諮詢方法與實務筆記(三)

　　第三章 市場預測方法

　　第一節 市場預測的主要方法

　　一、目的：市場預測是在市場調查取得-定資料的基礎上，對市場未來的發展狀態、行為、趨勢進行分析並做出推測與判斷，其中最為關鍵的是產品需求預測。

　　二、分類定性預測：類推預測法、專家會議法、Delphi法，核心是專家依據個人的經驗、智慧和能力判斷定量預測：因果預測、延伸性預測、其他（經濟計量分析、投入產出分析、系統動力模型、馬爾科夫鏈）

　　第二節 因果分析法

　　因果預測：通過尋找變量間因果關係，分析自變量對因變量的影響程度。適用於存在關聯關係的數據預測。

　　1、回歸分析法：數理統計方法，建立自變量與相關隨機變量的回歸分析模型，預測隨機變量的未來值。按分析中自變量個數分一元回歸、多元回歸；按自變量與因變量關係分線性回歸、非線性回歸。

　　2、彈性係數法：通過計算2變量相對變化彈性關係預測，衡量某變量的改變所引起的另1變量的相對變化。

　　某市2000年GDP達到1788億元，當年電力消費量269kW.h.預計未來10年中前5年和後5年，GDP將保持9％和8％的速度增長，則用彈性係數法預測2005年和2010年該市電力需求量分別為多少？經專家分析，該市電力需求彈性係數如表所示。該市電力需求彈性係數表

　　[解答]

　　按照公式　　ε_E＝（ΔE/E）/（ΔGDP/GDP）

　　2001—2005年和2006—2010年電力彈性係數分別為0.66和0.59，則2001~2005年和2006~2010年年均電力需求增長速度：

　　2001—2005年＝電力消費彈性係數×GDP年增長速度＝0.66×9%＝5.9%

　　2006—2010年＝0.59×8%＝4.7%

　　於是，2005年該市電力需求量：

　　2000年電力消費量×（1＋電力需求年增長速度2001—2005年）⁵=359.15萬KW·h

　　2005年電力需求量：

　　2005年需求量×（1＋電力求救年增長速度_{2006—2010年}）⁵

　　359.15×（1+4.7%）5=451.86萬KW·h

　　y = a + bx + e

　　 a——回歸常數，

　　b——回歸係數；

　　e——回歸餘數，

　　誤差項

　　

　　

　　回歸檢驗：一元回歸，相關檢驗與t檢驗、F檢驗效果相同；多元回歸分析，t檢驗與F檢驗作用差異大

　　1、方差分析

　　

　　2、其中：，偏差平方和，反映n個y值的分散程度——總變差，回歸平方和，反映x對y線性影響的大小——可解釋變差Σ（y_i - y_i^'）²=ESS，殘差平方和，由e造成，反映非線性影響和觀察誤差——未解釋變差可決係數 R² =RSS / TSS

　　——評價2變量之間線性關係強弱的指標

　　2、相關係數檢驗

　　

　　R=1，x與y完全正相關，R=－1，完全負相關，R=0，x與y沒有線性關係。查相關係數檢驗表，在自由度n-2（n為樣本個數）和顯著性水平α=0.05下，若R>臨界值，則x與y間線性關係成立。

　　R的絕對值越接近1，表明其線性關係越好；反之，R的絕對值越接近0，表明其線性關係越不好。

　　3、t檢驗 ——回歸係數的顯著性檢驗，判定預測模型x與y間線性假設是否合理——檢驗

　　

　　t b服從t分布，通過t分布表查顯著性水平α自由度n-2數值t（α/2，n-2）；若| t b |>t，線性假設合理4、F檢驗 ——回歸方程的顯著性檢驗，檢驗預測模型的總體線性關係的顯著性。

　　

　　三、非線性回歸 —— 前提：如非線性關係可通過取對數變成線性關係

　　1、y = e a + bx 對數模型 ln y = a + bx

　　2、y = ab x 對數模型 lg y = lg a + x*lg b 用最小二乘法對模型估計，計算A、B；求出置信區間；修正四、彈性係數分析優點：計算方便、成本低、需要數據少、靈活廣泛；缺點：局部性、片面性、粗糙

　　（一）收入彈性 = 購買量變化率/收入變化率 =（ΔQ/Q）/（ΔI / I）

　　—— 商品價格保持不變

　　（二）價格彈性 = 購買量變化例/價格變化例 =（ΔQ/Q）/（ΔP/ P）

　　—— 收入水平保持不變

　　（三）能源需求彈性：反映包括社會總產值、國內生產總值、工農業總產值、國民收入、主要產品產量能源的國內生產總值彈性 = 能源消費量變化比例 / 國內生產總值變化比例 =（ΔE/E）/（ΔGDP/GDP）

　　五、消費係數法步驟：

　　①分析產品所有消費部門或行業現存和潛在市場；

　　②分析產品在各部門或行業消費量與各行業產品產量，確定消費係數；

　　③確定各行業規劃產量，預測消費需求量；

　　④匯總。

　　第三節 延伸預測法延伸性預測：根據市場各種變量的歷史數據的變化規律，對未來預測。

　　適用於有時間序列關係的數據預測條件：

　　①預測變量的過去、現在和將來的客觀條件基本保持不變；②預測變量的發展過程漸變。

　　一、簡單移動平均法： F_t+1 = 1/n Σx _i 屬於平滑技術，變化趨勢較原始數據變化幅度小適用於短期預測，以月或周為單位的近期預測；對原始數據預處理n值越小，表明對近期觀測值預測的作用越重視，預測值對數據變化的反應速度也越快，但預測的修勻程度較低，估計值的精度也可能降低。反之n值越大，預測值的修勻程度越高，但對數據變化的反映程度較慢。因此，n值的選擇無法二者兼顧，應視具體情況而定。一般3-200，視序列長度和預測目標情況而定。

　　二、指數平滑法：指數加權平均法，實際是加權的移動平均法，它是選取各時期權重數值為遞減指數的均值方法。通過某種平均方式，消除歷史統計序列中的隨機波動，找出其中主要的發展趨勢。

　　一次指數平滑 F_t =αx _i +（1-α）F_t-1 ——適用於市場觀測呈水平波動，無明顯升降趨勢的預測這種方法與簡單移動平均法相似，兩者之間的區別在於：簡單指數平滑法對先前預測結果的誤差進行了修正，因此這種方法和簡單移動平均法一樣，都能夠提供簡單適時的預測。

　　以本期指數平滑值作為下期的觀測值。α是前一觀測值和當前觀測值之間的權重。大的α導致較小的平滑效果，較小則產生客觀的平滑效果，α接近0，新預測值只包含較小的誤差修正因素。

　　觀測值穩定水平發展，α取0.1-0.3；波動較大，取0.3-0.5；波動很大，取0.5-0.8初始值F0實質是序列起始點前歷史數據的加權平均值。當時間序列數>20，F₀=X1；<20，取前3-5平均值。

　　三、成長曲線模型：反應時間序列呈S型增長曲線 Y_t = e^{（k +ab_t）} 取對數 ln Y_t = k+ ab_t四、季節變動分析季節變動按照數據的時間序列，有升降趨勢和水平趨勢，包括季節指數趨勢法和季節指數水平法兩種。

　　（一）季節指數水平法 Y_t = Y*f _t

　　Y-前1個月或所有月的平均水平，f _t-季節指數適用於無明顯升降趨勢，主要受季節變動和不規則變動影響的時間序列，一般需3-5月/季的歷史數據程序：

　　①數據分析，形成數據序列；

　　②計算各年同月平均值Y_i；

　　③計算所有月平均值Y；④計算各月季節比率f _t =Y_i/Y；⑤計算預期趨勢值一般採用最近年份平均值Y_t -1；⑥計算預測年各月預測值= Y_t -1 f _t

　　（二）季節指數趨勢法 Y_t =（a + b_t）f t ——適用於存在季節變動，各年（或同月）呈升降趨勢

　　第四節 定性預測法分為直觀預測法（包括類推預測法）和意見集合法（專家會議法、德爾菲法）

　　一、類推預測法：根據市場及其環境的相似性，從已知產品 / 市場區域的需求和演變情況，推測其他類似產品 / 市場區域的需求及變化趨勢。是由局部、個別到特殊的分析推理方法，適於新產品、行業、市場需求預測。據預測目標和市場範圍的不同，類推預測法可以分為產品類推、行業類推、地區類推預測三種。

　　二、專家會議法：頭腦風暴法（非交鋒式會議）、交鋒式會議法、混合式會議法（質疑式頭腦風暴法）

　　三、德爾菲法：廣泛應用在市場預測、技術預測、方案比選、社會評價。尤適於長期需求預測10-30年。

　　程序：①建立預測工作組；

　　②選擇專家（20人）；

　　 ③設計調查表；

　　④組織調查實施（2-3輪）；

　　⑤匯總處理調查結果德爾菲法如何選擇專家 要在明確預測的範圍和種類後，依據預測問題的性質選擇專家，這是德爾菲法進行預測的關鍵步驟。專家不僅要有熟悉本行業的學術權威，還應有來自生產一線從事具體工作的專家；一般而言，選擇專家的數量為20人左右，可根據預測問題的規模和重要程度進行調整。

　　特點：匿名性、反饋性、收斂性、廣泛性優點：

　　①便於獨立思考和判斷；

　　②低成本實現集思廣益；

　　③有利於探索性解決問題；

　　④應用範圍廣泛缺點：

　　①缺少思想溝通交流；

　　 ②易忽視少數人意見；

　　 ③存在組織者主觀影響範圍：

　　①缺乏足夠資料；

　　②作長遠規劃或大趨勢預測；

　　③影響因素太多；

　　④主觀因素對預測事件影響較大。