基本估計技術

1、第5章 基本估計技術如何估計產(chǎn)品的需求函數(shù)，成本函數(shù)與生產(chǎn)函數(shù)？市場需求對于價格變化如何反應?收入與需求具有怎樣的關系?生產(chǎn)成本與產(chǎn)量之間具有怎樣的關系?如何預測未來的需求?了解市場的方法消費者調查 設問：如對廣告了解程度, 價格變化后的消費情況. 方法：采用間接的提問有時效果較好(如詢問消費者對相關產(chǎn)品價格的了解) 缺點：消費者不愿提供或不能夠提供答案.消費者診斷與焦點小組方法：對目標消費者行為進行跟蹤和分析. 如對部分消費者發(fā)放購物券或優(yōu)惠券, 讓其選購, 觀察其消費選擇；或采用會員卡, 記錄其購買情況. 缺點: 成本高, “霍桑效應”-（在被觀察和未被觀察的情況下，人們的行為不同。）市場

2、試驗方法：改變產(chǎn)品的特點和價格，分析市場的反應。如：通過特價活動,了解價格變化的影響. 將商標改名, 看品牌效應.缺點:費用高利用官方統(tǒng)計和行業(yè)學會的統(tǒng)計數(shù)據(jù)統(tǒng)計估計利用計量經(jīng)濟學方法計量經(jīng)濟學: 提供經(jīng)濟變量統(tǒng)計關系科學檢驗方法的學科.估計需求的步驟:(1)識別影響銷量的主要因素(2)收集數(shù)據(jù)(3)確定銷量與主要因素關系的分析模型 (如銷量與價格之間為線形關系),并進行解釋(4)估計參數(shù)并檢驗其可靠性(5)根據(jù)結果進行預測估計方法簡介首先假設函數(shù)的形式。如假設銷量與價格、廣告、收入等因素有關： 利用具體數(shù)據(jù)和回歸分析法對函數(shù)關系中的參數(shù)進行估計 對參數(shù)的估計結果進行統(tǒng)計顯著性檢驗對回歸方程進

3、行檢驗123QAPM簡單線性回歸模型利用樣本數(shù)據(jù)求出樣本回歸線樣本：（X1,Y1), (X2,Y2).,(Xn,Yn)給定X, 估計出的 Y為：假設因變量與自變量之間的真實關系為：YabXiiYabX估計值與觀察值的偏差iiieYY21m i nniie 找出使偏差平方和最小的參數(shù)a和b;估計出的樣本回歸線方程為：XbaY 2)()(XXYYXXbiiiXbYa實例：銷量與價格價格（Xi) 銷量(Yi) Xi-X ( X i-X)2 Yi-Y (Xi-X )(Yi-Y) 100 2000 110 1900 120 1800平均X：110 1900請計算a和b對估計參數(shù)進行統(tǒng)計顯著性檢驗 由于取

4、不同的樣本，估計的參數(shù)不同。因此估計出的參數(shù)值與真實值之間有誤差。如果采用不同樣本估算出的參數(shù)分布越大，那么估計值的可靠性較小。用t比（估計值與估計值的標準差之比）對參數(shù)進行統(tǒng)計分析。t的絕對值越大，那么估計值越不可能為0。 （顯著性水平：參數(shù)的真實值為0，檢驗出的值不為0的概率。如果t的絕對值越大, 出現(xiàn)上述誤差的可能性越小） （統(tǒng)計上的p值表示計算出的t值對應的顯著性水平，置信度為1減去顯著性水平） 例:X對Y是否產(chǎn)生影響?Y=a+bX計算參數(shù)和標準差; 計算t值;如果t值較大(一般以大于2為標準),說明拒絕b=0發(fā)生錯誤的概率小, X變化對Y形成影響.t值22222( )/( )iiie

5、nSE bxxnbtSE b總體方差標準差t統(tǒng)計量概率密度f(b)b的估計值0t/2SE(b)-t/2SE(b)估計值在此范圍接受b=0的假設拒絕拒絕回歸方程的評估對回歸方程整體進行檢驗，判斷回歸方程是否很好的解釋了變量之間的關系?？蓻Q系數(shù)：衡量因變量的變化中能被回歸方程解釋的那部分。222)()YYYYRii（總變化被解釋的變化F統(tǒng)計量F統(tǒng)計量用于檢驗整個回歸方程是否解釋了Y的變化量中的相當一部分.其衡量方法是用因變量的變化中被解釋的部分與無法解釋部分的比率. 前者的自由度是k-1,后者的自由度是n-k.F=被解釋的變化/(k-1)/未被解釋的變化/(n-k).非線性方程的回歸轉化成線性方程

6、進行回歸分析回歸分析可通過計算機進行。軟件如：EVIEWS, TSP案例: A公司銷售量廣告投入價格地區(qū)收入情況areaYAPM116015015.00 19.00 222016013.50 17.50 31405016.50 14.00 419019014.50 21.00 51309017.00 15.50 61606016.00 14.50 720014013.00 21.50 815011018.00 18.00 921020012.00 18.50 1019010015.50 20.00 估計結果: Y=310.2448+0.007717A-12.20250P+2.676784MDe

7、pendent Variable: YMethod: Least SquaresDate: 04/16/06 Time: 09:16Sample: 1 10Included observations: 10VariableCoefficient Std. Errort-StatisticProb. C 310.244895.074863.2631630.0172A 0.0077170.2040640.0378160.9711P -12.202504.582070-2.663097 0.0374M 2.6767843.1600720.8470640.4294R-squared 0.789580 Mean dependent var175.0000Adjusted R-squared 0.684370 S.D. dependent var 31.00179S.E. of regression 17.41711 Akaike info criterion8.841957Sum squared resid 1820.134 Schwarz criterion 8.962991Log likelihood -40.20979 F-statistic7.504796Durbin-Watson stat 2.