全球筆記型電腦銷售需求預測是全球經濟發展的重要議題之一，因為筆記型電腦是由上百種零組件所組合而成，例如液晶面板、電池、CPU、Memory、主機板、機殼、鍵盤、多種IC及零組件等，故其銷售量代表著資訊科技產業整體的發展與成長，因此希望藉著本預測研究，能讓筆記型電腦相關產業之供應鏈，擁有參考之預測數字，藉此掌握市場供需的關係並期待產業穩定成長，避免供需失調，造成庫存及虧損，並依此成為生產及銷售之參考。
本研究主要將以時間數列模型Box Jenkins、Holt-Winters、 Decomposition、GM(1,1)及Transfer Function等模型進行主要之預測。以2003年至2009年全球筆記型電腦出貨量每季資料進行預測，2003年至2008年共24季資料為預測基礎，2009年共4季則為驗證期以驗證預測實證模型成效。
1.單變量預測模型歷史期（2003~2008年）比較，Decomposition的預測效果為最佳。其次為Box Jenkins及Holt-Winters。
2.預測模型驗證期（2009年）預測效果之比較，單變量預測模型部份以Box Jenkins效果為最佳。其次為Holt Winters及Decomposition，其順序與歷史期剛好相反。而多變量分析的Transfer Function模型，則均較單變量預測模型的三者來得更好。
以2008年Q2，至2009年Q4，7個季數據資料進行小筆電(Netbook)全球出貨數量預測模擬分析，採用GM(1,1)模型預測出貨量。其驗證期平均絕對誤差僅0.34%，可知該模型對於模擬小筆電全球出貨數量是具有相當高的效果。

The Global Notebook sales demand forecast is the world's one of the important issues of economic development, because laptop parts from hundreds of the combination .For example: LCD panel, battery, CPU, Memory, motherboard, case, keyboard, a variety of IC and components. Therefore, its sales volume represents the information technology industry as a whole in the development and growth. Therefore hopes to make this prediction notebook computer-related industry supply chain has a reference forecast. To grasp the relationship between market supply and demand and look forward to stable growth industry, to avoid the imbalance of supply and demand, causing inventories and losses, and accordingly a reference for the production and sales.
The forecasting will adopting the time series models like Box Jenkins、Holt-Winters、 Decomposition、GM(1,1) and Transfer function. The forecasting will be use data by 2003 to 2009 quarterly data for global notebook shipments. The research period consists of 24 quarterly data from 2003 to 2008, and it will reserve 4 quarterly data from 2009 to precede one-step-ahead forecast. The research results are listed as followings:
1. Compare the univariate models from history data (2003~2008).Decomposition is the best one to forecast the global notebook shipments, second is Box Jenkins and Holt-Winters.
2. Compare the forecasting models from one-step-ahead data. The univariate models show Box Jenkins is the best one to forecast the global notebook shipments (has smaller mean absolute percentage error (MAPE), second is Holt-Winters and Decomposition; the order is just reverse to history data. The multivariate models (Transfer function) is better than three univariate models
3. The mini-notebook forecasting period consists of 7 quarterly data from 2008.Q2 to 2009.Q4 is adopting GM(1,1) model to forecast shipments. The MAPE is 0.34% that show the model to estimate the global mini-notebook shipments has high effect

一、中文部分
1. 方世杰，「企業技術交易模式影響因素之研究」，國立台灣大學商學研究所博士論文 (1996)。
2. 吳青俊，「類神經日流量即時預測模式之建立」，逢甲大學土木及水利工程所碩士論文 (2001)。
3. 吳柏林，「時間數列分析導論」，華泰書局 (1995)。
4. 吳漢雄、鄧聚龍、溫坤禮，「灰色分析入門」，台北：高立圖書有限公司 (1996)。
5. 李書賢，「供應鏈協同運輸管理之出貨預測與貨運需求預測模式研究」，淡江大學運輸管理學系碩士論文 (2007)。
6. 拓墣產業研究所，「2010年全球NB出貨量預估」，拓墣產業研究所 (2009)。
7. 林威廷，「應用層級式預測方法於季節性資料分析之研究─以家電製造商之出貨量為例」，臺灣大學商學研究所碩士論文 (2006)。
8. 林茂文，「時間數列分析與預測」，華泰書局，台北，第103頁 (1985)。
9. 林聰明、吳水丕，「指數平滑法選擇與應用」，華泰書局，台北 (1981)。
10. 春日井博，「需求預測入門」，書泉出版，台北 (1988)。
11. 徐桂祥，「灰色系統在商情預測上之研究」，雲林技術學院資訊管理技術研究所碩士論文 (1997)。
12. 翁世昕，「筆記型電腦液晶面板出貨量層級式預測之研究」，國立臺灣科技大學工業管理系碩士論文 (2005)。
13. 郭富聚，「應用類神經網路預測台北市臭氧濃度之研究」，國立台北科技大學環境規劃與管理研究所碩士論文 (2001)。
14. 陳進福，「應用類神經網路預測辦公用品物流中心之隨機出貨量」，國立台北科技大學工業工程與管理系碩士論文 (2007)。
15. 楊惠婷，「長期需求預測之一研究--以台灣電力需求為例」，淡江大學管理科學研究所碩士論文 (2001)。
16. 潘曉葦，「需求預測模式之建立」，國立台灣科技大學資訊管理研究所碩士論文 (2000)。
17. 鄭碧娥，「商情預測」，三民書局，台北 (1993)。
18. 鄧聚龍，「灰色系統理論與應用」，高立圖書有限公司，台北 (2000)。
19. 顏沛華，「模糊理論應用於地層下陷之預測」，國立成功大學水利及海洋工程研究所碩士論文 (1999)。
20. 曾治瑋，「應用適應性模糊類神經系統於台灣地區汽車銷售預測」，國立臺灣科技大學工業管理系碩士論文 (2009)。
21. 羅心蓮，「全球液晶監視器市場需求預測之研究」，國立清華大學工業工程與工業管理系碩士論文 (2005)。
22. 羅華強，「類神經網路-Matlab的應用」，清蔚科技出版社，台北 (2001)。
23. 蘇淑枝，「選舉預測模型之研究―以公元2000年總統大選為例」，國立政治大學統計研究所碩士論文 (1999)。

二、英文部分
1. Clement, M. S., “Analyst forecast accuracy: Do ability, resources, and portfolio complexity? ,” Journal of Accounting & Economics, Vol. 27, pp. 285-303 (1999).
2. Gardner, E. S. and Diaz-Saiz, J., “Seasonal adjustment of inventory demand Series: A case study,” International Journal of Forecasting, Vol. 18, pp. 117-123 (2002).
3. Simes, T. F., and Barr, R. S., “Evaluating the productive efficiency and performance of U.S. commercial banks,” Managerial Finance, Vol. 28, pp. 3-25 (2002).
4. Wheelwright, S. C. and Makridakis, S., Forecasting Methods for Management, Wiley, New York, pp.109-113 (1973)