２００８年第３期（总第１４５期）
山东纺织经济
目标企业产品销量的预测模型与分析
大目吴蕾
（长春税务学院经济模拟研究所吉林长春
１；５０１１
７）
摘要：本文主要应用时间序列模型中的ＡＥＩＭＡ模型、疏系数ＡＲＩＭＡ模型和自回归、残差自回归几种模型，对目标空调企业１９９６—２００７年的全国空调总销售量月度变化进行建模。通过比较和分析各
模型的数据拟合情况和所得的特征统计量，评价各模型的优劣，得到拟合该空调企业销量变化的最优模型，并利用所得模型计算出该企业空调未来十个月总销量的预测值，供该企业生产、营销部门参考。
关键词：ＡＲＩＭＡ模型；疏系数ＩＭＡ模型；残差自回归Ａ－－Ｅ模型；平稳；自相关；中图分类号：０２１２．１
文献标识码：Ａ
文章编号：１６７３－０９６８（２００８）０３－００２９－０３
所谓时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。自回归移动平均模型（ＡＲＭＡ）是时间序列分析中应用最为广泛、实用性非常强的一种平稳时间序列分析方法。我们通过对自然界中各种非平稳时间数据进行适当阶数的差分、延迟等运算，就可以实现数据序列的平稳化。求和自回归移动平均（ＡＲＩＭＡ）模型实质上就是差分运算与ＡＲＭＡ模型的组合。ｎ１随着各种统计软件的不断开发与研究，各种模型的应用有了良好的计算机环境。本文利用ＳＡＳ软件对数据进行了分析、建模，估计模型参数和对拟合后的残差作相应处理，寻找有序数据的发展规律，并预测其未来的走势。一．ＡＲＩＭＡ模型建模与分析
（一）绘制观察值序列时序图
对目标空调企业过去十二年（１４４个月）的月度销量数据绘制时序图，如图１：
同时又有以年为周期的季节效应。
（二）差分平稳化
对原序列做１阶差分消除长期趋势，再做１２步差分消除季节效应的影响，差分后得到的时序图显示差分后序列已无明显趋势或周期，波动比较平稳。
再考察差分后序列的随机性。经白噪声检验，所得Ｐ值远小于显著性水平，即差分后序列含有很强的相关信息，不能视为白噪声序列，【２１须对差分后序列进一步拟合ＡＲＭＡ模型。
（三）模型拟合
观察差分后序列的自相关图和偏自相关图的性质，给模型定阶。序列自相关图显示差分后序列仍有一定季节效应，延迟１２阶自相关系数显著大干２倍标准差范围，而后自相关系数又有一个反弹。偏自相关图显示延迟１２阶偏自相关系数显著大于２倍标准差范围，偏自相关系数也显示不截尾性。所以，对差分以后的数据尝试拟合ＡＲＭＡ（１，１２）（１，１２）模型。【４】通过条件最小二乘估计法得到模型各参数估计值表１。
表１ＡＲＭＡ（１，１２）（１，１２）模型最小二乘估计情况
ＣｏｎｄｉｔｉｏｎａｌＬｅａｓｔＳｑｕａｒｅｓＥｓｔｉｍａｔｉｏｎ
ＳＡｌＤｐｐｏｘ
Ｐａｒａｍｅｔｅｒ
ＭＵ
螂Ａ１，１
Ｅｓｔｉｍａｔｅ
０．００９４２１６０．１７３７１０．８１４９３・０．００４７７０２—０．２”８１
ｍＯ０００
Ｃ
Ｐｒ）ｌｔＩ
０．２，９９００．００３８＜．０００１０．３８３１０．０５８Ｇ
Ｌａｇ
０１｛２１１２
№１，２嘏１．１
冉Ｒ１．２
图１月度销量时序图
．
１Ｉｉ黼一
灿罐量量㈨
时序图显示该序列非平稳，且有长期递增趋势，
收稿Ｅｌ期：２００８－０３－０６
结果显示常数项与自回归系数均不显著，故重新采用模型ＭＡ（Ｉ，１２）进行拟合。最后得到移动平
２９
＿重圃
均系数【３】Ｆａｃｔｏｒ（１２）。
模型ＡＲＩＭＡ（０，１，１２，（１，１２））。
山东纺式经济
ｌ：１－０．１３３３Ｂ一０．８５４５４Ｂ木事
Ｆｏｒｅｃａｓｔ
ＳｔｄＥｒｒｏｒ
２００８年第３期（总第１４５期）
表２未来１０个月销量预测值
Ｆｏｒ∞＾８ｔ｝ｆｏｒ幅ｒＩ曲Ｉｅ
ｘ
Ｓ５ｌｅｏｎｆｆ出ｒ∞Ｌｌ＝Ｉｔｓ
综合以上运算，实际是对原序列拟合了疏系数
模型方程为：）【ｔ＝最－０．１３３３钆－０．８５４５４ｃｔ＿１２，
式中｛Ｅｔ）为零均值随机干扰序列。（四）预测未来十个月的月度销量
绘制该序列拟合与预测图如图２所示。
ｎ仆仆
●
＇ｌ
：－
”
“
柏
Ｈ
，●
¨
ＩＩ
Ｉｌｌ
ｔｌＩ
ＩＩＩ
１１１
ＩＩＩ
｛Ｉｌ
图中，星号代表原序列值，中间连续曲线代表拟合序列曲线；上下虚线代表拟合序列的９５％上下置信限。带三角的竖线右侧为预测曲线。二．回归模型建模与分析
（一）序列的基本分析？
以时间变量ｔ作为自变量，变量Ｘ作为因变量，建立Ａｕｔｏ－Ｒｅｇｒｅｓｓｉｖｅ模型【４１：
Ｘ＝ａ＋ｂ＊ｔ＋反
用普通最小二乘估计得到模型的各统计量如表
３。，
阶的自相关模型，做逐步回归分析消除不显著的项。拟合得出延迟１、２、４阶的自相关系数显著有效，而延迟３阶和５阶的残差自相关项不显著，应被剔除。
（二）建立拟合模型
通过极大似然估计得到模型总体的评价指数如
图３
Ｍａｘｉ∞ｕｍ
ＳＳＥ｜｜；ＩｓＥＳＢＣ
ＲｅｇｒｏｓｓＲ－ＳｑｕａｒｅＤｕｒｂｊｎ—Ｗａｔｓｏｎ
ＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｅｓ
１３９Ｉ．１２４７７４４８．１２３４９９
０．７６３１
１７５．８４８５２１ＤＦＥ
１．２６５１０４６２．３７７５６５ＡＩＣ
０．５８７４。Ｔｏｔａｉ１．３３０３
Ｒｏｏｔ撤
Ｒ－Ｓｑ∞ｍ
表３普通最小二乘估计输出结果
，０ｒｄＩｍｒｙＳ菠－菠Ｓ防
ｈｒｊ＾ｂＪｅＩｎｔｏｒｅｅＣｔｔ嘏１ＡＲ２ＡＲ４
ｂ鳅９¨嗽阻Ｉｉｔｕ
ＤＦＥ
Ｒｏｏｔ－蹑ＡｌｅＴｏＬａＩＰｒ＜睡
ｎ３
卫Ｍ乱０艟雏¨趁叭
Ｒ。‘ｒ嗽Ｒ－ｓｑ嚏ｎ
Ｄｕｒｂｉｎ．ｈｔｓ∞
Ｐｒ＞睫
２髓．９１９５１３
１。６８１４１船９．６Ｓ３４７
Ｏ．６８２２１．３７３２１．００００．
Ｒ－Ｓｕｒｅ
图３最终拟合模型结果
模型总体相关系数平方已达０．７６３１，拟合模型
’
可看到模型的总体ｒ２为０．６８２２，故模型有效；ＤＷ检验结果显示残差序列存在正的自相关性【２１，故需建立残差自回归模型，对残差信息进行进一步提取。对残差序列做异方差性检验，得到Ｑ检验和拉格朗日乘子的Ｐ值长期内明显大于显著性水平，故残差序列不存在异方差，毋须对残差序列再进行方差齐性变换［２１。为了消除残差的自相关，拟合延迟５
３０
显著有效。
模型方程为ｔ
Ｘ，＝２２．０８５２＋０．０４５ｔ＋ｑ；。＋。．３１７钆十。。
式中，｛毛｝为残差序列值，｛ａｔ｝为零均值白噪声序列。
三，两种模型的比较
经以上分析，两种模型显著有效。最小信息量检验结果显示两模型的ＡＩＣ、ＳＢＣ信息量分别为
２００８年第３期（总第１４５期）
山东纺织经济
会计信息失真浅析
钟锦仕
（潍坊市工业干校
山东潍坊
２６１
０３１）
摘要：提供可靠公允的会计信息是现代社会的基本纲领目标，而目前国内外的会计信息失真问题已经成为社会谴责的焦点。本文试述会计信息失真的表现形式及会计信息失真的成因，探讨会计信
息失真的对策。
关键词：会计信息失真；表现形式；成因；对策
中图分类号：Ｆ２７９．２３
文献标识码：Ａ’
文章编号：１６７３—０９６８（２００８）０３—００３１－０３
会计信息是现代会计理论中的一个基本概念，是人们在管理工作中运用会计特有的理论和方法，通过对经济活动过程中所发生的数据进行加工和处理所获得的反映会计主体运动状况的经济信息。它有着重要的使命，就是正确地反映经济活动的客观过程及其结果，向有关部门和方面提供正确的会计信息，可便于进行科学决策和控制。会计信息反映不实，危害极大，从企业管理内部来讲，不能正确反映企业的财务状况，经营成果及现金流量，不利于企业正确有效的自我表现总结和分析、扬长避短，充分挖掘企业内部潜力，从而可能导致微观决策的失误或贻误商机。从宏观上看，企业会计信息反映不实，增大了国民经济运行中的“泡沫成分”和不确定因素，模糊了国民经济运行的实际情况，误导了对当前的经济运行情况客观、真实的分析和判断。由于国家宏观调控和经济决策得不到真实准确的数
收稿日期：２００８－－０１－０８
据支持，使国家出台的各项经济方针政策可能偏离经济运行的正确轨道，导致各种经济杠杆失灵。一：会计信息失真的表现形式
１、会计核算资料失真
会计信息的载体是会计凭证、会计帐簿和会计报表。会计凭证其主要的问题出现在原始凭证上。比如：原始凭证不是按照规定填写的，而是以会计事项为基础，通过扩大和缩小的方式达到隐匿事实真相的目的，或用偷梁换柱之法，将不合理事实编入合理事实之中。另外，还有伪造帐簿、虚设会计科目、采用不正当计量，以及直接捏造篡改会计报表等方法。
２、成本信息失真
成本信息失真主要表现在：采用不正当手段增加或降低所列支的费用，人为制造成本的膨胀和压缩，最终改变盈亏局面。一些企业为了完成年初的考核指标，采取人为缩小成本，不按规定摊销有关
大学出版社，１９９８．
２７９、２８４和４４８、４６２。ＡＲＩＭＡ（０，ｌ，１２，（１，１２））的信息量更小，模型拟合更好。而以时间变量为回归因子的Ａｕｔｏ－Ｒｅｇｒｅｓｓｉｖｅ模型的信息量稍大，其原因主要是时间自变量模型对确定性信息的提取精度差了一点。但从直观解释的角度考虑，Ａｕｔｏ—Ｒｅｇｒｅｓｓｉｖｅ模型更易于直观解释原序列的波动规律：该企业空调的销量有一个长期的递增趋势，平均每月增长率为４．５％，同时它还受到诸多随机因素的影响，导致随机波动序列具有短期自相关性。◆参考文献：
【１】徐国祥．统计预测与决策【Ｍ】．上海：上海财经
【２】王燕．应用时间序列分析［Ｍ】．北京：中国人民
大学出版社，２００５．
［５】高惠璇．实用统计方法与ＳＡＳ系统【Ｍ】．北京：
北京大学出版社，２００１．
【４】【英】特伦斯・ｃ・米尔斯．金融时间序列的经济
计量学模型（第二版）【Ｍ】．余卓菁．北京：经济科学出
版社。２００２．
【５】许国辉，余春椿．时间序列分析方法的研究【Ｊ】．
广州大学学报，２００３；（０６）．
３１
目标企业产品销量的预测模型与分析
作者：作者单位：刊名：英文刊名：年，卷(期)：
吴蕾
长春税务学院经济模拟研究所,吉林长春,130117山东纺织经济
SHANDONG TEXTILE ECONOMY2008(3)
参考文献(5条)
1.许国辉;余春林 时间序列分析方法的研究[期刊论文]-广州大学学报(社会科学版) 2003(06)2.特伦斯·C·米尔斯;余卓菁 金融时间序列的经济计量学模型 20023.高惠璇 实用统计方法与SAS系统 20014.王燕 应用时间序列分析 20055.徐国祥 统计预测与决策 1998
本文读者也读过(10条)
1. 李战江.吴公华.孙鹏哲.LI Zhan-jiang.Wu Gong-hua.Sun Peng-zhe 内蒙古第三产业增加值的研究——基于ARIMA疏系数模型[期刊论文]-内蒙古农业大学学报（自然科学版）2009,30(3)2. 彭世俊 家用空调选购常识[期刊论文]-农村电工2001(7)
3. 陈建华.马士华.CHEN Jian-hua.MA Shi-hua 需求增长型企业销量预测方法--以空调生产企业为例[期刊论文]-当代经济管理2006,28(1)
4. 鹿世化.林福建 浅层地下水作为冷源应用于地板供冷在江苏徐州农村地区应用的可行性研究[期刊论文]-节能技术2004,22(6)
5. 汪先锋.刘波 客车销量组合预测模型研究[期刊论文]-商用汽车2010(9)
6. 龚玉霞 户型水源热泵适合农村水资源的节能空调[期刊论文]-中国农村水利水电2005(5)
7. 邹瑜 《建设事业"十一五"技术公告》解读(系列之一)供热采暖与空调制冷节能技术[期刊论文]-建设科技2007(12)
8. 陈晓育.夏云.CHEN Xiaoyu.XIA Yun 西北农村建筑增效资源关键途径[期刊论文]-生态经济2011(2)9. 李永安 农村家用空调型式及节能措施[期刊论文]-可再生能源2002(5)
10. 程海侠.陶桢 基于财务指标的主成分分析--以部分空调企业为例[期刊论文]-科技创业月刊2006,19(6)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_sdfzjj200803010.aspx
２００８年第３期（总第１４５期）
山东纺织经济
目标企业产品销量的预测模型与分析
大目吴蕾
（长春税务学院经济模拟研究所吉林长春
１；５０１１
７）
摘要：本文主要应用时间序列模型中的ＡＥＩＭＡ模型、疏系数ＡＲＩＭＡ模型和自回归、残差自回归几种模型，对目标空调企业１９９６—２００７年的全国空调总销售量月度变化进行建模。通过比较和分析各
模型的数据拟合情况和所得的特征统计量，评价各模型的优劣，得到拟合该空调企业销量变化的最优模型，并利用所得模型计算出该企业空调未来十个月总销量的预测值，供该企业生产、营销部门参考。
关键词：ＡＲＩＭＡ模型；疏系数ＩＭＡ模型；残差自回归Ａ－－Ｅ模型；平稳；自相关；中图分类号：０２１２．１
文献标识码：Ａ
文章编号：１６７３－０９６８（２００８）０３－００２９－０３
所谓时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。自回归移动平均模型（ＡＲＭＡ）是时间序列分析中应用最为广泛、实用性非常强的一种平稳时间序列分析方法。我们通过对自然界中各种非平稳时间数据进行适当阶数的差分、延迟等运算，就可以实现数据序列的平稳化。求和自回归移动平均（ＡＲＩＭＡ）模型实质上就是差分运算与ＡＲＭＡ模型的组合。ｎ１随着各种统计软件的不断开发与研究，各种模型的应用有了良好的计算机环境。本文利用ＳＡＳ软件对数据进行了分析、建模，估计模型参数和对拟合后的残差作相应处理，寻找有序数据的发展规律，并预测其未来的走势。一．ＡＲＩＭＡ模型建模与分析
（一）绘制观察值序列时序图
对目标空调企业过去十二年（１４４个月）的月度销量数据绘制时序图，如图１：
同时又有以年为周期的季节效应。
（二）差分平稳化
对原序列做１阶差分消除长期趋势，再做１２步差分消除季节效应的影响，差分后得到的时序图显示差分后序列已无明显趋势或周期，波动比较平稳。
再考察差分后序列的随机性。经白噪声检验，所得Ｐ值远小于显著性水平，即差分后序列含有很强的相关信息，不能视为白噪声序列，【２１须对差分后序列进一步拟合ＡＲＭＡ模型。
（三）模型拟合
观察差分后序列的自相关图和偏自相关图的性质，给模型定阶。序列自相关图显示差分后序列仍有一定季节效应，延迟１２阶自相关系数显著大干２倍标准差范围，而后自相关系数又有一个反弹。偏自相关图显示延迟１２阶偏自相关系数显著大于２倍标准差范围，偏自相关系数也显示不截尾性。所以，对差分以后的数据尝试拟合ＡＲＭＡ（１，１２）（１，１２）模型。【４】通过条件最小二乘估计法得到模型各参数估计值表１。
表１ＡＲＭＡ（１，１２）（１，１２）模型最小二乘估计情况
ＣｏｎｄｉｔｉｏｎａｌＬｅａｓｔＳｑｕａｒｅｓＥｓｔｉｍａｔｉｏｎ
ＳＡｌＤｐｐｏｘ
Ｐａｒａｍｅｔｅｒ
ＭＵ
螂Ａ１，１
Ｅｓｔｉｍａｔｅ
０．００９４２１６０．１７３７１０．８１４９３・０．００４７７０２—０．２”８１
ｍＯ０００
Ｃ
Ｐｒ）ｌｔＩ
０．２，９９００．００３８＜．０００１０．３８３１０．０５８Ｇ
Ｌａｇ
０１｛２１１２
№１，２嘏１．１
冉Ｒ１．２
图１月度销量时序图
．
１Ｉｉ黼一
灿罐量量㈨
时序图显示该序列非平稳，且有长期递增趋势，
收稿Ｅｌ期：２００８－０３－０６
结果显示常数项与自回归系数均不显著，故重新采用模型ＭＡ（Ｉ，１２）进行拟合。最后得到移动平
２９
＿重圃
均系数【３】Ｆａｃｔｏｒ（１２）。
模型ＡＲＩＭＡ（０，１，１２，（１，１２））。
山东纺式经济
ｌ：１－０．１３３３Ｂ一０．８５４５４Ｂ木事
Ｆｏｒｅｃａｓｔ
ＳｔｄＥｒｒｏｒ
２００８年第３期（总第１４５期）
表２未来１０个月销量预测值
Ｆｏｒ∞＾８ｔ｝ｆｏｒ幅ｒＩ曲Ｉｅ
ｘ
Ｓ５ｌｅｏｎｆｆ出ｒ∞Ｌｌ＝Ｉｔｓ
综合以上运算，实际是对原序列拟合了疏系数
模型方程为：）【ｔ＝最－０．１３３３钆－０．８５４５４ｃｔ＿１２，
式中｛Ｅｔ）为零均值随机干扰序列。（四）预测未来十个月的月度销量
绘制该序列拟合与预测图如图２所示。
ｎ仆仆
●
＇ｌ
：－
”
“
柏
Ｈ
，●
¨
ＩＩ
Ｉｌｌ
ｔｌＩ
ＩＩＩ
１１１
ＩＩＩ
｛Ｉｌ
图中，星号代表原序列值，中间连续曲线代表拟合序列曲线；上下虚线代表拟合序列的９５％上下置信限。带三角的竖线右侧为预测曲线。二．回归模型建模与分析
（一）序列的基本分析？
以时间变量ｔ作为自变量，变量Ｘ作为因变量，建立Ａｕｔｏ－Ｒｅｇｒｅｓｓｉｖｅ模型【４１：
Ｘ＝ａ＋ｂ＊ｔ＋反
用普通最小二乘估计得到模型的各统计量如表
３。，
阶的自相关模型，做逐步回归分析消除不显著的项。拟合得出延迟１、２、４阶的自相关系数显著有效，而延迟３阶和５阶的残差自相关项不显著，应被剔除。
（二）建立拟合模型
通过极大似然估计得到模型总体的评价指数如
图３
Ｍａｘｉ∞ｕｍ
ＳＳＥ｜｜；ＩｓＥＳＢＣ
ＲｅｇｒｏｓｓＲ－ＳｑｕａｒｅＤｕｒｂｊｎ—Ｗａｔｓｏｎ
ＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｅｓ
１３９Ｉ．１２４７７４４８．１２３４９９
０．７６３１
１７５．８４８５２１ＤＦＥ
１．２６５１０４６２．３７７５６５ＡＩＣ
０．５８７４。Ｔｏｔａｉ１．３３０３
Ｒｏｏｔ撤
Ｒ－Ｓｑ∞ｍ
表３普通最小二乘估计输出结果
，０ｒｄＩｍｒｙＳ菠－菠Ｓ防
ｈｒｊ＾ｂＪｅＩｎｔｏｒｅｅＣｔｔ嘏１ＡＲ２ＡＲ４
ｂ鳅９¨嗽阻Ｉｉｔｕ
ＤＦＥ
Ｒｏｏｔ－蹑ＡｌｅＴｏＬａＩＰｒ＜睡
ｎ３
卫Ｍ乱０艟雏¨趁叭
Ｒ。‘ｒ嗽Ｒ－ｓｑ嚏ｎ
Ｄｕｒｂｉｎ．ｈｔｓ∞
Ｐｒ＞睫
２髓．９１９５１３
１。６８１４１船９．６Ｓ３４７
Ｏ．６８２２１．３７３２１．００００．
Ｒ－Ｓｕｒｅ
图３最终拟合模型结果
模型总体相关系数平方已达０．７６３１，拟合模型
’
可看到模型的总体ｒ２为０．６８２２，故模型有效；ＤＷ检验结果显示残差序列存在正的自相关性【２１，故需建立残差自回归模型，对残差信息进行进一步提取。对残差序列做异方差性检验，得到Ｑ检验和拉格朗日乘子的Ｐ值长期内明显大于显著性水平，故残差序列不存在异方差，毋须对残差序列再进行方差齐性变换［２１。为了消除残差的自相关，拟合延迟５
３０
显著有效。
模型方程为ｔ
Ｘ，＝２２．０８５２＋０．０４５ｔ＋ｑ；。＋。．３１７钆十。。
式中，｛毛｝为残差序列值，｛ａｔ｝为零均值白噪声序列。
三，两种模型的比较
经以上分析，两种模型显著有效。最小信息量检验结果显示两模型的ＡＩＣ、ＳＢＣ信息量分别为
２００８年第３期（总第１４５期）
山东纺织经济
会计信息失真浅析
钟锦仕
（潍坊市工业干校
山东潍坊
２６１
０３１）
摘要：提供可靠公允的会计信息是现代社会的基本纲领目标，而目前国内外的会计信息失真问题已经成为社会谴责的焦点。本文试述会计信息失真的表现形式及会计信息失真的成因，探讨会计信
息失真的对策。
关键词：会计信息失真；表现形式；成因；对策
中图分类号：Ｆ２７９．２３
文献标识码：Ａ’
文章编号：１６７３—０９６８（２００８）０３—００３１－０３
会计信息是现代会计理论中的一个基本概念，是人们在管理工作中运用会计特有的理论和方法，通过对经济活动过程中所发生的数据进行加工和处理所获得的反映会计主体运动状况的经济信息。它有着重要的使命，就是正确地反映经济活动的客观过程及其结果，向有关部门和方面提供正确的会计信息，可便于进行科学决策和控制。会计信息反映不实，危害极大，从企业管理内部来讲，不能正确反映企业的财务状况，经营成果及现金流量，不利于企业正确有效的自我表现总结和分析、扬长避短，充分挖掘企业内部潜力，从而可能导致微观决策的失误或贻误商机。从宏观上看，企业会计信息反映不实，增大了国民经济运行中的“泡沫成分”和不确定因素，模糊了国民经济运行的实际情况，误导了对当前的经济运行情况客观、真实的分析和判断。由于国家宏观调控和经济决策得不到真实准确的数
收稿日期：２００８－－０１－０８
据支持，使国家出台的各项经济方针政策可能偏离经济运行的正确轨道，导致各种经济杠杆失灵。一：会计信息失真的表现形式
１、会计核算资料失真
会计信息的载体是会计凭证、会计帐簿和会计报表。会计凭证其主要的问题出现在原始凭证上。比如：原始凭证不是按照规定填写的，而是以会计事项为基础，通过扩大和缩小的方式达到隐匿事实真相的目的，或用偷梁换柱之法，将不合理事实编入合理事实之中。另外，还有伪造帐簿、虚设会计科目、采用不正当计量，以及直接捏造篡改会计报表等方法。
２、成本信息失真
成本信息失真主要表现在：采用不正当手段增加或降低所列支的费用，人为制造成本的膨胀和压缩，最终改变盈亏局面。一些企业为了完成年初的考核指标，采取人为缩小成本，不按规定摊销有关
大学出版社，１９９８．
２７９、２８４和４４８、４６２。ＡＲＩＭＡ（０，ｌ，１２，（１，１２））的信息量更小，模型拟合更好。而以时间变量为回归因子的Ａｕｔｏ－Ｒｅｇｒｅｓｓｉｖｅ模型的信息量稍大，其原因主要是时间自变量模型对确定性信息的提取精度差了一点。但从直观解释的角度考虑，Ａｕｔｏ—Ｒｅｇｒｅｓｓｉｖｅ模型更易于直观解释原序列的波动规律：该企业空调的销量有一个长期的递增趋势，平均每月增长率为４．５％，同时它还受到诸多随机因素的影响，导致随机波动序列具有短期自相关性。◆参考文献：
【１】徐国祥．统计预测与决策【Ｍ】．上海：上海财经
【２】王燕．应用时间序列分析［Ｍ】．北京：中国人民
大学出版社，２００５．
［５】高惠璇．实用统计方法与ＳＡＳ系统【Ｍ】．北京：
北京大学出版社，２００１．
【４】【英】特伦斯・ｃ・米尔斯．金融时间序列的经济
计量学模型（第二版）【Ｍ】．余卓菁．北京：经济科学出
版社。２００２．
【５】许国辉，余春椿．时间序列分析方法的研究【Ｊ】．
广州大学学报，２００３；（０６）．
３１
目标企业产品销量的预测模型与分析
作者：作者单位：刊名：英文刊名：年，卷(期)：
吴蕾
长春税务学院经济模拟研究所,吉林长春,130117山东纺织经济
SHANDONG TEXTILE ECONOMY2008(3)
参考文献(5条)
1.许国辉;余春林 时间序列分析方法的研究[期刊论文]-广州大学学报(社会科学版) 2003(06)2.特伦斯·C·米尔斯;余卓菁 金融时间序列的经济计量学模型 20023.高惠璇 实用统计方法与SAS系统 20014.王燕 应用时间序列分析 20055.徐国祥 统计预测与决策 1998
本文读者也读过(10条)
1. 李战江.吴公华.孙鹏哲.LI Zhan-jiang.Wu Gong-hua.Sun Peng-zhe 内蒙古第三产业增加值的研究——基于ARIMA疏系数模型[期刊论文]-内蒙古农业大学学报（自然科学版）2009,30(3)2. 彭世俊 家用空调选购常识[期刊论文]-农村电工2001(7)
3. 陈建华.马士华.CHEN Jian-hua.MA Shi-hua 需求增长型企业销量预测方法--以空调生产企业为例[期刊论文]-当代经济管理2006,28(1)
4. 鹿世化.林福建 浅层地下水作为冷源应用于地板供冷在江苏徐州农村地区应用的可行性研究[期刊论文]-节能技术2004,22(6)
5. 汪先锋.刘波 客车销量组合预测模型研究[期刊论文]-商用汽车2010(9)
6. 龚玉霞 户型水源热泵适合农村水资源的节能空调[期刊论文]-中国农村水利水电2005(5)
7. 邹瑜 《建设事业"十一五"技术公告》解读(系列之一)供热采暖与空调制冷节能技术[期刊论文]-建设科技2007(12)
8. 陈晓育.夏云.CHEN Xiaoyu.XIA Yun 西北农村建筑增效资源关键途径[期刊论文]-生态经济2011(2)9. 李永安 农村家用空调型式及节能措施[期刊论文]-可再生能源2002(5)
10. 程海侠.陶桢 基于财务指标的主成分分析--以部分空调企业为例[期刊论文]-科技创业月刊2006,19(6)
本文链接：http://d.g.wanfangdata.com.cn/Periodical_sdfzjj200803010.aspx