搜索
第1页第一章市场需求预测本章考情分析：本章历年都是传统重点章节，必然涉及一道案例题，尤其是定量分析的几种常用方法（定性偶尔会考到）。预计2019年考试中会有一道计算题涉及定量分析，新增内容考察的可能性也极大，课本中案例题至关重要。以理解和动手练习为主，本章是必争之地。2011年2012年2013年2014年2016年2017年（1）简单移动平均（2）市场预测方法弹性系数法（1）简单移动平均法（2）指数平滑法（1）弹性系数法（2）专家调查法（3）简单移动平均法（1）一元线性回归（2）专家调查法（1）专家调查法（2）弹性系数法（3）德尔菲法第一节市场预测的方法第2页第3页市场预测的方法体系：预定性方法定量方法测方法因果分析延伸性预测专家会议法征兆预测法类推预测法回归法消费系数法弹性系数法购买力估算法移动平均法指数平滑法成长曲线模型方法简介组织有关专家，通过会议的形式进行预测，综合专家意见，得出预测结论根据事物之间的因果联系，分析影响事物发生变化的内在联系的因素指标，作为征兆指标进行预测。运用相似性原理，对比类似产品发展过程，寻求变化规律，进行预测运用因果关系，建立回归分析模型，包括一元、多元回归和非线性回归等得出预测结果对产品在各行业的消费系数量进行分析，结合行业规律，预测需求总量运营两个变量之间的弹性系数进行预测通过分析社会居民总购买力和投向导出对某种产品的需求量对具有时序变化规律的事物，取时序中连续几个、数据的平均值，作为下一个时间序列的预测值与移动平均法相似，只考虑历史数据的近远期作用不同，给予不同的权值运用数学模型，拟合一条趋势线，外推未来事物的发展规律。适用范围长期预测长期预测长期预测短、中长期预测短、中长期预测中长期预测短、中长期预测近期或短期预测近期或短期预测短、中长期预测数据资料需求多年历史资料需要多年数据数据最低要求5～10个至少5个数据精确度较好较好尚好很好很好较好较好尚好较好较好第4页小案例1：（2014年真题节选）某生产企业主要生产A、B两类产品，目前市场对C产品的需求在增加。据此，该企业拟投资建设生产C产品的项目。项目工作小组开展了下列工作：（1）项目经理召集工作小组成员进行市场研究，大家讨论得出的主要观点有：b）定性预测不能给出明确的市场需求量，因此在预测市场需求量时，应排除定性预测法。问题：1.分别判断（1）中项目工作小组成员的观点是否正确，简要说明理由。参考答案：b）不正确，定性预测也是一种有效的预测方法，不能排除，应该定性预测与定量预测相结合。重点掌握以下预测方法的计算公式定量方法：定性方法德尔菲法第二节定量预测法1.一元线性回归分析（1）假设预测对象（y）与主要影响因素（x）之间存在线性关系，则：y＝a＋bx＋e（xi，yi）为（x，y）样本中的一组数据，因而也有：yi＝a＋bxi＋ei其中：ei为用a＋bxi去估计yi的值而产生的误差。在实际预测中，ei是无法预测的，忽略ei后可得到预测对象y的估计值。第5页y＝a＋bxn为样本组数；xi,yi分别为自变量xi，因变量yi的观察值（实际值）。对于任何一个观察值xi，都有拟合值（预测值）：yi’＝a＋bxi（2）相关检验（方差分析、相关系数检验、t检验）对于一元线性回归，这些检验效果是相同，因此，选择一项检验即可。①方差分析R2的大小表明了y的变化可以用x来解释的百分比。②相关系数检验相关系数是描述两个变量之间的线性相关关系的密切程度的数量指标，用R表示。R的绝对值越接近1，表明其线性关系越好；在计算出R值后，可以查相关系数检验表。在自由度（n－2）和显著性水平α（一般取α＝0.05）下，若R大于临界值，则变量x和y之间的线性关系成立；否则，两个变量不存在线性关系。③t检验通常只检验参数b。第6页tb服从t分布，通过查t分布表查得显著水平为α，自由度为n－2的数值t（α/2，n－2）。若tb的绝对值＞t，表明x,y之间的线性假设成立；若tb的绝对值≤t，则假设不成立。t分布表n0.250.20.150.10.050.0250.010.0050.00250.0010.000511.0001.3761.9633.0786.31412.7131.8263.66127.3318.3636.620.8161.0611.3861.8862.9204.3036.9659.92514.0322.3331.6030.7650.9781.2501.6382.3533.1824.5415.8417.45310.2112.9240.7410.9411.1601.5332.1322.7763.7474.6045.5987.1738.61050.7270.9201.1561.4762.0152.5713.3654.0324.7735.8936.86960.7180.9061.1341.4401.9432.4473.1433.7074.3175.2085.95970.7110.8961.1191.4151.8952.3652.9983.4994.0294.7855.40880.7060.8891.1081.3971.8602.302.8963.3553.8334.5015.04190.730.8831.1001.3831.8332.2622.8213.2503.6904.2974.781100.7000.8791.0931.3721.8122.2282.7643.1693.5814.1444.587110.6970.8761.0881.3631.7962.2012.7183.1063.4974.0254.437120.6950.8731.0831.3561.7822.1792.6813.0553.4283.9304.318130.6940.8701.0791.3501.7712.1602.6503.0123.3723.8524.221140.6910.8681.0761.3451.7612.1452.6242.9773.3263.7874.140150.6900.8661.0741.3411.7532.1312.6022.9473.2863.7334.073160.6890.8651.0711.3371.7462.1202.5832.9213.2523.6864.015170.6880.8631.0691.3331.7402.1102.5672.8983.2223.6463.965180.6870.8621.0671.3301.7342.1012.5522.8783.1973.6103.922190.6860.8611.0661.3281.7292.0932.5392.8613.1743.5793.883200.6860.8601.0641.3251.7252.0862.5282.8453.1533.5523.850210.6850.8591.0631.3231.7212.0802.5182.8313.1353.5273.819220.6850.8581.0611.3211.7172.0742.5082.8193.1193.5053.792230.6840.8581.0601.3191.7142.0692.5002.8073.1043.4853.767240.6840.8571.0591.3181.7112.0642.4922.7973.0913.4673.745250.6840.8561.0581.3161.7082.0602.4852.7873.0783.4503.725260.6840.8561.0581.3151.7062.0562.4792.7793.0673.4353.707270.6840.8551.0571.3141.7032.0522.4732.7713.0573.4213.690280.6830.8551.0561.3131.7012.0482.4672.7633.0473.4083.674290.6830.8541.0551.3111.6992.0452.4622.7563.0383.3963.659第7页（3）点预测与区间预测上述方法介绍的是如何进行点预测，当求出回归方程后，如果给定自变量x的未来值x0后，即可求出：y0’＝a＋bx现实中，预测的实际值总会与预测的预测值产生或大或小的偏差，那么以一定的概率1－α预测的y在y0’附近变动的范围，称为区间预测。在小样本统计下（样本组数n），置信水平为100（1－α）%的预测区间为：y0’±t（α/2,n－2）S0t（α/2,n－2）可以查t分布表得出，一般取α＝0.05。小案例2：（2008年真题节选、2016年）咨询人员最终采用回归分析法进行预测，预测结果是2015年B业务的产品市场需求为3000万台。检验系数t（α/2,n－2）＝2.04，S0＝140（其中α＝0.025，n＝30）。问题：3.根据市场需求预测结果，分析2015年B业务产品需求量的区间及其可能的概率。参考答案：该产品需求量的预测区间＝y0’±t（α/2,n－2）S0＝3000±2.04×140＝3000±285.6即：2015年B业务产品需求量的预测区间在（2714.4，3285.6）内，其可能的概率为100（1－α）%＝100（1－0.025）%＝97.5%。小案例3：（2004年真题节选）某产品过去5年的销售额与目标市场人均收入的数据如表2，预计2006年该产品的目标市场人均收入为1800元。表21999-2003历年产品销售额与目标市场人均收入年份19992000200120022003产品销售额（万元）3035363840人均收入（元）10001200125013001400已知数据：1999－2003历年产品销售额的平方和为6465；1999－2003历年人均收入的平方和为7652500；1999－2003历年人均收入与产品销售额乘积之和为222400。问题：1.建立一元线性回归模型。2.进行相关系数检验。3.对2006年可能的销售额进行点预测。第8页参考答案：1.建立一元回归模型：y＝a＋bx其中：所以：b＝（222400－1230×179）/（7652500－1230×6150）＝0.025a＝35.8－0.025×1230＝5.05因此，回归方程为：y＝5.05＋0.025x2.相关系数为：经计算，得到R＝0.997＞R0.05＝0.878因此，产品销售额和人均收入之间的线性关系成立。3.2006年可能的销售额为：y＝5.05＋0.025×1800＝50.05万元2.弹性系数法（1）收入弹性ε1＝购买量的变化率/收入变化率＝（ΔQ/Q）/（ΔI/I）（2）价格弹性εp＝购买量的变化率/价格变化率＝（ΔQ/Q）/（ΔP/P）一般为负数第9页（3）能源需求弹性εe＝能源消费量发化率/国内生产总值变化率＝（ΔE/E）/（ΔGDP/GDP）小总结：基本公式：A，B变量变化率＝[本年的数值－上一年的数值]/上一年的数值第10页3.消费系数法消费系数是指某种产品在各个行业（或部门、地区、人口、群体等）的单位消费量。消费系数法，是对某种产品在各个行业的消费数量进行分析，在了解各个行业规划产量的基础上，汇总各个行业的需求量，从而得出该产品的总需求量。（1）根据预测样本数据，可求得某部门的消费系数：ei＝某部门产品消费量xi/该部门产品的产量yi（2）预测各部门需求量xi’＝部门规划生产量yi’×该部门消费系数ei（3）产品总需求量x’＝∑各部门需求量xi’小案例4：某地区车用汽油市场预测：2015年某地区各类汽车消耗车用汽油121.02万吨。其具体消耗见下表，预计2020年当地各类车保有量分别是：私人轿车20万辆，出租车5万辆，商务用车7万辆，小型摩托车等0.5万辆，其它车2万辆。假定各类车辆年消耗汽油不变。请用消费系数法预测2020年车用汽油需求量。2015年某地区车用汽油消费量表类别私人轿车出租车商务用车小型摩托车其它车辆合计车辆保有量（万辆）6.213.345.730.241.2216.74年消耗汽油（万吨）19