例如，某企業上年生產並銷售機器2，680台，而上年初計劃生產並銷售機器2，600台，若取a＝0.4，則下年生產並銷售出機器為：
2，680×0.4＝（1－0.4）×2，600＝2，632台。
指數平滑法是一種比較簡便實用的預測方法。其主要優點，一是在沒有曆史資料儲存的情況下，用最近期的實績和計劃數就可以進行預測；二是通過正確選擇a值，可以適當控製預測結果，提高其精確度。但加權係數a值的確定難度大，可視過去各期實績與計劃數的差距情況，根據經驗分析判斷確定。這種方法僅適於近期預測，不宜作長期預測。
42.什麼是相關因素預測法？
相關因素預測法又稱回歸分析法或因果分析法。它是從一件事情與別件事情存在的密切關係去預測它的變化趨勢的。經濟現象的變化經常受一個或幾個主要因素的影響。例如，蔬菜上市量受蔬菜種植麵積和施肥量的影響；家具銷售量受結婚人數的影響；生產成本受原料購進價格、企業生產技術和管理水平的影響。這些因素的變化雖然對相關經濟現象有著一定的或重大的影響，然而它們之間的關係又不是確定的，但在大量觀察中，卻呈現某種相依變動的規律性。所以，我們稱這種關係為相關關係。
相關的種類有：（1）從其所涉及標誌的數量不同可分為單相關與複相關。單相關是隻研究兩個標誌之間的關係；複相關則研究三個標誌以上的關係。（2）從其變化的方向上看，可分為正相關和負相關。正相關是指兩個標誌間數量的變化方向相同；負相關則是指兩個標誌之間數量的變化方向相反。（3）從相關關係的形式上，可分為線性相關與非線性相關。凡是標誌之間的關係能用線性函數作近似表示的稱為線性相關；否則稱為非線性相關。
相關因素預測法，是以預測對象為因變量，諸影響因素為自變量，根據兩者的曆史統計數據，利用回歸分析方法，建立起回歸方程，並經過驗證和檢驗，確認該方程可用於預測的情況下，及預測期已知的或假設的自變量代入方程，求得預測值。相關分析方法，按影響因素的多少，可分為一元回歸預測與多元回歸預測。一元回歸預測又可分為一元線性回歸預測與一元非線性回歸預測。
43.什麼是季節趨勢預測法？
某些企業生產經營的商品，受季節變化的影響很大，如棉衣、涼鞋等應季商品。但是這些商品的營銷是有規律的。我們可以根據預測對象的季節變動規律性，推斷未來不同季節的預測值。其具體步驟如下：
（1）計算出考慮期（如1988年至1992年）內各季度的平均銷售量。假定某企業在5年內各年第一季度銷售量共12萬件，則每年第一季度的銷售為：12萬÷5＝2.4萬件。
（2）根據年平均銷售量計算出五年的季度平均銷售量。假定該企業5年共銷售40萬件，則每季度平均銷售量為40萬÷5÷4＝2萬件。
（3）計算季節銷售指數。根據上述資料，第一季度的季節銷售指數＝（24，000÷20，000）×100％＝120％。
（4）根據預測期（如1993年）計劃銷售量和季度銷售指數，預測各季度的銷售量。假定該企業1993年計劃銷售量為104，000件，則第一季度的銷售量為：
（104000／4）×120％＝31，200件。
如果計算月份的季節銷售指數，其步驟與上述相同，即：首先計算考慮期內各相同月份的合計銷售量；其次求出各相同月份的平均銷售量；再次，計算出考慮期所有月份的平均銷售量；最後計算月份的季節銷售指數。有了季節銷售指數就可以進行季節趨勢預測了。