应用时间序列分析、预测方法，对综合百货业月销售情况的发展趋势进行研究。为结合地域市场的实际情况，除吸纳西方经济学研究成果外，在数据调整项中增加了三水平虚拟变量，利用拟合趋势及残差值分析标绘方法对调整后时间序列数据的平稳性作出了直观而又准确的判断。选用了博克斯-詹金斯预测方法，使用先进的Minitab 13.0和E-VIEWS 4.0统计软件，易于操作，提高了研究成果的应用价值。 根据收集到的数据结构的复杂性，首先对其作了等时间间隔的日均月销售额（=原始月销售额／当月天数）处理，并以此为表征月销售额的代表性时间序列数据。为消除由年、节、假日，庆典和促销活动而至月销售额大幅度攀升和由偶发事件，如非典型性肺炎（SARS）的影响而造成月销售额迅速下降等极端值的影响，准确反映月销售额的长期趋势，引入了虚拟变量。 利用0、1代码使不同性质的诸水平数字化，并用代表极端值的性质变量构造一个回归模型。Y_t=β₀+β_tT+β₁X₁+β₂X₂+e_t确定三水平日均月销售额： 日常日均月销售水平：Y_t=β₀+β_tT+β₁（0）+β₂（0）+e_t 节庆日均月销售水平：Y_t=β₀+β_tT+β₁（1）+β₂（0）+e_t“非典”及“非典”后期日均月销售水平：Y_t=β₀+β_tT+β₁（0）+β₂（1）+e_t （“非典”+节庆）日均月销售水平：Y_t=β₀+β_tT+β₁（1）+β₂（1）+e_t 虚拟变量是进入模型Y_t=β₀+β_tT+β₁X₁+β₂X₂+e_t的实际变量。模型的样本数据为42个，运行Minitab 13.0统计软件中的回归模块，得到模型的检验结果。R²=86.4％，即对42个数据点拟合的很好。β₁和β₂t值分别为7.64(二230840/302口的，一叹24（=一2J2曰5心召2翻），_<sub>显著性水平为a 000。对该方程进行显著性检验F=sa匆，显著性水平为a加口。即回归方程在总体上具统计的显著性。在确定模型有效性之后，使用该模型求得全部时间序列过去值的拟合值和残差值。刃自相关分析证明，残差值数据中包含少数异常值;相邻的残差值具有正二负号相同的倾向。深入分析证实，残差值序列存在二阶自相关。据此，应用博克斯‘詹金斯模型方法，经过夕次迭代、逼近，生成同时含ARa夕和才天臼夕的二阶自回归方程。经怀特异方差检验确认该二阶自回归模型应属于线性无偏的;又经杜宾一沃森检验，D胜2.盯，判定系数护=a夕了。但鉴于一阶自回归ARa夕的显著性检验p>a仍，即AR自夕没能为回归预测模型提供有价值的信息，即对因变量的影响并不重要。因此，认为该模型不是最优。在剔除ARu夕后，经10次迭代、逼进，生成只含AR。夕的时间序列预钳棋型。再次经怀特异方差检验证实，回归模型的线性无偏。杜宾一沃森检验刀甲治I，乃，判定系数r=0.93，ARa夕的t检验显著性概率从p=0.003了提高到p=a 0003，证实该线性回归模型为最优选择，利用该回归模型完成时间序列的点预侧和时间序列的区间预测。 应用时间序列分析预测方法对呼和浩特百盛购物中心的经营历史、现实和未来作深入细致分析，针对既往找出成功和失败的原因，结合预测结果，研究、制定新的经营策略，扭转现实的被动局面;根据预测结果评估、调整 、、、誉新经营策略，协助经理人走出经营误区。