如果指数平滑系数 a 的取值越大,则近期实际销售量对预测结果的影响也越大;如果 a 的取值越小,则近期实际销售量对预测结果的影响也越小。 ( )

指数平滑法的核心在于通过平滑系数 $\alpha$（0 ≤ $\alpha$ ≤ 1）平衡近期实际值与历史预测值对当前预测的权重。

• $\alpha$ 的作用：$\alpha$ 越大，近期实际值的权重越高，历史预测值的权重越低；反之，$\alpha$ 越小，近期实际值的影响越弱，历史数据的影响越强。
• 破题关键：理解 $\alpha$ 的取值直接决定预测模型对数据变化的敏感度。$\alpha$ 大时模型更“敏感”于近期变化，$\alpha$ 小时则更“平滑”历史趋势。

指数平滑法的预测公式为：
$F_{t+1} = \alpha Y_t + (1-\alpha) F_t$
其中：

• $F_{t+1}$ 是下一期预测值，
• $Y_t$ 是本期实际值，
• $F_t$ 是本期预测值，
• $\alpha$ 是平滑系数。

分析 $\alpha$ 的影响：

1. 当 $\alpha$ 较大（接近 1）：
   • $\alpha Y_t$ 的权重高，近期实际值对预测结果影响显著。
   • $(1-\alpha) F_t$ 的权重低，历史预测值的影响减弱。
2. 当 $\alpha$ 较小（接近 0）：
   • $\alpha Y_t$ 的权重低，近期实际值影响较小。
   • $(1-\alpha) F_t$ 的权重高，历史预测值主导预测结果。

因此，题目中“$\alpha$ 越大，近期影响越大；$\alpha$ 越小，近期影响越小”的表述完全正确。