Note that in Equation 7.3, represen

Note that in Equation 7.3, represents deseasonalized demand and not the actual demand
in Period t, L represents the level or deseasonalized demand at Period 0, and T represents the rate
of growth of deseasonalized demand or trend. We can estimate the values of L and T for the
deseasonalized demand using linear regression with deseasonalized demand (see Figure 7-2) as
the dependent variable and time as the independent variable. Such a regression can be run using
Microsoft Excel (Data | Data Analysis | Regression). This sequence of commands opens the
Regression dialog box in Excel. For the Tahoe Salt workbook in Figure 7-2, in the resulting
dialog box, we enter
and click the OK button. A new sheet containing the results of the regression opens up.
This new sheet contains estimates for both the initial level L and the trend T. The initial level, L,
is obtained as the intercept coefficient, and the trend, T, is obtained as the X variable coefficient
(or the slope) from the sheet containing the regression results. For the Tahoe Salt example, we
obtain L  18,439 and T  524. For this example, deseasonalized demand for any Period
t is thus given by
(7.4)
Note that it is not appropriate to run a linear regression between the original demand data
and time to estimate level and trend because the original demand data are not linear and the
resulting linear regression will not be accurate. The demand must be deseasonalized before we
run the linear regression.

Kết quả (Việt) 1:

Lưu ý rằng trong phương trình 7.3, đại diện cho nhu cầu deseasonalized và không có nhu cầu thực tếtrong giai đoạn, L đại diện cho các cấp hoặc deseasonalized nhu cầu tại giai đoạn 0, và T nồngtăng trưởng của deseasonalized nhu cầu hoặc xu hướng. Chúng tôi có thể ước tính các giá trị của L và T cho cácdeseasonalized nhu cầu sử dụng hồi qui tuyến tính với deseasonalized yêu cầu (xem hình 7-2) làphụ thuộc vào biến và thời gian như là biến độc lập. Một hồi quy có thể được chạy bằng cách sử dụngMicrosoft Excel (dữ liệu | Phân tích dữ liệu | Hồi quy). Dãy lệnh này sẽ mở ra cácHồi quy hộp trong Excel. Cho bảng tính Tahoe muối trong hình 7-2, trong các kết quảhộp thoại, chúng tôi nhập vàovà nhấp vào nút OK. Một bảng mới chứa các kết quả của các hồi quy mở ra.Tờ mới này có chứa các ước tính cho cả hai mức độ ban đầu L và xu hướng T. Mức độ đầu tiên, L,thu được là hệ số đánh chặn, và xu hướng, T, thu được như là hệ số biến X(hay độ dốc) từ các tấm có kết quả hồi quy. Ví dụ: Tahoe muối, chúng tôicó được L 18,439 và T 524. Ví dụ này, deseasonalized nhu cầu cho bất kỳ khoảng thời giando đó, t được cho bởi(7.4)Lưu ý rằng nó không phù hợp để chạy một hồi quy tuyến tính giữa các dữ liệu theo yêu cầu ban đầuvà thời gian để ước tính mức độ và xu hướng bởi vì dữ liệu yêu cầu ban đầu không tuyến tính và cáchồi qui tuyến tính kết quả sẽ không được chính xác. Nhu cầu phải được deseasonalized trước khi chúng tôichạy các hồi quy tuyến tính.

Kết quả (Việt) 2:

Lưu ý rằng trong phương trình 7.3, đại diện cho nhu cầu deseasonalized và không phải là nhu cầu thực tế
trong thời kỳ t, L đại diện cho mức độ hoặc nhu cầu deseasonalized ở giai đoạn 0, T và đại diện cho tỷ lệ
tăng trưởng của nhu cầu deseasonalized hay xu hướng. Chúng ta có thể ước tính giá trị của L và T cho các
nhu cầu sử dụng deseasonalized hồi quy tuyến tính với nhu cầu deseasonalized (xem Hình 7-2) là
biến phụ thuộc và thời gian như các biến độc lập. Một hồi quy này có thể được chạy bằng cách sử dụng
Microsoft Excel (dữ liệu | Phân tích số liệu | Regression). Trình tự này các lệnh mở
Regression hộp thoại trong Excel. Đối với các bảng tính Tahoe Salt trong Hình 7-2, trong kết quả
hộp thoại, chúng ta bước vào
và nhấp nút OK. Một tờ mới chứa các kết quả của hồi quy mở ra.
Sheet mới này chứa các ước tính cho cả L mức ban đầu và các xu hướng T. Các mức ban đầu, L,
thu được như các hệ số đánh chặn, và xu hướng này, T, được xem như hệ số biến X
(hoặc độ dốc) từ bảng chứa các kết quả hồi quy. Đối với ví dụ Tahoe Salt, chúng tôi
có được L? 18.439 và T? 524. Đối với ví dụ này, nhu cầu deseasonalized cho bất kỳ Thời gian
t là như vậy, được đưa ra bởi
(7.4)
Lưu ý rằng nó không phải là thích hợp để chạy một hồi quy tuyến tính giữa các dữ liệu theo yêu cầu ban đầu
và thời gian để ước tính mức độ và xu hướng vì dữ liệu theo yêu cầu ban đầu là không tuyến tính và
hồi quy tuyến tính kết quả sẽ không được chính xác. Các nhu cầu phải được deseasonalized trước khi chúng ta
chạy hồi quy tuyến tính.