市场调查与预测第十一章定量预测方法

合集下载

第十一章定量预测方法

6
WX 4000 6800 7020 6230 4500 6000 8400 8820 5950 5280
70
63000
X Wi X i 63000 900(元)
Wi
70
上一页下一页
三、移动平均数法
移动平均数法是将观察期内的数据由远及近按一定跨越期进行平均的一种预测方法，随着观察期的逐期推移，观察期内的数据也随着向前移动。每向前移动一期，就去年最前面的一期数据，而新增原来观察期之后的数据，保证跨越期不变，然后再求出其算术平均数，将预测期最近的那一个平均数作为预测值。
上一页下一页
加权移动平均法的关键是合理确定各数据的权重，权重的确定是按照“近重远轻”的原则进行的。即越接近预测期的数据赋予较大的权重，而越远离预测期的数据则赋予较小的权重。通常情况下，若时间序列数据变动幅度不大，可采用等差级数的形式：1,2， 3，…，n，其公差为1；若时间序列数据变动幅度较大，则可采用等比级数的形式：1,2，4，…,2n，其公比为2；若时间序列数据波动不定，可视具体情况，分别给予不同的权数，并使其权数之和等于1的形式。
主页上一页下一页
一、时间序列的构成与预测步骤二、平均数值法三、移动平均数法四、指数平滑法
上一页下一页
一、时间序列的构成与预测步骤
企业在进行市场调查与时，通常都是以过去的资料为基础，利用统计和数学方法分析预测未来需求。这主要是因为：一方面，过去的统计数据之间存在着一定的关系，这种关系利用统计方法可以揭示出来；另一方面，过去的销售状况对未来的销售趋势有决定性影响，销售额一般表现为时间的函数。时间序列分析法是市场调查预测中一种经常采用的定量分析方法。它是指根据市场现象的历史资料，运用科学的数学方法建立预测模型，使市场现象的数量向未来延伸，预测市场现象未来的发展变化趋势，预计或估计市场现象未来表现的数量。

市场调查与分析：掌握定量预测法PPT课件

24
7.3.5 回归分析预测
回归预测法
5．利用回归预测模型进行预测可以分为：点预测和置信区间预测法
（1）点预测法：将自变量取值带入回归预测模型求出因变量的预测值。
（2）置信区间预测法：估计一个范围，并确定该范围出现的概率。置信区间的大小的影响的因素：a、因变量估计值；b、回归标准差；C、概率度t；
• 2. 二次移动平均数法 • 二次移动平均数法是利用预测目标时间序列的一次移动平
均值和二次移动平均值的滞后偏差演变规律建立起线性方程进行预测的方法。二次移动平均值是以一次移动平均值作为时间序列，再计算第二次的移动平均值，移动期数不变。
14
7.3.3 指数平滑法指数平滑法是用预测目标历史数据的加权平均数作为
市场调查与分析
目录页 CONTENTS PAGE
单元七市场调查预测
❖7.3 掌握定量预测方法
7.3 掌握定量预测方法
学习目标
•熟悉定量预测法的基本规则； •掌握定量预测的基本方法并进行预测。
学习重点能根据定量预测法的基本规则，对相关市场进行定量预测。
引言
7.3 掌握定量预测方法
【案例分析与讨论】（各组派一个代表进行运算，各组之间讨论）
根据自变量和因变量之间是否存在变量关系，可分为线性回归预测和非线性回归预测。线性回归预测法中变量之间的关系表现为直线型，非线性回归预测法中变量之间的关系主要表现为曲线。
21
7.3.5 回归分析预测
回归预测法
1. 一元线性回归预测法的概念一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。 2．一元线性回归预测基本思想确定直线的方法是最小二乘法最小二乘法的基本思想：最有代表性的直线应该是直线到各点的距离最近。然后用这条直线进行预测。

市场调查数据分析之定量预测法 (市场调查分析课件)

季节变动（S）季节性的周期性变动
循环变动（C）以若干年为周期的循环变动
时间序列预测法
趋势分析预测法
趋势分析预测法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
时间序列预测法
趋势分析预测法
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
年份
2000
年序（t）
0
商品销售（y） 27.0
一阶差分（） —
某市某商场1997—2004年商品销售额
2001
1 31.0 3.1
2002
2 33.8 2.8
2003
3 36.4 2.6
2004
4 39.3 2.9
2005
5 42.3 3.0
单位：百万元
2006
6 44.8 2.5
2007
7 47.6 2.8
曲线趋势模型
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
（1）曲线趋势模型的类型
yt = 曲线趋势 + 剩余变动
时间序列预测法
趋势分析预测法
曲线趋势模型
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
1）平均季节指数法

市场预测的定量方法

市场预测的定量方法
市场预测的定量方法是利用数学和统计模型来预测市场的未来走势和发展情况。

以下是常用的市场预测的定量方法：
1. 时间序列分析：利用历史数据和时间序列模型，如ARIMA模型、指数平滑模型等，来预测未来一段时间内市场的趋势。

2. 回归分析：利用多元回归模型，根据市场的相关因素和变量，预测市场的发展情况。

3. 面板数据模型：利用面板数据模型分析多个时间和多个地区的数据，预测市场的发展趋势。

4. 经济模型：建立宏观经济模型，运用动态一般均衡模型（DSGE）或计量经济学模型等，对市场进行分析和预测。

5. 时间频域分析：利用傅里叶分析等频域分析方法，研究市场的长短期波动周期，预测未来市场的变化。

定量方法在市场预测中具有一定的精确性和可靠性，但也存在一定的局限性，如对未来的不确定性和外部因素的影响难以准确预测。

因此，市场预测常常需要综
合运用定量和定性方法，结合专业判断和市场调研等因素进行综合分析。

市场定量预测方法

定量预测方法定量预测法是指在大量掌握与预测对象有关的各种信息资料的基础上，运用数学方法对资料进行处理，据以建立能够反映各种变量之间的规律性联系的数学模型的预测过程。

对数学方法进一步可以划分为趋势外推法和因果预测法。

趋势外推法是根据预测对象的发展规律，结合企业的各种制约条件对预测对象的未来发展进行分析判断的一种预测方法；因果预测法是指根据各个变量之间的因果关系建立数学模型，对预测对象未来发展趋势的预测。

主要的数学预测方法有：（一）简单平均法简单平均法是使用统计中的简单算术平均数的方法进行的预测法。

它是以历史数据为依据，进行简单平均得出的。

n n x x x x ) (2)1(+++=式中：x 表示预测的平均值；x １，x ２，x ｎ表示各个历史时期的实际值；n 表示时期数。

将表中所列数据代入公式：276322630282422)...21(=+++++=+++=n n x x x x (万元)简单平均法计算简单，可以避免某些数据在短期内的波动对预测结果的影响。

但是，这种方法并不能反映预测对象的趋势变化，因而使用的比较少。

（二）趋势平均法趋势平均法是假设未来时期的销售量是与其接近时期的销售量的直接延伸，而与较远时期的销售量关系教小，同时为了尽可能缩小偶然因素的影响，可用最近若干时期的平均值作为预测期的预测值的基础。

例2 假设企业2001年1月~12月的销售额如下表所示。

单位：元800,355000,41000,34000,37000,34000,33=++++其余数字依此类推。

上表中，“变动趋势”的计算方法如下： 38，000-35，800=2，200 其余数字依此类推。

上表中，“三期平均数”的计算方法如下：400,23800,1200,3200,2=++其余数字依此类推。

现在假设某企业在2002年1月份预测其销售额的情况。

根据上表的结果，最接近1月份的五期平均值是因9月份计算的平均销售额48，000元，2001年9月份与2002年1月份相距4个月，其所对应的三期平均增长量为1，133元，因此，2002年1月份的预计销售额为：48，000+4×1,133=52,532元（三）加权移动平均法使用加权移动平均法就是在计算平均数时，使用一个权数来计算。

市场调查方法与技术第5版第十一章定量调查资料的分析

结合市场分析场景或案例分别介绍常见的描述分析方法、变量间相关分析方法（相关分析、列联分析、对应分析等）、有监督统计分析方法（回归分析、方差分析、判别分析等）、以及无监督统计分析方法（聚类和因子分析）。
表11-1数据类型及其适用的分析方法
4
01
单变量的描述统计分析
描述统计分析
描述统计是市场调查分析中最常用的分析方法，关键是如何选择适当的图表或统计量使数据更易于解释。不同的描述统计分析方法适用于不同的研究目的,适合不同的测量尺度数据。下面我们以表11-2中的数据为例,介绍常用的描述统计方法
• 四分位差较小说明数据比较集中于中位数附近；反之分布较分散。
• 四分位差常与中位数一起描述定距或定序变量分布。缺点是四分位差没有充分利用所有数据信息。
10
数据的特征描述③ 离散趋势分析b
反映各数值远离其中心的程度,即数据分布的分散程度。数据的离散程度越大，则集中趋势测度值对该组数据的代表性越差；离散程度越小，则其代表性就越好。
变异系数
全距
• 也称为离散系数，即标准差与均值的比值,主要用于不同类别数据离散程度的比较,记为CV。公式如下:
• 也称极差，是一组数据中最大值与最小值之差，计算公式是
• 标准差大小不仅与数据测度单位有关，也与观测值的均值大小有关，不能直接用标准差比较离散程度，而变异系数消除了测度单位和观测值水平不同的影响，因而可以直接用来比较数据的离散程度。
图 11-1 显示公司员工的年薪多在3.5万元左右,但也有少数员工的年薪达到10万元以上,分布呈现一定的右偏。
7
数据的特征描述①
• 频数分析和直方图可以清晰展示数据的取值分布情况，但有时这些信息过于详细，我们可能希望用一些统计量对其信息进行概括性描述，例如用众数、中位数、均值描述数据的集中位置，用异众比例、四分位差、标准差描述数据分布的变异性，同偏度与峰度描述分布的形态。

定量预测方法

定量预测方法定量预测方法是指通过数学模型和统计分析来预测未来的发展趋势或结果。

在各个领域，定量预测方法都扮演着重要的角色，它可以帮助决策者做出更加准确的决策，指导企业制定战略规划，以及帮助个人做出更加明智的选择。

在本文中，我们将介绍几种常见的定量预测方法，以及它们的应用场景和优缺点。

首先，我们来介绍一种常见的定量预测方法——时间序列分析。

时间序列分析是指通过对历史数据的分析，来预测未来的发展趋势。

它适用于那些具有一定规律性和周期性的数据，比如股票价格、销售额等。

时间序列分析的优点在于可以较为准确地预测未来的趋势，但缺点是对数据的要求较高，需要有一定的历史数据来支撑分析。

其次，我们来介绍另一种常见的定量预测方法——回归分析。

回归分析是一种通过建立数学模型来预测变量之间关系的方法。

它适用于那些具有多个影响因素的情况，可以帮助我们找出主要影响因素并进行预测。

回归分析的优点在于可以较为全面地考虑多个因素的影响，但缺点是对数据的要求也较高，需要进行充分的数据收集和分析。

除了时间序列分析和回归分析，还有其他一些定量预测方法，比如指数平滑法、灰色预测模型等。

这些方法在不同的场景下都有各自的优势和局限性，我们需要根据具体情况来选择合适的方法进行预测。

在实际应用中，我们需要注意几点。

首先，要充分了解预测对象的特点，包括历史数据的规律性、影响因素等。

其次，要选择合适的预测方法，不能一味地套用某种方法，而是要根据具体情况进行选择。

最后，要不断地进行验证和调整，及时修正预测模型，以提高预测的准确性。

总之，定量预测方法在各个领域都有重要的应用，它可以帮助我们更加准确地预测未来的发展趋势，指导决策和规划。

在选择预测方法和进行预测时，我们需要充分了解预测对象的特点，选择合适的方法，并不断进行验证和调整，以提高预测的准确性。

希望本文介绍的内容能够对大家有所帮助，谢谢阅读！。

第十一章市场预测方法：定量预测

三、指数平滑法
（一）一次指数平滑法
一次指数平滑法是对第t期的观察值和第 t-1期的平滑值用平滑系数加权平均，算出第t期的平滑值，并以此值作为第t+1期预测值的一种预测方法。
1.一次指数平滑法模型
一次指数平滑法的计算公式为：
1) S t(1) ayt (1 a)S t( 1
式中： y t 为时间序列第 t 期的数据， S t(1) 为一次指数平滑值， a 为平滑系数，且 0 a 1 。预测公式为：
4.初始值的确定除了平滑系数 a 应合理确定外，初始值 S 0(1) 的确定也是一个很重要的问题。一般来说，如果时间序列的数据较多，例如在 20 个以上时，初始值对以后的预测值影响很小，可选用第一期观察值为初始值。如果时间序列的数据较少，在 20 个以下时，初始值对以后的预测值影响很大，一般可以最初几期观察值的平均值作为初始值。 5.一次指数平滑的应用【例 11-4】利用例 11-1 的数据，运用一次指数平滑法预测 2011 年 1 月份的销售额。 (1) y1 y 2 ˆ1 S 0 分别取 a 0.2 、0.5 和 0.8，初始值 y 385 。根据一次指数平滑计算公 2 ˆ t 1 ayt (1 a) y ˆ t 进行计算一次指数平滑预测值，预测值计算结果和均方误差如表 11-4 式y 所示。
1) S t(1) ayt (1 a) S t( 1 1) ayt (1 a)[ayt 1 (1 a) S t( 2] 1) ayt a(1 a) y t 1 (1 a ) 2 S t( 2

(1) ayt a(1 a) y t 1 a (1 a ) 2 y t 2 (1 a) t S 0

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

上一页下一页
时间序列分析就是把过去的销售序列Y分解成为趋势(T)、周期(C)、季节(S)和不确定因素(E)等组成部分，通过对未来这几个因素综合考虑，进行销售预测。这些因素可构成线性模型，即：
Y＝T＋C＋S＋E 也可构成乘数模型，即：
Y＝T×C×S×E 还可以是混合模型，如：
Y＝T×(C＋S＋E)
下一页
上一页
下一页
【导入案例】：太子奶的“串行”
2002年底，位于北京市密云工业开发区的“太子”童装生产基地开始试产首批童装。引人关注的是，投资方不是什么服装企业，却是国内最大的乳酸菌企业湖南太子奶集团。无独有偶，国内的饮料巨头们均不甘寂寞，纷纷上演“串行”戏：娃哈哈卖上了方便面，统一进军白酒市场，如今太子奶集团又做起了童装。这种“大串行”现象，是与市场调查和预测分不开的。
上一页下一页
【例11-1】
某饮料企业运用统计分析方法，发现影响其产品
的需求量的最主要因素是年均温度和人均收入。表达方程式如下：
Q 150 8.5 X1 3.5 X 2
式中：X
1
为年均温度（度）；X
为人均收入（千
2
元）。
如果ቤተ መጻሕፍቲ ባይዱ地区人均收入为800元，年均温度为25度。则该地区的饮料市场需求为：
Q 150 8.5 X1 3.5 X 2 150 8.5 25 3.5 0.8 59.7
上一页下一页
(三) 时间序列预测的步骤
上一页下一页
时间序列分析主要特点是以时间的推移来研究和预测市场需求趋势，排除其它相关影响因素。采用方法时首先要找出影响变化趋势的主要因素，再运用其因果关系进行预测。该预测方法的主要缺陷为如果遇到外界发生较大变化时，此方法得到的结果往往与实际结果偏差较大。如国家政策发生变化时，根据过去发生的数据预测未来的话，结果将不准确。
上一页下一页
3．时间是影响预测目标的唯一变量在时间序列分析法中，预测目标的每个观察值的
大小，是受众多影响因素的共同作用结果。但时间序列分析法回避了各个因素对预测目标的具体影响，并假设把影响目标变化的所有因素都由时间这个单独变量综合起来，把时间作为唯一的影响变量来预测目标变量的变化趋势。
上一页下一页
（二）产品销售的时间序列构成
在时间序列分析法中，把产品销售的时间序列可以分成四个组成部分： 1．趋势。它是人口、资本积累、技术发展等方面共同作用的结果，可以利用过去有关的销售资料统计得出。 2．周期。企业销售额往往呈现出某种波状运动，因为企业销售一般都受到宏观经济活动的影响，而宏观经济活动总呈现出某种周期性波动的特点。周期因素在中期预测中尤其重要，短期相对来说影响不大。 3．季节。即一年内销售量变动的形式，季节一词在这里可以指任何按小时、月份或季度周期发生的销售量变动形式。这个组成部分一般同气候条件、假日、商业习惯等有关，季节形式为预测短期销售提供了基础。 4．不确定事件。其包括自然灾害、战争恐慌、一时的社会流行风尚和其他一些干扰因素。这些因素属不正常因素，一般无法预测。应当从过去的数据中剔除这些因素的影响，考察较为正常的销售活动。
上一页下一页
（一）时间序列的前提假设
在应用时间序列数据对经济变量的未来变化趋势进行预测时，要以一定的假设条件为前提基础，只有在这些假设前提条件的基础上才能进行预测：
上一页下一页
1．事物发展存在一个过程事物发展过程大体经历了由过去到现在，从现在
到未来的按时间先后变化的过程。在这个变化过程中，影响经济变量的种种因素会发生不同性质与不同程度的变化。而且这些影响因素总是在过去、现在和未来存在的。
经过周密的市场调查和预测，太子奶集团发现童装市场需求量大，前景看好，于是做出了大胆的跨行经营举动。太子奶集团根据有关部门统计资料对我国目前童装市场的需求量进行了定性与定量的预测，我国目前16岁以下的少年儿童约有3.2亿，占全国人口的27%，国内儿童服装生产企业共有4000多家，年生产儿童服装6亿多件，而真正叫得响的儿童品牌服装也只有200家左右，整个儿童服装市场从数量到品质远远不能满足市场的需求。太子奶集团通过定量的预测方法可更加全面系统地了解市场对童装需求状况，包括具体的需求数量、需求结构和需求发展变化的规律等，从而使消费者各种需求得到满足，使生产和消费结合的更为紧密，最终为企业的经营决策提供可靠的依据。
主页上一页下一页
一、时间序列的构成与预测步骤二、平均数值法三、移动平均数法四、指数平滑法
上一页下一页
一、时间序列的构成与预测步骤
企业在进行市场调查与时，通常都是以过去的资料为基础，利用统计和数学方法分析预测未来需求。这主要是因为：一方面，过去的统计数据之间存在着一定的关系，这种关系利用统计方法可以揭示出来；另一方面，过去的销售状况对未来的销售趋势有决定性影响，销售额一般表现为时间的函数。时间序列分析法是市场调查预测中一种经常采用的定量分析方法。它是指根据市场现象的历史资料，运用科学的数学方法建立预测模型，使市场现象的数量向未来延伸，预测市场现象未来的发展变化趋势，预计或估计市场现象未来表现的数量。
本章要点第一节趋势直线预测法第二节季节变动预测法第三节非直线趋势预测法关键词思考题案例分析讨论
上一页
下一页
【本章要点】
□ 平均数法 □ 移动平均数法 □ 指数平滑法 □ 季节变动预测法 □ 指数成长曲线模型 □ 修正指数曲线模型 □ 逻辑斯曲线模型 □ 龚珀兹曲线模型
主页上一页
上一页下一页
2．事物从现在延续到未来的变化只发生量变而不发生质变
假设在一定时期内，各种因素的变化只是量的变化，而不发生质的变化。在数量的渐变过程中，事物的变化不会出现质的转折。时间序列分析法在短期预测的准确性相对来说较高，而长期预测的准确性较低。从长期看，由于影响事物变化的种种因素总是在不断地变化，预测对象在长的时间内很难保证按一定规律，一成不变的向前发展，难以保证事物的未来发展只是过去历史的重复。