企业定量安全管理方法—预测方法

　　预测方法有定性预测和定量预测两种。定性预测主要是指各种调查方法，如重点调查、典型调查、抽样调查、专家意见调查等。定量预测则主要有以下几种。

　　一、时间序列预测法

　　所谓时间序列就是按时间顺序排列的、反映某种安全现象发展变化情况的统计数据。在企业安全管理中，我们经常要与时间序列打交道。如按年度连续排列起来的事故起数，按季度排列起来的某类事故起数等。时间序列预测法，就是根据时间序列变动的方向和程度向前延伸来推断下一期或以后若干时期可能的变化情况的一类预测方法。所以，时间序列预测法也称趋势外推法或历史延伸法。这是目前安全预测中常用的一类定量预测方法。目前常用的时间序列预测有以下几种。   

　　1．算术移动平均法

　　这种方法是假设预测值与近几期的实际值有关，而与前几期或较远期无关。因此可以用最近几个时期的移动平均值作为下一期的预测值、预测公式是：

 

　　式中  X_t——t期的预测值；

　　X—t期之前各期的实际值；

　　n——所用资料的期数。

　　这种方法的预测误差与所用资料的期数即n值有关。一般说，n值愈大，预测误差愈大；反之，n值愈小，预测误差愈小。

　　在实际安全预测中，”值的选择，主要取决于预测的目的和实际数据的特点。如果要求预测值比较精确，n应取的小一点，可在3～5之间，反之，如果想得到事物变化的大致趋势，”可取得大一些，可在10—30之间。如果实际数据上下波动不大，n值也可以取得大一些。

　　这种方法由于侧重考虑了近期实际情况对预测期的影响，因此预测比简单平均法要准确些，但一般也只宜用于短期预测。

　　2．加权移动平均法

　　简单平均法和移动平均法只利用过去的时间序列值进行预测，而且算术平均只能假设这些数据对未来值有同等影响。但是，实际情况是复杂的。由于各种偶然因素，各个时期的数据对未来发展变化的影响往往不一定是相等的。为了弥补这一缺点，就产生了加权移动平均法。

　　加权移动平均法是指对整个时间序列进行加权平均进行预测的一种方法。它的基本原理是以一定的权数来区别每期对未来发展情。况影响的大小，以便能更正确地反映事物发展变化的实际，使预测更准确一些。其预测公式是：

 

　　运用加权移动平均法进行预测，关键在于权数的选择。一般规律是：对近期数据资料的加权数值较大，远期则较小。至于大小的程度，完全取决于预测人员对时间序列的全面了解和分析。因此，权数的确定常常带有经验性。在实际预测中一般都是采用多算几个不用权数加以比较，择优选定。

　　3．指数平滑法

　　指数平滑法，也称指数移动平均、指数修匀法。它是一种简便易行的时间序列预测方法。指数平滑法是在移动平均法的基础上发展起来的。移动平均法有两个缺点：一是需要大量的历史理论资料，二是对时间序列中的各期情况对预测期影响大小程度的问题没有真正解决。指数平滑法由于用的是加权平均，且不需许多历史资料，因此能够弥补上述二个缺陷。

　　其预测公式是：

 

　　由于最近期的实际资料包含着较多的未来情况信息，对预测的影响较大，所以必须比远期实际资料给予更大的权数，而对较远期资料则相应给以递减的权数。

　　如果进行数学推算，指数平滑法实际是选取各时期权数的数值为递减指数数列的均值办法，即代表各时期权数的数列为：

 

　　由于权数是(1—a)的指数形式，故称指数平滑法。

　　用指数平滑法进行预测，a的值将直接影响预测的精度。选取。值最好通过试算来决定。例如，对同一个预测对象，分别用a=0.3、0.5、0.7进行试算，乘哪一个。值修正前期预测值与实际值的绝对误差小，即可把这个值确定为平滑系数。指数平滑法的主要优点是要求的历史数据量少，而且预测值可以通过。值的调整来适应实际值的变化，以减少预测误差，这也是该法应用普遍的原因。

　　二、因果关系分析预测法

　　因果关系分析预测法也称相关分析预测法，是一类主要从分析事物发展变化的因果关系人手，通过建立数学模型进行预测的方法。以下仅介绍3种简单而常用的方法。

　　1. 一元线性回归分析法

　　在实际的企业发展中，许多经济变量之间都存在着因果关系。归纳起来，这些因果关系可以分成两大类：一类是确定性的函数关系，如产品单价已定，销售收入同产品销售量的关系，可以表示为销售收入＝产品单价X销售量的关系；在上述关系中，变量与因变量之间是一种按比例增加或者减少的关系。另一类是非确定性的函数关系，如农民对化肥消费品的需求量同收入水平之间的关系等，在这些因果关系中，虽然一般地说因变量也是随自变量增加或减少而发生同一方向的变化，但这种变化不是成比例的。在数学上，把这种因果关系称为相关关系。回归分析就是通过对历史资料的统计分析，寻求变量之间相互依存的相关关系的规律性，根据一定的数学原理，把变量之间的非确定性的相关关系转化为确定的函数关系，通过建立数学模型，比较近似地预测事物的未来发展趋势。

　　一元线性回归分析法，是指只有一个自变量的因果关系分析预测法。运用该法的一般步骤是：

　　第一步：先根据实际调查的数据资料，找出两个变量之间的相关关系的规律性。一般可用画散点图的办法确定。

　　第二步：建立一元线性回归方程式y＝a十bx，并用最小二乘法求出回归方程中的两个回归系数a，b。

　　第三步：以回归方程为依据，进行预测。   

　　运用回归分析方法进行安全预测的基本原理是：由于两个变量x、y之间的相关关系，它们在坐标上的绝大多数统计点(X，Y)非常靠近一条直线。如果找出这条最能代表其发展趋势的直线，就可以根据这条直线进行预测。从数学证明中可知，用最小二乘法所求出的截距为a，斜率为b的直线Y=a+bx工与各个统计点距离的平方和最小，因此符合上述的要求，从而可以根据这条直线进行因果关系安全预测。

　　2．一元非线性回归分析法

　　一元线性回归法只有在当两个变量之间的关系是线性关系或接近线性关系时，亦即在散点图上绝大多数坐标点是按非常靠近一条直线的样子分布时，才能使用。但在实际中，有时两个变量之间并不一定是线性关系，而是某种曲线关系。在这种情况下，就要运用一元非线性回归分析法。进行非线性回归分析通常要把非线性型转化为线性型，然后按照线性回归分析法求出回归直线中的a和b，最后再化成曲线回归方程，据此进行安全预测。

　　如图18—1是按某化肥产品的月销售量的历史数据所画出的散点图。

 
图18—1  某厂化肥产品的月销售量散点图

　　从图中可以看出，销售量与时间的关系是一条曲线，因而不能用直线回归法。这条曲线与双曲线差不多，因此，我们用双曲线的函数关系式来表示这两个变量之间的关系，即：

 

　　因为X′，y′分别是X，y的倒数，所以销售量(y)与月份(X)的值必须要取倒数，然后根据这些倒数值，运用一元线性回归法进行计算，可求得a和b。

　　将a，b值代人上述回归方程，则有：

 

　　根据上述方程就可以进行预测。

　　3．基数迭加法

　　上述所介绍的两种方法，不管是一元线性回归法，还是一元非线性回归法，都是只考虑一种影响因素的因果关系分析方法。但是在实际安全管理工作中，影响某一事物发展变化的往往不仅是一种因素，而是多种因素。而且，在因果关系分析中，如果能多考虑一些影响因素，就可使安全预测更准确一些。对于有多个自变量的因果关系预测，一般要用多元回归法。但是有些简单问题，也可用基数迭加法。例如我们要预测一定时期的安全隐患yt，由于它不仅是时间的函数，而且还受到其他一系列因素的支配，如教育(z)、素质(P)、宣传(q)、技术(h )、文化(c)、法规(g)、装备(6)等因素。在这种情况下，我们可以根据以往的经验和资料，通过统计、分析、把各影响因素引起安全隐患量变化的百分比用影响系数表达，则预测公式是：

　　y_t＝y_t—1(1十z％十P％+g％十h％+c％+g％+b％+…)

　　这种方法使用比较简单，只要对各种影响因素及其影响系数估计分析正确，根据充分，就可以得出比较准确的预测结果。但这种预测方法，也只适用于诸如上述例题之类简单的多因素的因果关系。

　　对于定量预测方法还可举出许多类型，数量经济法、增长曲线法、投入产业法等。对于众多类型的定量预测方法，在实际安全管；理中要根据预测的目的、性质、要求、预测周期的长短、预测中可  能掌握的历史资料以及预测所需费用等具体情况进行恰当地选择。