第五章经营预测分析.

经营预测的一般程序1.明确预测目标（利润、成本、销售量）；2.收集有关资料；3.建立预测模型;4.选定预测方法；5.开展实际预测；6.分析预测误差；7.应用预测结果。调查分析法判断分析法趋势预测分析法因果预测分析法季节预测分析法购买力指数法算术平均法加权平均法指数平均法回归直线法对数直线法多元回归法定性销售预测定量销售预测销售预测方法5.1销售预测1.定性销售预测依靠预测人员丰富的实践经验和知识以及主观的分析判断能力，在考虑到政治、经济形势、市场变化、经济政策、消费倾向等对经营影响的前提下，对事物的性质和发展趋势进行预测和推测的分析方法。调查分析法(统计调查法)调查分析法：通过对代表性顾客的消费意向的调查，进行销售预测。首先，调查对象要具有普遍性和代表性；其次，调查的方法要简便易行；此外，对调查所得到的数据和资料进行科学分析。适用于顾客数量有限，调查费用不高，而每个顾客意向又不轻易改变的情况。例家庭组别（按年收入划分）①家庭户数②每户年均购买额（按调查结果）（元）③市场潜量（元）④＝②③本企业最高市场占有率⑤本企业销售潜额（元）⑥＝④⑤100000元以下80000100800000030%2400000100000~199999元10000200200000020%400000200000~299999元5000300150000020%300000300000元100040040000010%40000合计96000—119000003140000判断分析法(专业人员评定法)判断分析法：销售人员根据直觉判断进行预估，然后由销售经理加以综合进行销售预测。由于销售人员接近和了解市场，所以得出的预测数据比较接近实际；该方法便于确定给各销售人员分配任务，发挥其积极性；由于受各种因素的影响，销售人员的预测会出现偏差，需要经理进行修正。该方法适用于不便直接向顾客调查的公司。销售量（件）概率销售量×概率甲销售员预测最高5000.2100最可能4000.5200最低3000.390期望值390乙销售员预测最高6000.2120最可能5000.6300最低4000.280期望值500丙销售员预测最高5500.2110最可能4500.5225最低3500.3105期望值440经理预测最高5000.3150最可能4500.5225最低3000.260期望值435将经理的预测权重确定为2，而将销售人员的预测权重均确定为1，则综合预测结果是综合预测销售量=（390×1+500×1+440×1+435×2）/（1+1+1+2）=440（件）2.定量销售预测定量销售预测：应用数学方法，对与销售有关的各种经济信息进行科学加工处理，并建立相应模型，充分揭示相关变量之间的规律性联系并作出相应的预测结论。1、趋势预测分析法根据历史的、按发生时间的先后顺序排序的一系列销售数据，应用一定的数学方法加工处理，按时间数列找出销售随时间而变化的趋势，由此判断未来发展趋势。2、因果预测分析法利用与产品销售（因变量）相关的因素（自变量）之间的函数关系进行销售预测。3、季节预测分析法4、购买力指数法(1)趋势预测--算术平均法算术平均法采用若干历史时期的销售量（额）的算术平均值作为下一期的销售量（额）的预测值。例：考察期内各个月份实际销售额分别为：1200、1000、1100、1300、1200、1080则预测值为：如果历史时期的销售量呈现增减趋势，该法可以用吗？116061080...1200nxxi算术平均法优点：计算简单、方便易行缺点：没有考虑近期的变动趋势这种方法适用于销售量或销售额比较稳定商品注:一次移动平均法类似于算术平均法(1)趋势预测--加权平均法加权平均法将若干个历史时期的观察值与各自的权数相乘之积加总，然后除以权数之和，以此加权平均值作为下一期的预测值。当各历史时期的销售量呈现增减趋势时，有必要将近期观察值的权重定的大一些。加权平均法例：考察期内各个月份实际销售额分别为：1200、1000、1100、1300、1200、1080权重分别为：1、2、3、4、5、6则预测值为：12001...10806115121iiixwYw(1)趋势预测--变动趋势平均法2010年月份实际销售量五期销售平均值变动趋势三期趋势平均值110---211---31312.6--415130.4-5141410.7361214.80.80.8771615.60.81.0781717.21.61.3391918.81.61.4101019.81-1111---1212---(1)趋势预测--变动趋势平均法2011年1月销售量=基期销售量移动平均值+基期趋势值移动平均值*基期与预测期的时间间隔=18.8+1.4*4=24.4(万件)或=19.8+1.4*3=24(万件)特点:提供比随机系列更为平滑的趋势系列111tttSXS（）(1)趋势预测--指数平滑法例：已知：中盛公司某年1——6月份某产品销售量资料如下：单位：台要求：假定平滑系数为0.3，1月份预测值为1250台，用指数平滑预测法预测7月份的销售量。月份123456销售量120010001300120011701350月份Xt-1基期实际销售量St-1基期销售量预测值St=αXt-1+(1-α)St-111250212001250123531000123511654130011651206512001206120461170120411947135011941241(1)趋势预测--指数平滑法总结：★销售量波动大或短期销量预测，选择较大的平滑指数★销售量波动小或长期销量预测，选择较小的平滑指数0≤a≤1一般取值0.3～0.7之间与加权平均法比较，指数平滑法的优点：1）a值可以任意设定，比较灵活2）在不同程度上考虑了以往所有各期的观察值。(2)因果预测法分析某个指标与其他指标之间的相互联系，并以它们之间的规律性联系预测其未来变化趋势的分析方法。常用的方法是回归分析法；回归直线法(直线趋势法)对数直线法(二次曲线趋势法\指数曲线趋势法)多元回归法回归直线法y=a+bx二次曲线趋势法y=a+bx+cx2对数直线法y=abx多元回归法y=a+∑bixi因果预测分析法假定影响销量的变量只有一个，且二者呈线性关系假定影响销量的变量只有一个，且销量大致按比率变动。假定影响销量的变量不止一个，且与销量呈线性关系。回归直线法回归直线法假定预测对象销售量的变量只有一个,根据直线方程y=a+bx和x的取值对y进行预测。例：已知：某企业的商品销售量与当地居民人均月收入的近十一年的数据资料如下表所示，假定2010年居民人均月收入为10.5百元要求：用回归预测法预测2010年该企业的商品销售量。年份销售量（万件）居民人均月收入（百元）19991555.520001606.020011856.320022057.020032107.520042308.020052308.220062459.020072559.420082709.620092759.9合计242086.4解：根据上述资料，采用回归预测法整理并计算出的有关数据如下表。年份销售量Ｙ（万件）人均月收入X（百元）ＹXＹ2X219991555.5852.52422530.2520001606.0960.02560036.0020011856.31165.53422539.2920022057.01435.04202549.0020032107.51575.04410056.2520042308.01840.05290064.0020052308.21886.05290067.2420062459.02205.06002581.0020072559.42397.06502588.3620082709.62592.07290092.1620092759.92722.57562598.01合计242086.419630.5549350701.566.74YbXanQˆQˆ=6.74+27.15X因为：2010居民人均月收入（X）为10.5百元所以：2010年该企业的商品销售量预测数为：=6.74+27.1510.5＝291.8（万件）2227.15nQXXYbnXXＹ例回归直线法：Y=a+bx某企业专门生产电冰箱的压缩机，影响压缩机销量的主要因素是电冰箱的销售量。经统计连续5年电冰箱和压缩机的实际销售量如下：nxbyaxxnyxxynb22年度19981999200020012002压缩机销售量（万只）2025303640电冰箱销售量（万台）100120140150165解经分析电冰箱压缩机的销售量y与电冰箱的销售量x呈线性关系：y=a+bx设：y——电冰箱压缩机的销售量；x——电冰箱的销售量；a——原来拥有电冰箱对压缩机的年需求量；b——每销售万台电冰箱对压缩机的需求量。年度电冰箱销售量x压缩机销售量yxyxx199810020200010000199912025300014400200014030420019600200115036540022500200216540660027225n=56751512120093725若预测期2003年的电冰箱销售量预计为180万台，采用回归直线法预测2003年该公司电冰箱压缩机的销售量如下：313.0675675937255)151675212005(22xxnyxxynb06.125)675313.0(151nxbya1234预测直线方程为：y=a+bx=-12.06+0.313x预测2003年压缩机销售量为：y=-12.06+0.313x180=44.28（万元）对数直线法当因变量y与自变量x满足方程y=abx的指数函数关系时，可以采用对数直线法；相应的对数直线方程为lgyt=lga+xtlgb分析方法同回归直线法。多元线性回归法多元线性回归法是以多元线性方程为基础，建立一个预测函数式进行预测的方法。举例说明，如果因变量受两个因素共同作用，则设函数方程如下：可以用“简捷法”来确定公式中的a、b1和b22211xbxbay2211xbxbnay21221111xxbxbxayx22221122xbxxbxayx例：设某企业2002年至2006年的制造费用、直接人工小时和机器工作小时如表所示。要求建立三个变量之间的回归模型。年份制造费用（元）直接人工小时（千小时）机器工作小时（千小时）200220032004200520063200200127003135296426151821205035404540∑14000100210例题分析1x2x21x22x21xxyx1yx2年份y200220032004200520063200200127003135296426151821205035404540676225324441400250012251600202516001300525720945800832003001548600658355928016000070035108000141075118560∑14000100210206689504290289305976702211xbxbnay21221111xxbxbxayx22221122xbxxbxayx将表中的有关数据代入方程组，用“简捷法”求解。可得：y=254.50+63.75x1+30.25x2相关预测法应注意的问题应用相关预测法，一般应进行相关程度测定，即通过计算相关系数来检验预测变量与相关因素变量间的相关性，以判断预测结果的可靠性。相关系数R的应用相关系数R的取值范围为：-1≤R≤1。R的绝对值愈接近1，相关关系越密切。一般可按如下标准加以判断：|R