2010年第四季度，中国柴油供应呈现紧张趋势，柴油价格出现大面积倒挂，这一现象归因在于柴油市场短暂供需的不平衡。而今年来，中国工业化进程加速，柴油消费量与随之迅速发展，占据了成品油市场销量的三分之二左右，柴油关系到中国的经济命脉以及在现代化建设中具有重要的位置，因此，对柴油市场需求量的深入研究具有重要的理论与实践意义。　　本文基于市场经济理论以及中国柴油市场的需求状况，综合分析各种预测模型，然后选择因果模型中的多元回归方法与时间序列模型中的传递函数模型对1978年至2009年年度柴油表观消费量进行研究，最后建立预测模型。然后分别利用多元回归预测模型与传递函数预测模型对未来四年中国的柴油需求量进行预测。并根据模型提出了相关管理建议。　　第一章在充分论证了选题意义的基础上，明确了研究问题与研究方法，即本文采用定性与定量相结合的方法，在定性分析的基础上，以中国柴油表观消费量的年度数据为依据，建立预测柴油表观消费量的多元线性回归模型及传递函数模型。　　接下来，通过对相关文献的整理总结一些常用的预测模型如因果分析模型、时间序列模型等，从文献综述中发现不同的预测模型具有各自的优点同时也存在一定的局限性。研究发现因果分析模型良好的数理基础可以解释柴油市场需求的经济意义，而另一方面，传递函数模型(ARIMAX)可以很好的研究数据自身的统计特征达到一定的预测精度。从理论角度论证了选择多元回归模型与传递函数模型对柴油需求量进行预测的可行性。　　柴油市场需求预测模型的构建离不开对市场经济理论的运用以及中国柴油市场特征的分析，因此，在第三章，对中国柴油市场生产消费特点及柴油需求量的影响因素进行定性全面分析。中国的柴油市场具有需求量大且增速快的特征，同时柴油被用于各种行业的应用之中，其中交通运输行业、电力行业占据柴油使用量的绝大部分。柴油市场相对比较复杂，影响柴油消费量的因素较多，如宏观经济形势，例如人均国民生产总值、工业增加值等;以城镇化比率、城乡人口数为代表的人口结构因素;交通运输行业因素，包括公路里程、铁路货货运输周转量、公路货运输周转量以及车辆因素，例如乘用车销量、民用载货汽车保有量等，而且这种影响有可能并不是同期的。本章通过总结相关影响因素，提出建立模型的假设，即宏观经济变量、人口结构变量、交通运输变量、车辆变量、柴油价格变量均对柴油需求量有显著影响。同时，假设柴油市场供需平衡，因此可以采用消费量替代柴油需求量，用于柴油需求量的预测建模。　　在充分研究了柴油市场消费特征以及柴油需求量的影响因素的基础上，本文采用回归模型对柴油消费量进行多元线性回归建模，研究影响柴油消费量的因素建立模型并进行预测。在第四章节，首先介绍了多元回归模型的理论，其中也包括模型的定义、因子分析方法的介绍，为下一步建立多元回归模型提供理论依据。利用中国石油规划总院收集到1978年到2009年中国柴油表观消费量、人均国民生产总值、工业增加值、城镇化比率、农村人口数、公路里程、铁路货运输周转量、公路货运输周转量、柴油相对价格等年度数据，将这些自变量作为预测中国柴油表观消费量模型的输入变量，由于这些变量的共线性较高，因此利用主成分分析方法提取了三个因子，利用这三个因子建立回归预测模型，预测结果显示，预测的可决系数高于99％，预测误差较小。　　很多研究表明:在预测领域，时间序列分析模型应用较为广泛。因此，为了探索不同的预测模型在柴油需求量预测研究中的应用，在第五章，作者采用传递函数模型对柴油市场需求量进行预测模型的建立。同理，先介绍传递函数模型的原理以及相关建模步骤。然后选择自变量，通过观察自变量与因变量的相关关系图确定显著影响中国柴油需求量的影响因素，利用自变量与因变量相互的动态关系建立模型。结果证明模型的预测效果较好，同时得出工业增加值滞后一期影响柴油需求量以及铁路货运周转量对柴油需求量有影响的结论。　　在第六章将重点分析回归分析和时间序列分析二者的优缺点，对两个模型的预测结果的进行对比评价。综合考虑了多方面评价指标，如模型的预测精度、模型的适用性、实用性等。在对模型预测效果进行充分研究与评价的基础上给出最终的管理建议。通过本章研究可以看到在多元线形回归模型含有11个自变量相比于传递函数模型更为复杂，每一自变量的误差对模型预测影响相对较小，同时，由于引入负相关变量，因此在对2010年数据进行预测时得到的结果与实际值更为接近。但由于含有的自变量较多，因此对数据的收集要求更高，成本也更大，而传递函数模型含有变量少相对比较简单，对于短期数据具有很高的预测精度，但对于长期的预测结果较差。在对两个模型进行充分研究的基础上给出了最后的管理建议，包括政府与企业两个方面。　　文章的最后总结了整个文章的研究创新、局限并给出未来的研究方向。对于能源的预测较为复杂，单一的预测模型由于自身的局限性并不能总是取得很好的预测效果，未来的研究可以考虑综合使用不同的预测模型对能源的需求进行预测达到很好的预测效果。可以看到本次研究存在不足，而对于柴油市场的需求预测是一个需要不断探索与研究的过程，需要不断的研究柴油市场，理顺各种关系，才能得到精确而有效的预测模型。