SPSS软件的指数平滑模型：基本原理
指数平滑预测方法最早只应用于无趋势，非季节作为基本形式的时间序列的分析，经过深入研究和发展，指数平滑涉及的数据内部构成更丰富，相应的数据处理方法也更多。
指数平滑法的估计是非线性的，其目标是使预测值和实测值间的均方差（MSE）为最小，其中主要有三种方法，分别是简单、Holt线性趋势和Winters，这些模型在其趋势和季节构成方面是不同的，根据对趋势和季节的不同假设，可从中任选一个相应的模型对不规则构成的时间序列进行平滑处理。
简单法是在移动平均法基础上发展而来的一次指数平滑法，它假定所研究的时间序列数据集无趋势和季节变化。
Holt双参数线性指数平滑法适用于有线性趋势、无季节变化的时间序列的预测；
Winters线性和季节性指数平滑法适用于对含有季节性因素的时间序列的预测。在不同的模型中，有不同的参数，参数的取值范围在0～1之间。
当参数取值为1时，预测值等于最近的观测值，调节参数值的大小可得到不同的预测结果，判断预测结果的好坏标准可看输出结果中方差（SSE）的大小，方差越小，预测值同实测值拟合度越高。
