市場調查與預測(第10章)

1、 【觀念應用10-2】如某家電用品公司打算開拓五個城市的空調器市場而進 行了調查，獲得去 年的空調器市場銷售量，如圖表10-1 所示,預測今年需求 量。 表10-1 五城市去年空調器市場銷售量 【分析提示】 經(jīng)過對市場200萬家庭住戶的抽樣調查，今年對空調器的購買量為每百 戶4名，即需求率為0.04，得出市場預測值為8萬臺，但這僅是對一個城市的 抽樣調查，其他四個城市需求量如何，就要采用局部總體類推法，以一個市 場資料為基礎，來類推其他四個市場的需求量，最后加以綜合。在應用局部 總體類推法進行預測時，應注意，該方法建立在事物發(fā)展變化的相似性基礎 上，相似性并不等于相同。 【案例【案例】 某企業(yè)

2、為使下一年度的銷售計劃制訂得更為科學，組織了一次銷售預測，由某企業(yè)為使下一年度的銷售計劃制訂得更為科學，組織了一次銷售預測，由 經(jīng)理主持，參與預測的有供銷科、財務科、計劃科、信息科的科長，他們的預經(jīng)理主持，參與預測的有供銷科、財務科、計劃科、信息科的科長，他們的預 測估計如表表測估計如表表10-2所示。所示。 表表10-2 10-2 某企業(yè)年度銷售額預測值估計表某企業(yè)年度銷售額預測值估計表 單位：萬元單位：萬元 人公斤 /3 .21%)61 ( 2 5 .6160 1220 g 45.21 2 6 .213 .21 g 萬人4 .62 2 021. 12 .612 .61 j 48.13384

3、5.214 .62gjS 萬公斤 領先指標法預測步驟領先指標法預測步驟 （1）根據(jù)預測的目標和要求找出領先指標。）根據(jù)預測的目標和要求找出領先指標。 例如，預測化工產品的價格變動，可把石例如，預測化工產品的價格變動，可把石 油價格變動作為領先指標。油價格變動作為領先指標。 （2）畫出領先指標、同步指標、滯后指標）畫出領先指標、同步指標、滯后指標 的時間序列圖。的時間序列圖。 （3）進行預測。）進行預測。 10.2 定量預測法定量預測法 定量預測方法主要有時序預測法、回歸分定量預測方法主要有時序預測法、回歸分 析預測法、經(jīng)濟計量模型預測法等析預測法、經(jīng)濟計量模型預測法等. 10.2.1 時間序列

4、預測法概述時間序列預測法概述 時間序列預測法是根據(jù)預測目標自身的時間序列的分析時間序列預測法是根據(jù)預測目標自身的時間序列的分析 處理，揭示其自身發(fā)展變化的特征、趨勢和規(guī)律，建立預測處理，揭示其自身發(fā)展變化的特征、趨勢和規(guī)律，建立預測 模型外推預測事物未來可能達到的規(guī)模、水平或速度。模型外推預測事物未來可能達到的規(guī)模、水平或速度。 時間序列（時間序列（Y）按各種因素作用的效果不同，分為四類變）按各種因素作用的效果不同，分為四類變 動：動： 1長期趨勢（長期趨勢（T）：現(xiàn)象在較長時期內的總的變化趨向。）：現(xiàn)象在較長時期內的總的變化趨向。 2季節(jié)變動（季節(jié)變動（S）：現(xiàn)象季節(jié)性的周期性變動。）：現(xiàn)象

5、季節(jié)性的周期性變動。 3循環(huán)變動（循環(huán)變動（C）：現(xiàn)象以若干年為周期的循環(huán)變動。）：現(xiàn)象以若干年為周期的循環(huán)變動。 4隨機波動（隨機波動（I）：現(xiàn)象受偶然因素而引起的無規(guī)則的波）：現(xiàn)象受偶然因素而引起的無規(guī)則的波 動。動。 時序預測的基本原理是將原數(shù)列時序預測的基本原理是將原數(shù)列Y的數(shù)值分解為長期趨勢、的數(shù)值分解為長期趨勢、 季節(jié)變動、循環(huán)變動和隨機波動，然后進行預測分析。有三季節(jié)變動、循環(huán)變動和隨機波動，然后進行預測分析。有三 種模式：種模式： 乘法模式：乘法模式：YTSCI 加法模式：加法模式：YTSCI 混合模式：混合模式：YTSCI 10.2.2 趨勢分析預測法趨勢分析預測法 是指通過

6、識別時間序列長期趨勢的類型，建立趨勢預測模型進是指通過識別時間序列長期趨勢的類型，建立趨勢預測模型進 行外推預測。它是假定在預測期限內隨機變動較小，并且有理由行外推預測。它是假定在預測期限內隨機變動較小，并且有理由 認為過去和現(xiàn)在的歷史演變趨勢將繼續(xù)發(fā)展到未來時，所作的歷認為過去和現(xiàn)在的歷史演變趨勢將繼續(xù)發(fā)展到未來時，所作的歷 史延伸預測。趨勢分析預測法按照長期趨勢的類型不同，可分為史延伸預測。趨勢分析預測法按照長期趨勢的類型不同，可分為 下列一些預測模式：下列一些預測模式： (1)常數(shù)均值模型常數(shù)均值模型 如果現(xiàn)象的時間序列的各期觀察值（絕對值、或逐年增量、或如果現(xiàn)象的時間序列的各期觀察值（

7、絕對值、或逐年增量、或 環(huán)比發(fā)展速度）大體上呈水平式變化，即各期數(shù)據(jù)圍繞水平線上環(huán)比發(fā)展速度）大體上呈水平式變化，即各期數(shù)據(jù)圍繞水平線上 下波動，則時間序列的變化形態(tài)屬于水平型。其數(shù)列的變化是由下波動，則時間序列的變化形態(tài)屬于水平型。其數(shù)列的變化是由 常數(shù)均值和剩余變動兩部分構成，其常數(shù)均值模型的基本形式為：常數(shù)均值和剩余變動兩部分構成，其常數(shù)均值模型的基本形式為： 其中常數(shù)均值的計算有簡單平均法、加權平均法、幾何平均法其中常數(shù)均值的計算有簡單平均法、加權平均法、幾何平均法 等。剩余變動通常用標準差和標準差系數(shù)來反映。標準差系數(shù)越等。剩余變動通常用標準差和標準差系數(shù)來反映。標準差系數(shù)越 小，常數(shù)均值形態(tài)越嚴格，剩余變動越小。小，常數(shù)均值形態(tài)越嚴格，剩余變動越小。 【例【例10.410.4】某縣】某縣1998199820072007年生豬出欄量的統(tǒng)計數(shù)據(jù)如表年生豬出欄量的統(tǒng)計數(shù)據(jù)如表10104 4。 現(xiàn)采用直線趨勢模型預測現(xiàn)采用直線趨勢模型預測20082008年的生豬出欄量。根據(jù)表中計算的各年的生豬出欄量。根據(jù)表中計算的各 項數(shù)據(jù)，用最小二乘法估計的直線趨勢模型為項數(shù)據(jù)，用最小二乘法估計的直線趨勢模型為 剩余標準差系數(shù)為剩余標準差系數(shù)為2.04%2.