市场调查10

第10章市场定量预测法10.1时间序列预测法10.2回归分析预测法10.3经济计量模型预测法学习目标学习和把握时间序列预测法、回归分析预测法、经济计量模型预测法的概念、类型等陈述性知识；能用其指导“市场定量预测法”中的相关认知活动。学习和把握各种定量预测法的模型、方法、步骤“同步业务”等程序性知识；能用其规范“市场定量预测法”中的相关技能活动。运用本章理论与实务知识研究相关案例，培养在与“市场定量预测法”相关的业务情境中分析问题、决策设计和道德研判能力。参加“定量预测方法知识应用”的实践训练。在了解和把握本实训相关技能点“规范与标准”的基础上，通过系列技能操作的实施，相应实训报告的撰写、讨论与交流等体验活动，培养“定量预测方法知识应用”的专业能力和相关选项的职业核心能力（初级），强化职业道德（顺从级）教育，促进健全职业人格的塑造。引例2001年第三季度我国贸易顺差就已经出现恢复执势头，但世界经济不景气的持续和中国加入WTO，使我们更加倾向于悲观估计2002年的贸易顺差情况。大多数分析家都对2002年情况很不乐观，这一点也同样可以在2002年的财政预算中看出。在九届五次全国人大会上财政部长做的报告中，2002年财政赤字为3098亿元，比2001年的2473亿元增长了25.3%。与前几年的实际增长率相比，2002年的财政收支增长率都很低。这也可以说明，2002年年初在确定计划时，有关政府机构对2002年经济增长不乐观。决策层现在选择继续较大幅度扩大化财政赤字刺激总需求，在这个政策被证实后，就有理由调高对2002年经济增长率的预测。2002年开始的这两个月工业增加值合计比上年同期增长10.9%，明显高于1998年以来的平均增长率。由于2001年头两个月的合计基数比较低，所以，3月份工业增加值的同比增长率可能回落。但即使这样，2002年第一季度的GDP还是会有较高的增长。工业增长率的提高得益于贸易顺差的扩大，因为去年以来贸易顺差的稳定增长，为工业品提供了比较好的需求。除季节因素外，1月份的消费价格指数比上月下降0.4%，而2月份比1月份又上升了0.5%，回到2001年12月份的水平。从这点推测2002年的消费价格指数的培养率在零左右，下半年可能有小幅度的变化，因此可以推算2002年继续降息的可能性不会太大。2002年出现了经济复苏的苗头10.1时间序列预测法10.1.1时间序列预测法概述10.1.2趋势分析预测法10.1.3季节变动预测10.1.4循环变动分析预测10.1.1时间序列预测法概述时间序列是指同一经济现象或特征值按时间先后顺序排列而形成的数列。时间序列分析法是遵循连续性原理，即认为事物发展是延续的，从过去到现在并发展到未来，能够延续下去的预测方法。时间序列分析法应用范围比较广泛，如对商品销售量的平均增长率的预测；季节性商品的供求预测；产品的生命周期预测等等，都可以采用时间序列分析法。10.1.1时间序列预测法概述通常情况下，时间序列变动一般可以分解为以下几种变动形式（见图10-1）。图10-1时间序列变动的形式10.1.2趋势分析预测法趋势分析预测法是指通过识别时间序列长期趋势的类型，建立趋势预测模型进行外推预测。趋势分析预测法按照长期趋势的类型不同，可分为下列一些预测模式：10.1.2趋势分析预测法1）常数均值模型如果现象的时间序列的各期观察值（绝对值、或逐年增量、或环比发展速度）大体上呈水平式变化，即各期数据围绕水平线上下波动，则时间序列的变化形态属于水平型。其数列的变化是由常数均值和剩余变动两部分构成，其常数均值模型的基本形式为剩余变动常数均值tytey10.1.2趋势分析预测法其中常数均值的计算有简单平均法、加权平均法、几何平均法等。剩余变动通常用标准差和标准差系数来反映。标准差系数越小，常数均值形态越严格，剩余变动越小。同步案例某市2000—2008年某商场商品销售额及一阶差分（逐年增减量）如表10—2。要求预测2008年的商品销售额。年份20002001200220032004200520062007年序（t）商品销售额（y）一阶差分（△）027.9—131.03.1233.82.8336.42.6439.32.9542.33.0644.82.5747.62.8表10—1某市某商场1997—2004年商品销售额单位：百万元同步案例从表中一阶差分的变化趋势来看，没有明显的上升或下降趋势，大体上是呈水平式波动的。因此，可采用常数均值模型先确定平均年增长量，再预测明年的商品销售额。采用加权平均法计算的平均增长量为2.775、标准差0.1898、标准差系数0.0684。表明一阶差分的常数均值形态是较为平稳的，因此，可用平均增长量预测2008年的商品销售额：)(38.50775.26.472005百万元y10.1.2趋势分析预测法2）直线趋势模型线性趋势是指现象随着时间的推移而呈现出稳定增长或下降的线性变化规律，如果现象的时间序列的各期数据大体上呈直线趋势变化，即数列的逐期增量(一阶差)分大体相同，则时间数列是由直线趋势和剩余变动两部分构成，即剩余变动直线趋势ty10.1.2趋势分析预测法其中直线趋势用来描述，剩余变动通常用剩余标准差、剩余标准差系数、可决系数来反映。标准差系数越小，可决系数越大，直线趋势形态越严格，剩余变动越小。tyabt10.1.2趋势分析预测法直线趋势模型预测的程序（1）识别现象是否呈直线趋势形态。有两种识别方法，一是数量特征识别法，即数列逐期增减量（一阶差分）大体相同时，则数列的变化趋势为直线型；二是散点图识别法。（2）估计参数、建立直线趋势模型。常用最小二乘法求解a、b参数2tbtatytbNay10.1.2趋势分析预测法（3）评价预测误差大小，衡量直线趋势模型拟合的优良度。主要评价指标有剩余标准差：剩余标准系数：可决系数：（4）利用直线趋势模型外推预测。点预测、区间预测。2ˆ()2yyysNysvys22ˆ()21()yyRyy10.1.2趋势分析预测法3）曲线趋势模型（1）曲线趋势模型的类型当预测目标的时间数列各期观察值大体呈某种曲线形态的变动趋势时，则应建立曲线趋势模型进行外推预测。其模型的基本形式如下：tY＝曲线趋势+剩余变动10.1.2趋势分析预测法其中曲线趋势用合适的曲线方程来描述，剩余变动用剩余标准差、剩余标准差系数、可决系数来反映。标准差系数越小，可决系数越大，曲线趋势形态越严格，剩余变动越小。曲线趋势方程主要有：指数曲线方程：二次曲线方程：三次曲线方程：ttaby2ctbtay23yabtctdt10.1.2趋势分析预测法对数曲线方程：幂函数曲线方程：双曲线方程：修正指数曲线方程：戈伯兹曲线方程：皮尔（逻辑）曲线方程：lgyabtbyatlgyabtlgyabtttyKabttbyka10.1.2趋势分析预测法（2）曲线趋势方程识别和选择。计算式为mNemNyysy22)ˆ(22ˆ()21()yyRyy10.1.2趋势分析预测法（3）曲线趋势模型预测的程序（见图10-2）。图10-2曲线趋势模型预测的程序10.1.3季节变动预测季节变动预测法又称季节周期法、季节指数法、季节变动趋势预测法，季节变动预测法是对包含季节波动的时间序列进行预测的方法。预测方法则归类为：平均季节变动法、趋势剔除季节变动法、趋势剔除季节变动法。1）平均季节变动法10.1.3季节变动预测（1）平均季节指数法平均季节指数法的分析预测模型为：式中，为现象第t期的月（季）预测值；为现象预测月（季）所在年的全年月（季）平均数预测值，亦即该年各月（季）的趋势水平值：为现象第期的季节指数。平均季节指数法的步骤是：首先测定出市场现象各月（季）的季节指数；其次估计确定市场现象预测月（季）所在年的全年月（季）平均数；最后利用上式作出分析预测。tttfYYˆˆtYˆtYˆtf10.1.3季节变动预测2）趋势剔除季节变动法（1）移动平均趋势剔除法；（2）最小平方趋势剔除法。3）线性与季节变动指数平滑法10.1.4循环变动分析预测1）循环变动分析预测的意义循环变动是指现象以若干年为周期的涨落起伏相间的周而复始的变动。或者说，是一种周期较长的有一定规律的从低到高，再从高到低的循环往复的变动。10.1.4循环变动分析预测一个完整的循环变动是由“谷底、峰值、谷底”三个要点，上升期和下降期两大阶段，复苏期、扩张期、收缩期、萧条期四个小阶段构成的（见图10-3）。图10-3循环变动构成图10.1.4循环变动分析预测2）循环变动测定方法（见图10-4）。图10-4循环变动测定方法10.1.4循环变动分析预测3）循环变动预测应用（见图10-5）。图10-5循环变动预测应用同步案例搜集相关资料，对市场家电行业市场惊醒预测业务分析：时间序列预测很好的反映了各种主要因素对产品销售的影响。并充分涵盖了包含季节因素等的预测，符合家电市场行情……业务说明：家电市场是一个白热化的市场，价格因素影响尤为明显，季节也对销售量的浮动有着重大影响，在利用时间序列进行预测时，应记录好每一年的每个月份甚至每一周的个家电品牌的销售情况。职业道德与营销伦理挑水与挖井相邻的两座山上有两座寺庙，里面分别住着两个和尚，这两座山之间有一条河，两个和尚每天都会下山挑水。久而久之便成了朋友……分析提示：作为职场中人，无论你现在有职位有多高，工作有多么好，都应该坚持不懈地保持学习，不断地自我增值，培养自己独特的实力。所谓白天求生存，晚上求发展，昨天的努力就是今天的希望，今天的努力就是未来的希望。10.2回归分析预测法的概念10.2.1一元线性回归模型10.2.2多元线性回归模型10.2.3非线性回归模型10.2.4时间序列自回归模型10.2回归分析预测法的概念回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量关系的预测方法。一元回归分析预测法回归分析预测法的分类（见图10-6）。图10-6回归分析预测法的分类10.2回归分析预测法的概念回归分析预测法的步骤（见图10-7）。图10-7回归分析预测法的步骤10.2.1一元线性回归模型回归分析是研究两个或两个以上变量相关关系的一种重要的统计方法。回归模型；最小二乘估计；最小二乘估计的性质；预测问题；控制问题；可化为一元线性回归的情形；10.2.2多元线性回归模型二元线性回归模型的参数估计；多元线性回归模型的经典假设；多元回归模型的参数估计；多元线性回归模型的假设检验。10.2.3非线性回归模型医学研究中X和Y的数量关系常常不是线性的，如毒物剂量与动物死亡率，人的生长曲线，药物动力学等，都不是线性的。如果用线性描述将丢失大量信息，甚至得出错误结论。这时可以用非线性回归或曲线拟合方法分析。常见的主要非线性回归模型；非线性回归曲线的拟合。10.2.4时间序列自回归模型我们知道，一个变量某年得知，往往与它前几年的值有关，特别是与去年的值有关。因此，我们可以以因变量以前的值作为自变量来建立回归预测模型。这样，整个回归模型只涉及到一个变量，求的参数后，就可以立即进行预测。因此，时间序列自回归模型是指根据时间数列自相关用回归模型来描述同一时间数列前后不同时期数据之间的相互关系，并用于预测分析的模型。10.2.4时间序列自回归模型1）一元线性自回归：由一元线性自回归预测的数学模型可以看出，变量在第t年的值Yt只与其上年的值Yt-1有关。显然，一元线性自回归模型与一元线性回归模型在形式上完全相似。一次，可以用类似的方法求出参数a、b。ittbyaybxay10.2.4时间序列自回归模型2）多元线性自回归：多元线性自回归模型是一元线性自回归模型的推广。自回归模型的参数估计一般采用最小二乘法估计。由于其参数估计的标准方程组的形式同前几节介绍的基本相同，只要令自回归模型中的yt-i=x即可。自回归模型