自考-市场调查与预测-第9章-市场预测方法

1、第9章 市场预测方法第一节第一节 市场预测概述市场预测概述第二节第二节 定性预测方法定性预测方法第三节第三节 时间序列预测方法时间序列预测方法第四节第四节 因果关系分析预测法因果关系分析预测法啤酒与尿布啤酒与尿布 总部位于美国阿肯色州的世界著名商业零售连锁企业沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析。沃尔玛数据仓库里集中了其各门店的详细原始交易数据，在这些原始交易数据的基础上，沃尔玛利用NCR数据挖掘工具对这些数据进行分析和挖掘，可以很轻松地知道顾客经常一起购买的商品有哪些。一个意外的发现是：“跟尿布一起购买最多的商品竟

2、是啤酒！”这是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。那么这个结果符合现实情况吗？是否是一个有用的知识？是否有利用价值？于是，沃尔玛派出市场调查人员和分析师对这一数据挖掘结果进行调查分析。经过大量实际调查和分析，揭示了隐藏在“尿布与啤酒”背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就在其一个个门店将尿布与啤酒摆放在一起，结果是尿布

3、与啤酒的销售量双双增长。思考：加油站卖什么？ 随着加油站便利店规模的不断扩大，一些加油站会见到这样一个很普遍的现象：加油机旁堆满了饮料、水及各种方便食品。乍看，把成品油和食品进行搭配，也许显得不是那么合适；但是，就是因为这一点，使得加油站的非油品销量不断提升。其原因就在这里：许多司机在一段时间的驾驶以后，会产生疲劳，在加油短暂的休息时刻，往往有“喝点水、吃点东西提提神”的想法；而这时候，这些东西正好摆在顾客的眼前，于是就立刻会引起顾客的购买欲望。这样，不仅方便了顾客，也提高了加油站非油品的销量，真是一举两得。谁动了茶的概念谁动了茶的概念茶饮料是茶饮料是20世纪世纪90年代欧美国家发展最快的年代

4、欧美国家发展最快的饮料，被视为新时代饮料，在日本和中国的饮料，被视为新时代饮料，在日本和中国的台湾，茶饮料已超过碳酸饮料成为市场第一台湾，茶饮料已超过碳酸饮料成为市场第一大饮料品牌。大饮料品牌。90年代中期以来，中国茶饮料年代中期以来，中国茶饮料市场发展速度很快，市场发展速度很快，1997年产量为年产量为20万吨左万吨左右，右，1999年产量为年产量为80万吨，万吨，2000年产量为年产量为185万吨。到万吨。到2005年茶饮料产量已超过年茶饮料产量已超过580万万吨。进入吨。进入21世纪以来，茶饮料成为饮料市场世纪以来，茶饮料成为饮料市场上一道最亮丽的风景。统一冰红茶是任贤齐上一道最亮丽的风

5、景。统一冰红茶是任贤齐的夏日最爱；周星驰用其经典的台词诠释娃的夏日最爱；周星驰用其经典的台词诠释娃哈哈的哈哈的“不用沏的龙井茶不用沏的龙井茶”；董杰演绎的清；董杰演绎的清新、浪漫的康师傅茉莉花茶；还有新、浪漫的康师傅茉莉花茶；还有“凉到彻凉到彻底底”的雀巢冰爽茶以及的雀巢冰爽茶以及“冷酷到底冷酷到底”的旭日的旭日升冰茶升冰茶。“乐百氏乐百氏”营销总裁杨杰强在分析茶饮料的市营销总裁杨杰强在分析茶饮料的市场潜力时曾说：场潜力时曾说：“2000年中国人均消费茶饮年中国人均消费茶饮料仅料仅0.3升，而日本人均年饮用量为升，而日本人均年饮用量为2030升，升，也就是说，茶饮料在国内市场还也就是说，茶饮料

6、在国内市场还应当有应当有50倍以上的成长空间，茶饮料市场面倍以上的成长空间，茶饮料市场面临的形势非常乐观。临的形势非常乐观。”我国有悠久的茶文化历史，但把茶装在盒子我国有悠久的茶文化历史，但把茶装在盒子或瓶子里卖，却是到或瓶子里卖，却是到1995年才有的事。正是年才有的事。正是商家预见到茶饮料低热量、低脂肪，具有保商家预见到茶饮料低热量、低脂肪，具有保健疗效及消暑解渴的功用，开瓶即饮的消费健疗效及消暑解渴的功用，开瓶即饮的消费方式又符合现代生活的要求，才挖掘出茶饮方式又符合现代生活的要求，才挖掘出茶饮料无穷的市场潜力。料无穷的市场潜力。第一节第一节 市场预测概述市场预测概述概念在市场调查的基础

7、上，运用科学的方法或数学模型分析调查调查数据或资料，对未来一定时期影响市场营销活动的各种因素及其变化趋势所进行的推测和估计。目的：最大程度地减少未来的不确定性特性l市场预测的概念l市场预测的特性l市场预测的作用7特性特性l客观性客观性l有史有据，理性分析有史有据，理性分析l全面性全面性l全面考虑各个影响因素，避免以偏概全全面考虑各个影响因素，避免以偏概全l及时性及时性l实时数据能应对变化实时数据能应对变化l科学性科学性l科学的分析方法科学的分析方法l持续性持续性l市场变化，市场预测持续市场变化，市场预测持续l经济性经济性l成本远小于收益成本远小于收益8市场预测的作用l决策的主要依据l预测是决策

8、的主要依据l提高企业竞争力l了解消费者情况，了解竞争对手情况l实现企业经营目标l了解经济发展、技术变革、市场变化，降低风险，实现企业决策目标。9市场预测的程序确定预测对象制定预测方案收集数据资料选择预测方法预测组织实施评估预测结果10P253市场预测的内容l市场需求预测l市场供给预测l消费者购买行为预测l产品销售预测l市场行情预测l竞争格局预测l企业经营状况预测11市场预测的分类l按使用的预测工具l定性 知识经验，变化规律l定量 数据，统计分析，数学模型l按市场预测的时间层次分类l短期 1年之内，年度，季度，月l中期 15年l长期 5年以上l市场预测的空间层次分类l国际 跨国经营企业l国内 对

9、全国、地区市场经济进行预测12市场预测的范围分类l宏观市场预测 国民经济、部门，地区l微观市场预测 对企业生产、销售等活动的预测按产品的层次分类l单项产品单一产品l同类产品家电、服装、食品l商品总量消费者1年内生活必需品总量。13第二节第二节 定性预测方法定性预测方法根据个人知识、经验和能力，通过逻辑推理，分析事物过去和现在的变化规律，对事物未来发展变化趋势做出主观估计和判断的预测。定性预测法的特点l优点l时间较短时间较短 通过直觉和经验判断，不需要太多时间通过直觉和经验判断，不需要太多时间l灵活性强灵活性强 不同方法适用于不同企业，不同境遇不同方法适用于不同企业，不同境遇l节省费用节省费用

10、不需花费大量资金进行数据处理和复不需花费大量资金进行数据处理和复杂运算杂运算14缺点l差异性大差异性大因人的精力、知识结构而异因人的精力、知识结构而异l预测范围有限预测范围有限问题复杂时，难以实施问题复杂时，难以实施l预测精度有局限性预测精度有局限性给出大体估算个发展趋给出大体估算个发展趋势势个人直观判断法个人直观判断法l相关推断法根据事物之间的相关关系，及经验进行推断根据事物之间的相关关系，及经验进行推断l时间关系 先发生的事推断即将要发生的l相关变动方向 正相关 负相关l多因素综合多因素 正负关系 强度15类比推断法类比推断法把相似事物放在一起加以对比分析把相似事物放在一起加以对比分析l不

11、同国家地区类似经济现象l不同产品之间类似情况集体经验判断法集体经验判断法集合集体的智慧和经验，克服个人经验不足的集合集体的智慧和经验，克服个人经验不足的局限性。局限性。P25917一、专家意见集合法的含义专家意见集合法是根据市场预测的目的和要求，向一组经过挑选的有关专家提供一定的背景资料，通过会议的形式对预测对象及其前景进行评价，在综合专家分析判断的基础上，对市场趋势作出量的推断。专家判断法专家判断法专家意见集合法P26218二、专家意见集合法的特点专家意见集合法属于集体经验判断法的范畴，它的优点是由专家作出的判断和估计具有更高的准确性，同时，这种方法本身可以使与会专家能畅所欲言，自由辩论，充

12、分讨论，集思广益，从而提高预测的准确性。但是，这种方法也同样存在受专家个性和心理因素或其他专家的意见的影响或左右，同时受参加人数和讨论时间的限制，会影响预测的科学性和准确性。19三、专家意见集合法的应用（一）专家的选择专家选择要注意以下要点：第一，专家要具有代表性。第二，专家要具有丰富知识和经验。第三，专家要具有一定的市场调研与预测方面的知识和经验。第四，专家的人数要适当。20（二）预测组织首先，专家会议组织者最好是市场预测方面的专家，有较丰富的组织会议、提出问题和在辩论中引导的经验，熟悉专家会议的处理程序和方法。其次，组织者应善于应变，具有统筹全局的能力。再次，会议要精心组织，精心准备。 2

13、1（三）专家意见集合的具体方法1、头脑风暴法这是根据一定的规则，通过共同的讨论，鼓励专家独立思考，充分发表意见的一种集体评估的方法。222、质疑头脑风暴法这种方法是同时召开由两组专家参加的两个会议进行集体讨论，其中一个专家组会议按直接头脑风暴法提出设想，另一个专家组会议则是对第一个专家组会议的各种设想质疑，通过质疑进行全面评估，直到没有问题可以质疑为止，使预测结果更符合实际。23德尔菲法德尔菲法一、一、德尔菲法的概念 。德尔菲法又称专家小组法或专家意见征询法，是以匿名的方式，逐轮征求一组专家各自的预测意见，最后由主持者进行综合分析，确定市场预测值的方法。 24二、德尔菲法的持点 （一）匿名性（

14、二）反馈性 （三）综合性 三、德尔菲法的预测程序（一）准备阶段准备阶段包括以下工作：1、成立预测工作小组2、选择和邀请专家3、制定征询表25（二）征询阶段第一轮专家意见征询。第二轮及以后几轮专家意见征询。 （三）预测结果的最终处理阶段 调研机构对专家们在最后一轮的意见征询调研表中提出的看法进行综合。第三节第三节 时间序列预测方法时间序列预测方法时间序列预测法是将经济发展、购买力增长、时间序列预测法是将经济发展、购买力增长、销售变化等同一变数的一组观察值，按照时销售变化等同一变数的一组观察值，按照时间顺序加以排列，然后运用一定的数理方法，间顺序加以排列，然后运用一定的数理方法，使其向外延伸，预测

15、未来的发展变化趋势。使其向外延伸，预测未来的发展变化趋势。2627（二）时间序列分析法的特点1、时间序列分析法是根据市场过去的变化趋势预测未来的发展，它的前提是假定事物的过去会同样延续到未来。2、运用时间序列法进行预测，必须以准确、完整的时间序列数据为前提。283、时间序列数据变动存在着规律性与不规律性。（1）长期趋势变动（T）（2）季节性变动（S）（3）循环变动（C）（4）不规则变动（I）29（三）时间序列分析法的模型乘法模型方式，即X=TSCI加法模型方式，即X=T+S+C+I实际应用中时间序列分析法定量预测的乘法模型方式和加法模型方式分别采用简化形式。 X=TS X=T+S30（四）时间

16、序列分析法预测步骤首先，应绘制历史数据曲线图，确定其趋势变动类型；其次，根据历史资料的趋势变动类型以及预测的目的与期限，选定具体的预测方法，并进行模拟、运算；最后，将量的分析与质的分析相结合，确定市场未来发展趋势的预测值 31二、直线趋势预测法（一）算术平均数法（一）算术平均数法1 1、简单算术平均数法、简单算术平均数法121niniXXXXXnn322、加权算术平均数法3、几何平均法11221121niinninniiX fX fX fX fXffff33（二）移动平均数法移动平均法是将观察期内的数据由远及近按一定跨越期进行平均，随着观察期的“逐期推移”，观察期内的数据也随之向前移动，每向前

17、移动一期，就去掉最前面一期的数据，而新增继原来观察期之后的那一期的数据，以保证跨越期不变，然后逐个求出其算术平均数，并将预测期最近的那一个平均数作为预测值。 341、简单移动平均法2、加权移动平均法1121tttt ntii t nXXXMXnn 112212ttnt ntnW XW XW XMWWW三、指数平滑预测法指数平滑法是根据定出的平滑系数计算出指数平滑值进指数平滑法是根据定出的平滑系数计算出指数平滑值进行市场预测的方法。行市场预测的方法。指数平滑法实质是全部历史数据的指数平滑法实质是全部历史数据的加权平均数加权平均数，一般用于观察期具有长期趋势变动和周期，一般用于观察期具有长期趋势变

18、动和周期性变动的预测。性变动的预测。指数平滑法包括一次指数平滑法、二次指数平滑法和多指数平滑法包括一次指数平滑法、二次指数平滑法和多次（三次以上）指数平滑法。一次指数平滑法适用于水次（三次以上）指数平滑法。一次指数平滑法适用于水平型变动的时间序列预测，二次指数平滑法适用于线性平型变动的时间序列预测，二次指数平滑法适用于线性趋势型变动的时间序列预测，多次指数平滑法适用于非趋势型变动的时间序列预测，多次指数平滑法适用于非线性趋势变动的时间序列预测。线性趋势变动的时间序列预测。（一）一次指数平滑法（一）一次指数平滑法一次指数平滑法是以计算出来的最后一个一次指数平滑一次指数平滑法是以计算出来的最后一个

19、一次指数平滑值为基础，确定预测值的方法。值为基础，确定预测值的方法。)1()1(1)1(tttSxS一次指数平滑法的公式为：一次指数平滑法的公式为： 应用一次指数平滑法进行预测，平滑系数应用一次指数平滑法进行预测，平滑系数 选择很关键，选择很关键， 的取值不同，预测结果就不同。一般有三个原则：的取值不同，预测结果就不同。一般有三个原则：一是对于有较明显趋势变动的时间序列，平滑系数一是对于有较明显趋势变动的时间序列，平滑系数 应取较大值，即应取较大值，即 0.6，主要是为了突出近期数据对预，主要是为了突出近期数据对预测值的影响。测值的影响。二是对水平型的时间序列，平滑系数二是对水平型的时间序列，

20、平滑系数 应取较小值，即应取较小值，即 0.3。因为水平型的数据，变动趋势不明显，随机。因为水平型的数据，变动趋势不明显，随机因素多，因此，因素多，因此， 应取较小值。应取较小值。三是对于介于上述两者之间的时间序列，平滑系数三是对于介于上述两者之间的时间序列，平滑系数 应应取中间值，即取中间值，即0.3 0.6。初始值的确定：初始值的确定：一般情况下，当时间序列的数据资料较多时，如一般情况下，当时间序列的数据资料较多时，如 n10，这时初始值对以后预测值的影响甚小，这时初始值对以后预测值的影响甚小，可直接选用第一期实际观察值作为初始值；可直接选用第一期实际观察值作为初始值；反之，如果时间序列的

21、数据资料较少，如反之，如果时间序列的数据资料较少，如n10，则因初始值对以后预测值的影响较大，这时一般则因初始值对以后预测值的影响较大，这时一般采用最初几期的实际值的算术平均数作为初始值。采用最初几期的实际值的算术平均数作为初始值。 举一具体例子说明一次指数平滑法的应用。举一具体例子说明一次指数平滑法的应用。例如：某企业近例如：某企业近10个季度销售洗发水资料如下表，个季度销售洗发水资料如下表，请用一次指数平滑法预测下季度洗发水销售量请用一次指数平滑法预测下季度洗发水销售量。分析：具体步骤如下：分析：具体步骤如下：第一步：确定平滑系数第一步：确定平滑系数 ，本例取，本例取 。第二步：确定初始平

22、滑值第二步：确定初始平滑值St(1)由于本例由于本例n=10,故初始值取故初始值取50。第三步：依次计算一次指数平滑值。第三步：依次计算一次指数平滑值。当当6 . 06 . 050504 . 0506 . 0) 1 (2S2 .51504 . 0526 . 0) 1 (3S)( 1 .729 .674 . 0756 . 0)1(11万瓶S（二）二次指数平滑法（二）二次指数平滑法二次指数平滑法是在一次指数平滑的基础上再做一次指二次指数平滑法是在一次指数平滑的基础上再做一次指数平滑，运用二次指数平滑值建立的数学模型进行预测数平滑，运用二次指数平滑值建立的数学模型进行预测的方法。的方法。二次指数平滑

23、公式为：二次指数平滑公式为：二次指数平滑法预测的数学模型为：二次指数平滑法预测的数学模型为：式中：式中：)2(1)1()2()1 (tttSSSTbaYttTt)2()1(2tttSSa)1/()()2() 1 (tttSSb四、趋势外推预测法利用时间数列所具有的直线或曲线趋势，根据预测对象和时间之间的对应关系进行预测。如：直线方差二次曲线方程三次曲线方程指数曲线方程4142（二）移动平均趋势剔除法移动平均趋势剔除法是运用12个月（4季）的移动平均数，计算出一个既能消除长期趋势，又消除不规则变动，能够比较正确地反映季节变动的季节指数，然后，利用这个季节指数，求得分月预测值的预测方法。五、季节指

24、数预测法五、季节指数预测法季节指数是一种以相对数表示的季节变动季节指数是一种以相对数表示的季节变动衡量指标。因为只根据一年或两年的历史衡量指标。因为只根据一年或两年的历史数据计算而得到的季节变动指标往往含有数据计算而得到的季节变动指标往往含有很大的随机波动因素，故在实际预测中通很大的随机波动因素，故在实际预测中通常需要掌握和运用三年以上的分季历史数常需要掌握和运用三年以上的分季历史数据。据。如果以年为间隔期的如果以年为间隔期的历史数据是水平型的历史数据是水平型的，季节，季节指数的计算公式则为：指数的计算公式则为：如果以年为间隔期的如果以年为间隔期的历史数据资料的趋势型的历史数据资料的趋势型的，

25、则季节指数的计算公式为：则季节指数的计算公式为：预测值预测值=上年的月（季）平均数上年的月（季）平均数各月（季）季各月（季）季节指数节指数%100%全时期总平均数历年同季平均数季节指数）（%100%趋势值历年同季平均数季节指数）（例如，某家电商场例如，某家电商场2002年年2004年某夏季商品的各月销售量资料如表所示，年某夏季商品的各月销售量资料如表所示，试预测试预测2005年各月的销售量。年各月的销售量。平均数比率计算表平均数比率计算表46移动平均趋势剔除法具体预测步骤：1、计算12个月的移动总数；2、计算12个月移动平均数，修匀后的序列就是消除了随机变动的长期趋势；3、计算移动平均系数；4

26、、计算季节指数；475、利用季节指数消除原时间序列的季节影响，并用最小二乘法对消除了季节影响的时间序列拟合直线趋势方程；6、根据趋势方程计算预测未来某月的趋势值，最后利用该月的季节指数加以修正。第四节第四节 因果关系分析预测法因果关系分析预测法揭示预测目标变量与其他变量之间的数量变化关系。48一、回归分析预测法的含义及种类一、回归分析预测法的含义及种类“回归回归”这一术语是英国人弗兰西斯这一术语是英国人弗兰西斯.盖尔顿和卡盖尔顿和卡尔尔.皮尔逊在研究父亲身高与儿子身高的关系时引皮尔逊在研究父亲身高与儿子身高的关系时引入的。他们发现，若父亲为高个子，则儿子也高，入的。他们发现，若父亲为高个子，则

27、儿子也高，但其平均身高低于父亲的平均身高；若父亲为矮但其平均身高低于父亲的平均身高；若父亲为矮个子，则儿子个子也矮，但其平均身高高于父亲个子，则儿子个子也矮，但其平均身高高于父亲的平均身高，也即身高的变化不是两极分化，而的平均身高，也即身高的变化不是两极分化，而是是“趋同趋同”，儿子身高向着平均身高，儿子身高向着平均身高“回归回归”，以保持种族的稳定。用盖尔顿的话来说，就是以保持种族的稳定。用盖尔顿的话来说，就是“回归到变通人回归到变通人”。后人将此种方法普遍用于寻。后人将此种方法普遍用于寻找变量之间的规律。现在，回归分析法已经成为找变量之间的规律。现在，回归分析法已经成为探索变量之间关系最重

28、要的方法，用以找出变量探索变量之间关系最重要的方法，用以找出变量之间关系的具体表现形式。之间关系的具体表现形式。“回归回归”是指某一变量（因变量）与其他一个或是指某一变量（因变量）与其他一个或多个变量（自变量）的依存关系（例如，在上面多个变量（自变量）的依存关系（例如，在上面的例子中是儿子身高与父亲身高的依存关系）。的例子中是儿子身高与父亲身高的依存关系）。1.市场现象之间的两类因果关系市场现象之间的两类因果关系市场现象之间的因果关系可分为函数关系和相关市场现象之间的因果关系可分为函数关系和相关关系两大类。关系两大类。所谓函数关系，是指现象之间确定的数量依存关所谓函数关系，是指现象之间确定的数

29、量依存关系，即自变量发生某种变化，因变量必然会发生系，即自变量发生某种变化，因变量必然会发生相应程度的变化。如在产品价格不变的条件下，相应程度的变化。如在产品价格不变的条件下，销售额取决于销售量。销售额取决于销售量。Y=b.x（b为价格，为价格，x为销售量）。在市场调查预为销售量）。在市场调查预测涉及的社会经济领域中，这种确定的函数关系测涉及的社会经济领域中，这种确定的函数关系很少，大量存在的是相关关系。很少，大量存在的是相关关系。所谓相关关系，是指变量之间相互关系中不存在数所谓相关关系，是指变量之间相互关系中不存在数值对应关系的非确定性的依存关系，即经济变量之值对应关系的非确定性的依存关系，

30、即经济变量之间存在数量上的客观内在关系，表现为一个变量间存在数量上的客观内在关系，表现为一个变量（自变量）发生数量变化，必影响另一个变量（因（自变量）发生数量变化，必影响另一个变量（因变量）相应地发生数量上的变化，但因变量的数值变量）相应地发生数量上的变化，但因变量的数值具有不确定性。具有不确定性。如婴儿出生数和奶粉需求量就属于相关关系。婴儿如婴儿出生数和奶粉需求量就属于相关关系。婴儿出生数增加了，奶粉需求量肯定也会增加，但究竟出生数增加了，奶粉需求量肯定也会增加，但究竟增加多少是无法确定的。增加多少是无法确定的。市场现象之间所存在的依存关系，大多是表现为相市场现象之间所存在的依存关系，大多是

31、表现为相关关系。如市场需求量与居民收入之间、市场需求关关系。如市场需求量与居民收入之间、市场需求量与商品价格之间、市场需求量与人口数量之间等量与商品价格之间、市场需求量与人口数量之间等等，都是表现为相关关系。等，都是表现为相关关系。对于相关关系的数量依存关系，可用相关关系分析对于相关关系的数量依存关系，可用相关关系分析和回归方程的方法加以研究。和回归方程的方法加以研究。2.回归分析预测法的含义回归分析预测法的含义回归分析预测法就是从各种经济现象之间的相互关回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势系出发，通过对与预测对象有联系的现象变动趋势的分析，

32、推算预测对象未来状态数量表现的一种预的分析，推算预测对象未来状态数量表现的一种预测方法。测方法。回归分析预测法中的自变量与时间序列预测法中的回归分析预测法中的自变量与时间序列预测法中的自变量不相同。后者的自变量是时间本身，而前者自变量不相同。后者的自变量是时间本身，而前者的自变量是反映市场现象的其他变量。的自变量是反映市场现象的其他变量。回归分析预测法是一种重要的市场预测方法。多数回归分析预测法是一种重要的市场预测方法。多数市场预测者在对市场现象进行预测时，如果能将影市场预测者在对市场现象进行预测时，如果能将影响市场预测对象的主要因素找到，并且能够取得其响市场预测对象的主要因素找到，并且能够取

33、得其数量资料，当然就可以采用相关回归预测法进行预数量资料，当然就可以采用相关回归预测法进行预测。它是一种具体的、行之有效的、实用价值很高测。它是一种具体的、行之有效的、实用价值很高的常用市场预测方法。当应用相关回归市场预测法的常用市场预测方法。当应用相关回归市场预测法条件不充分时，才考虑采用时间序列法等其他预测条件不充分时，才考虑采用时间序列法等其他预测方法。方法。3.回归分析预测法的种类回归分析预测法的种类应用回归模型进行市场预测，有许多种类，根据不应用回归模型进行市场预测，有许多种类，根据不同的条件可作不同的分类。主要的分类有：同的条件可作不同的分类。主要的分类有：（1）按自变量个数的多少

34、划分，可以分为一元回归）按自变量个数的多少划分，可以分为一元回归分析和多元回归分析预测法。分析和多元回归分析预测法。（2）按回归模型是否线性划分，可分为线性回归分）按回归模型是否线性划分，可分为线性回归分析预测法和非线性回归分析预测法。所谓线性回归析预测法和非线性回归分析预测法。所谓线性回归模型，就是指因变量和自变量之间的关系是直线型模型，就是指因变量和自变量之间的关系是直线型的。的。（3）按回归模型的自变量是否带虚拟变量划分，可）按回归模型的自变量是否带虚拟变量划分，可以分为普通回归模型和虚拟回归模型。普通回归模以分为普通回归模型和虚拟回归模型。普通回归模型的自变量都是数量变量，而虚拟变量回

35、归模型的型的自变量都是数量变量，而虚拟变量回归模型的自变量既有数量变量也有品质变量。自变量既有数量变量也有品质变量。二、应用回归分析预测法的条件二、应用回归分析预测法的条件应用回归分析预测时必须注意其前提条件，以提高应用回归分析预测时必须注意其前提条件，以提高预测准确度。预测准确度。1.经济现象之间关系密切经济现象之间关系密切因变量与自变量之间必须有关系，而且必须关系密因变量与自变量之间必须有关系，而且必须关系密切。只有正确认识经济现象之间内在的必然联系和切。只有正确认识经济现象之间内在的必然联系和外部的偶然联系，不为假相关所迷惑，准确地剖析外部的偶然联系，不为假相关所迷惑，准确地剖析两者间的

36、相关关系，才能正确做出判断。两者间的相关关系，才能正确做出判断。判断相关关系密切程度的方法，可以通过绘制相关判断相关关系密切程度的方法，可以通过绘制相关图和计算相关系数。根据历史资料绘制的相关图能图和计算相关系数。根据历史资料绘制的相关图能判断相关的类型。相关图的类型有以下几种：判断相关的类型。相关图的类型有以下几种：1）零相关图）零相关图。当自变量。当自变量x与因变量与因变量y没有相关关系，没有相关关系，称为零相关，如图。称为零相关，如图。2）强正相关图）强正相关图。当自变量。当自变量x增大时，因变量增大时，因变量y亦随之亦随之增大，点子的分布集中，呈直线形。故两者有强相增大，点子的分布集中

37、，呈直线形。故两者有强相关。关。3）弱正相关图）弱正相关图。当自变量。当自变量x的数值增大时，因变量的数值增大时，因变量y的数值也增大，但点子的分布不集中。两者之间仅的数值也增大，但点子的分布不集中。两者之间仅有一定相关关系，称弱正相关。有一定相关关系，称弱正相关。xy. .零相关图xy.强正相关4）强负相关图）强负相关图。当自变量。当自变量x的增大时，因变量的增大时，因变量y随之减少，随之减少，点子的分布集中呈直线形，两者之间有强烈的相关关系，点子的分布集中呈直线形，两者之间有强烈的相关关系，称强负相关。称强负相关。5）弱负相关图）弱负相关图。当自变量。当自变量x的增大时，因变量的增大时，因

38、变量y随之减少，随之减少，点子的分布分散不集中。两者之间仅有一定相关关系，点子的分布分散不集中。两者之间仅有一定相关关系，称弱负相关。称弱负相关。xy. . . . .弱正相关xy. . .强负相关xy. .弱负相关弱相关与即认为相关与认为为强相关与就认为yx，Ryx，RyxR3.07.03.0,7.0相关系数也能从数量上说明相关的密切程度，一相关系数也能从数量上说明相关的密切程度，一般规定：般规定：如果要用一元线性回归方法进行预测，则如果要用一元线性回归方法进行预测，则R必须大必须大于于0.7。 2.自变量的预测值必须比因变量的预测值精确或自变量的预测值必须比因变量的预测值精确或容易求得容易

39、求得 因为预测因变量的未来情况，必须有自变量的因为预测因变量的未来情况，必须有自变量的未来资料代入回归方程式才能计算出来。如果自未来资料代入回归方程式才能计算出来。如果自变量的预测值更难得求得，那么，该回归方程的变量的预测值更难得求得，那么，该回归方程的应用价值就不大了。应用价值就不大了。3.要正确地选择回归方程的形式要正确地选择回归方程的形式 选择回归方程的形式即选择因变量和自变量选择回归方程的形式即选择因变量和自变量的关系式是直线方程式还是曲线方程式，是一个的关系式是直线方程式还是曲线方程式，是一个自变量还是几个自变量，并有简单而又有效的验自变量还是几个自变量，并有简单而又有效的验证方法。

40、证方法。三、回归分析预测法的程序三、回归分析预测法的程序应用回归分析法进行市场预测，应遵循一定的程序。应用回归分析法进行市场预测，应遵循一定的程序。1.根据预测目标，筛选自变量根据预测目标，筛选自变量一般来说，明确预测的具体目标，也就确定了因变一般来说，明确预测的具体目标，也就确定了因变量。筛选自变量，首先应分析各自变量与因变量之量。筛选自变量，首先应分析各自变量与因变量之间的相关关系，观察其相关关系的表现形式及密切间的相关关系，观察其相关关系的表现形式及密切程度。选用那些与因变量关系最为密切的自变量。程度。选用那些与因变量关系最为密切的自变量。2.确定回归方程，建立预测模型确定回归方程，建立

41、预测模型根据理论分析和相关分析，如果有几个重要因素同根据理论分析和相关分析，如果有几个重要因素同时对预测对象有影响作用，而且关系密切，可以确时对预测对象有影响作用，而且关系密切，可以确定用多元回归方程式；如果其中某一个是基本的，定用多元回归方程式；如果其中某一个是基本的，起决定作用的，而其他因素影响作用并不大或相关起决定作用的，而其他因素影响作用并不大或相关关系不密切，则关系不密切，则可以确定用一元回归方程式进行预测。如果自变量可以确定用一元回归方程式进行预测。如果自变量和因变量之间的资料分布是线性趋势，可确定用直和因变量之间的资料分布是线性趋势，可确定用直线回归方程；如果是曲线趋势，可确定用

42、曲线回归线回归方程；如果是曲线趋势，可确定用曲线回归方程。方程。3.检验回归预测模型，计算预测误差检验回归预测模型，计算预测误差回归预测模型是否可用于实际预测，取决于对回归回归预测模型是否可用于实际预测，取决于对回归预测模型的检验和对预测误差测定的结果。回归方预测模型的检验和对预测误差测定的结果。回归方程只有通过各种检验，且预测误差在研究问题所允程只有通过各种检验，且预测误差在研究问题所允许的范围内，才能将回归方程作为预测模型进行实许的范围内，才能将回归方程作为预测模型进行实际预测。否则，盲目用回归模型进行预测，其结果际预测。否则，盲目用回归模型进行预测，其结果是不可靠的。是不可靠的。4.利用

43、回归模型确定预测值，并对预测值做出置信区利用回归模型确定预测值，并对预测值做出置信区间的估计间的估计如果预测对象与影响因素之间确实存在着显著的相如果预测对象与影响因素之间确实存在着显著的相关关系，那么过去和现在的资料规律能延续到未来。关关系，那么过去和现在的资料规律能延续到未来。用回归方程计算出来的预测值，是一个具体的数，用回归方程计算出来的预测值，是一个具体的数，称为点估计。点估计值是一个平均数，实际值可称为点估计。点估计值是一个平均数，实际值可能高于或低于它，还必须用一定的机率保证其置能高于或低于它，还必须用一定的机率保证其置信区间的范围。区间预测值能更好地反映预测值信区间的范围。区间预测

44、值能更好地反映预测值的实际含义，更具实用价值。的实际含义，更具实用价值。四、一元线性回归预测及应用四、一元线性回归预测及应用例如：某企业销售收入与投入促销费用之间的关例如：某企业销售收入与投入促销费用之间的关系密切，过去系密切，过去10年的相关资料如表（下页）。若年的相关资料如表（下页）。若企业计划企业计划2006年、年、2007年促销费用分别投入年促销费用分别投入1400万元和万元和1600万元，预测该企业万元，预测该企业2006年、年、2007年的销售收入。年的销售收入。1.绘制散点图，分析相关性绘制散点图，分析相关性2.求出求出a，b两参数，建立预测模型两参数，建立预测模型 =a+bX将

45、表中的数据代入公式：将表中的数据代入公式：a=198.24b=19.921得到所求的一元线性回归方程为：得到所求的一元线性回归方程为： =198.24+19.921XXbnaY2XbXaXYyy3.对回归模型进行检验对回归模型进行检验模型检验就是利用各种统计检验方法，来检验模型可否模型检验就是利用各种统计检验方法，来检验模型可否解释预测对象变量之间的实际关系及模型对实际数据拟解释预测对象变量之间的实际关系及模型对实际数据拟合的程度，进而说明模型能否用于预测的分析方法。合的程度，进而说明模型能否用于预测的分析方法。（1）标准差检验。其计算公式为：）标准差检验。其计算公式为：式中：式中：n:观察期数；观察期数； k:参数的个数，一元线性回归预测模型中有两个参参数的个数，一元线性回归预测模型中有两个参数，数，k=2。)(568. 3210917.101)(2百万元knYYSiiy(2)相关系数检验。相关系数反映相关系数检验。相关系数反映X与与Y的相关程度。相关的相关程度。相关系数的计算公式为：系数的计算公式为：即即 或或9983.0)3592(132070410)8 .80(36.7291035928 .802 .3054210)()(222222 yynxxnyxxynR22)()()(yyxxyyxxR高度相关与 xy4.利用回归模型进行预测利