书城教材教辅市场调查与预测(第三版)
15501500000046

第46章 回归分析预测法

市场的发展变化是由多种因素决定的,许多经济现象,除了受时间因素的影响外,还可能受很多因素的影响。这些因素之间存在着相互影响、相互依存的因果关系,例如,人们的收入水平提高了,市场就会繁荣;广告的投入增加了,产品的销售量就会增加;功能近似的新产品的出现,会使相应商品的销售量下降等。回归分析就是描述一种变量的变化对另一种变量的影响程度,寻找经济现象中的因果关系的一种研究方法。

回归分析预测就是通过对预测对象和影响因素的统计分析,找出它们之间的变化规律,将变化规律用数学模型表示出来,并利用数学模型对未来进行测算。回归分析预测法有很多种类型,按自变量个数分为一元回归预测和多元回归预测;按自变量和因变量之间是否存在直线关系,分为线性回归预测和非线性回归预测,线性回归预测变量之间的关系表现为直线型,非线性回归预测变量之间的关系主要表现为曲线型。

一、运用回归分析预测方法的步骤

(一)确定预测目标和影响因素

通常情况下,预测目标必定是因变量,研究者可根据预测的目的确定。

确定自变量,要使用多种定性和定量分析方法对影响预测目标的因素进行分析,预测者既要对历史资料和现实调查资料进行分析,又要根据自己的理论水平、专业知识和实践经验进行科学性的分析,必要时还要运用假设技术,先进行假设再进行检验,以确定主要的影响因素。

(二)进行相关分析

所谓相关分析,就是对变量间的相关关系进行分析和研究,这一过程包括两方面:一是变量间有没有相关关系,二是相关关系的密切程度。相关关系指的是变量间的不完全确定的依存关系,即一个变量虽然受到另一个变量的影响,但并不由这个变量完全确定。换句话说,当自变量取确定值x,因变量的对应值y并不确定,变量间的这种关系称为相关关系,它是回归分析的前提。

相关关系的密切程度通常用相关系数来反映,相关系数的计算公式为

r或r?

式中:r――相关系数;

x――自变量的值;

x――自变量的平均数;

y――因变量的值;

y――因变量的平均数。

相关系数-1≤r≤1,即|r|≤1.r的值反映了变量x与y的相关程度和方向:当变量x与y呈线性关系时,|r|越接近于1,表明两者线性相关程度越高;|r|越接近于0,表明变量间的线性相关程度越低;r>;0,表明为正相关,rr(α,df),说明x1,x2与y线性关系显著。

(4)预测

将x1、x2的值代入预测方程ya+b1x1+b2x2即得到点预测值y0.之后再进行区间预测,计算估计标准差公式为

S

在一定的置信度下,查表得到t值,预测区间为y0±tS。

“例12-12”某企业1998~2007年职工月平均销售额(职工劳动效率)、经营费用和销售利润率的数据,估计2010年的职工年平均销售额为5.5万元,经营费用为3.2万元,用二元回归法预测2010年的销售利润率。

解:设回归预测方程为a+b1x1+b2x2

确定系数a、b1、b2,利用Excel列表求出所需要的数据。

将表中的∑y、∑x1、∑x2、∑x1y、∑x2y、∑x1x2、∑x21、∑x22代入方程

∑yna+b1∑x1+b2∑x2

∑x1ya∑x1+b1∑x21+b2∑x1x2

∑x2ya∑x2+b1∑x1x2+b2∑x22

得110.810a+50b1+34.6b2

654.950a+294b1+144.8b2

320.534.6a+144.8b1+193.7b2

解方程组求得:a20.82b10.25b2-3.18

参数b10.25的含义是:在不考虑经营费用的情况下,职工月平均销售额(职工劳动效率)每增加1万元,商品销售利润率将提高0.25%。劳动效率与商品销售利润率是正相关关系,因此,b1是正值。

参数b2-3.18的含义是:在不考虑职工劳动效率的情况下,经营费用每增加1万元,商品销售利润率将降低3.18%。经营费用与商品销售利润率是负相关关系,因此,b2是负值。

于是所求回归预测方程为

20.82+0.25x1-3.18x2

当2010年的职工年平均销售额为5.5万元,经营费用为3.2万元时,2010年的销售利润率为

20.82+0.25×5.5-3.18×3.2≈12.02

即2010年的销售利润率为12.02%。

这里得到的预测值只是一个点预测值,在一定的置信度要求下,可以进一步测算出预测值的区间范围,不再详述。

二元回归法由于运用了统计方法,对预测方程的显著性和预测结果的精确性给予了检验和评价,是一种研究变量间因果关系的有效方法,常用于对准确度要求较高的中长期预测以及综合变量分析等。本单元介绍了市场预测的另一类基本方法――定量预测方法,如果历史资料充分,数据可靠,对预测精度要求较高时,适宜采用定量预测法。

首先介绍了时间序列分析法,解释了影响时间序列总变动的各类因素:长期趋势、季节变动、循环变动和不规则变动。不同变动特点适用不同的预测方法。

接着介绍了几种常用的时间序列预测法:简单平均法、移动平均法、指数平滑法、趋势外推法、季节指数法。对于有明显趋势变动的时间序列,可以使用移动平均法、指数平滑法、趋势外推法等多种方法进行预测。移动平均法、指数平滑法还具有对数列进行修匀的作用,对于受到偶然因素影响,呈现波动性的长期趋势数列不失为一种有效的修正预测方法;对于拥有明显季节变动的时间数列,使用季节指数预测法;对于同时拥有趋势变动和季节变动的时间数列,可以用直线趋势比率平均法首先分离这两种变动,然后再进行预测。

时间序列分析只考虑预测目标随时间变化所呈现的变动趋势,如果要研究预测目标与影响因素之间的变化关系,则要使用因果分析法。因果分析法的主要预测模型就是回归分析预测法,本单元着重介绍了一元线性回归预测法和二元线性回归预测法,分别解决了预测目标受一个主要影响因素和两个影响因素影响的预测问题。

时间序列预测法 一元线性回归预测法 二元线性回归预测法

一、简答题

1.什么是时间序列预测法?影响时间序列的因素有哪些?

2.移动平均预测法是怎样进行的?如何正确选择跨越期数?

3.什么是指数平滑预测法?它有何特点?

4.如何运用直线趋势外推法进行预测?

5.季节指数预测法适用于什么样的时间序列?它是怎样进行的?

6.简述一元线性回归预测法的步骤。

二、选择题

1.相关系数-1≤r≤1,当()时,表明变量间的线性相关程度越高。

A。|r|越接近1B。|r|越接近0C。r>0D。r<0

2.ya+bx,其中y为因变量,x为自变量,a、b为参数,()又称回归系数。

A.y

B.x

C.a

D.b

三、判断题

1.通常情况下,市场预测的目标必定是自变量,研究者可根据研究预测的目的确定。()

2.一元线性回归分析预测法是指影响经济变化的众多因素中有一个起决定作用的因素,且自变量与因变量的分布呈线性趋势的回归,用这种回归分析来进行预测的方法。()

四、案例分析

“案例一”

春花童装厂市场预测:事与愿违

某市春花童装厂近几年沾尽了独生子女的光,生产销售连年稳步增长。谁料该厂李厂长这几天来却在为产品推销、资金搁死大伤脑筋。原来,年初该厂设计了一批童装新品种,有男童的香槟衫、迎春衫,女童的飞燕衫、如意衫等。借鉴成人服装的镶、拼、滚、切等工艺,在色彩和式样上体现了儿童的特点,活泼、雅致、漂亮。由于工艺比原来复杂,成本较高,价格比普通童装高出了80%以上,一件香槟衫的售价在160元左右。为了摸清这批新产品的市场吸引力如何,在春节前夕厂里与百货商店联合举办了“新颖童装迎春展销”,小批量投放市场十分成功,柜台边顾客拥挤,购买踊跃,一片赞誉声。许多商家主动上门订货。连续几天亲临柜台观察消费者反应的李厂长,看在眼里,喜在心上。不由想到,“现在都只有一个孩子,为了能把孩子打扮得漂漂亮亮的,谁不舍得花些钱?只要货色好,价格高些看来没问题,决心趁热打铁,尽快组织批量生产,及时抢占市场。”

为了确定计划生产量,以便安排以后的月份生产,李厂长根据去年以来的月销售统计数,运用加权移动平均法,计算出以后月份的预测数,考虑到这次展销会的热销场面,他决定将生产能力的70%安排给新品种,30%安排给老品种。二月份的产品很快就被订购完了。然而,现在已是四月初了,三月份的产品还没有落实销路。询问了几家老客商,他们反映有难处,原以为新品种童装十分好销,谁知二月份订购的那批货,卖了一个多月还未卖三分之一,他们现在既没有能力也不愿意继续订购这类童装了。对市场上出现的近一百八十度的需求变化,李厂长感到十分纳闷。他弄不明白,这些新品种都经过试销,自己亲自参加市场调查和预测,为什么会事与愿违呢?

阅读以上材料,回答问题:

1.你认为春花童装厂产品滞销的问题出在哪里?

2.为什么市场的实际发展状况,会与李厂长市场调查与预测的结论大相径庭?

“案例二”

季节指数预测法的应用

一家咨询公司受某钢铁厂委托,为其所在地区的钢铁消费市场进行分析和预测,为了收集数据,咨询公司分别走访了钢铁工业协会和钢铁研究院,以及省、市统计局等相关部门,并收集到了该地区2002~2004年的钢铁销售额数据。

钢铁销售额数据表(单位:百万元)

阅读以上材料,回答问题:

1.根据表中给出的数据,你认为是否适合采用季节指数平均数比率法进行预测,为什么?

2.用季节指数水平法预测该地区2005年各季度的钢铁销售额(请列出计算过程)。

“案例三”

回归分析预测法的应用

收集到某产品过去五年的销售额与目标市场人均收入的数据,预计2006年该产品的目标市场人均收入为1800元。

~2003年某产品销售额与目标市场人均收入表

又已知如下数据:1999~2003年产品销售额的平方和为6465,1999~2003年人均收入的平方和为7652500,1999~2003年人均收入与产品销售额乘积之和为222400.

阅读以上材料,回答问题:

运用恰当的定量预测方法预测2006年该产品的销售额。

五、计算题

1.某商店2007年1月至10月的商品销售额,请用移动平均法预测11月份和2008年2月份的销售额(取n3)。

某商店2007年1月到10月的商品销售额(单位:万元)

2.某商场1998~2007年销售额资料,试用指数平滑法预测2008和2009年的销售额(α0.5,初始值S(1)0、S(2)0取前三期观测值的平均值)。

某商场1998~2007年销售额(单位:万元)

3.某家用电器生产企业2000~2007年洗衣机的销售资料,根据资料用趋势外推法预测2008、2009年洗衣机的销售量。

某家用电器生产企业2000~2007年洗衣机销售量(单位:万台)

4.某空调生产厂家2005~2007年空调销售资料,试用季节销售平均数比率法预测2007年各月空调销售量。

某空调生产厂家2005~2007年空调销量(单位:千台)

5.某城市的餐馆连锁店准备投资旅游业。是有关方面公布的该地区近4年各季的旅游者人数(千人),试用直线趋势比率平均法预测2009年各季的旅游人数将达到多少?

某市2004~2007年各季旅游者人数(单位:千人)

6.某种商品的广告费和销售额资料,试用一元线性回归分析法预测,在95%的置信度下,当广告投入增加到9万元时,商品销售额能达到多少。