實際值。從表 1 的平均絕對百分比誤差(MAPE)來比較三種預測方法，Nave 1 的 MAPE 值最低(7.677415)，Nave 2 的 MAPE 值最高(10.6114)，Seasonal Nave 的 MAPE 值居中(9.602172)，所以 Nave 2 和 Seasonal Nave 的準確性較 Nave 1 低。 Theil U 統計量比較預測模式跟 Nave 1 的準確性， Nave 2 的 Theil
6、U 統計量 (1.326645) 和 Seasonal Nave 的 Theil U 統計量 (1.416969)都大於 1， 所以兩種預測方法的準確性比 Nave 1 低。從圖 1 可看出 Nave 2 的趨勢變化幅度較大(因為成長率的預測是前兩期的成長率)，而 Seasonal Nave 的趨勢較實際值晚 1 年。均方根百分比誤差(RMSPE)值不利於誤差大者。Nave 1 的 RMSPE 值為 11.44286， Nave 2 的 RMSPE 值為 13.99135，Seasonal Nave 的 RMSPE 值為 17.93887，所以Seasonal Nave 的準確性最低， Nav
7、e 2 的準確性次低。從圖 1 的 Seasonal Nave 趨勢可看出當季節性變化重複發生時，其 MAPE 值較低，但是忽略了民國 92 年 3 月至 5 月SARS 的突發狀況，住房房間數的驟減，造成次年預測的大誤差。92 年 3-5 月 SARS 98 年金融海嘯、H1N1 新型流感、莫拉克颱風3DCA 值是趨向準確性百分比，Nave 1 的 DCA 是 43.0108%，Nave 2 的 DCA 是50.8108%，Seasonal Nave 的 DCA 是 78. 4091%。換句話說，Seasonal Nave 的命中率最高，這也說明了住房房間數的季節性每年重複發生，所以用去年同
8、期的住用房間數可以有 78.4%的預測今年的住房房間數；但 Nave 1 的命中率最低，因為只用前一期的住用房間數作為本期的住房房間數，忽略了季節性波動(3 月、6 月、11 月為高點，1 月、4 月、9 月、12 月為低點)。表 2 三種簡單預測法的準確性排名Nave 1 Nave 2 S Nave MAPE 1 3 2RMSPE 1 2 3DCA 3 2 1Theil U 1 2 3從表 2 可知 Nave 1 模式在四種準確性計算方法中，有三種排名第一，Nave 2 模式有三種排名第 2，而 Seasonal Nave 模式有 2 種排名第三，但在趨向準確性百分比排名第一。所以就長期趨勢預測而言，Nave 1 模式的準確性較高，但是對季節性的變化，Nave 1 則失去準確性，而 Seasonal Nave 對季節性變化的預測準確性較高。4.製作成 EXCEL 及 PPT 檔，上傳 MY 數位學習。
