因果关系分析预测 - 应用技术学院课程中心.pptVIP

上海应用技术学院经管院市场营销专业 第十一章 因果关系分析预测法 主要内容 1.回归分析预测法 2.基数迭加法 3.比例推算法 　　　　　　　　4.市场预测的综合分析 　　　　　　　　5.内容回顾与讨论 导言 １.回归分析预测法 １.回归分析预测法 １.回归分析预测法 １.回归分析预测法 ２.基数迭加法 ３.比例推算法 ４.投入产出分析预测法 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 5.市场预测的综合分析 内容回顾 * 思考模式 案例分析 启示与思考 定位策略 品牌与品牌定位理论 思考模式 案例分析 启示与思考 定位策略 品牌与品牌定位理论 思考模式 案例分析 启示与思考 定位策略 品牌与品牌定位理论 思考模式 案例分析 启示与思考 定位策略 品牌与品牌定位理论 　　 　　因果关系分析预测法从研究事物之间发展变化的因果关系入手，通过统计分析建立数学模型，并据此进行定量预测。 因果关系分析预测法 回归分析预测法 基数迭加法 比例推算法 投入产出分析预测法 一元回归预测 多元回归预测 　　 一元线性回归 例：某五金公司历年的销售总额与供应地区的工业产值资料如表1所示，并预计2006年该地区工业产值达60.7亿元，试用一元线性回归模型预测2006年该公司的销售总额。 13556.3 5623.37 321.8 130.9 ∑ 2937.64 1333.32 54.2 24.6 2005 2460.16 1091.2 49.6 22 2004 2070.25 887.25 45.5 19.7 2003 1764 735 42 17.5 2002 1444 570 38 15 2001 1190.25 448.5 34.5 13 2000 961 328.6 31 10.6 1999 729 229.5 27 8.5 1998 产值 （亿元） 销售额 （百万元） 年份 表1 一元线性普通回归模型参数计算表 ②计算参数 预测模型为： （百万元） ③预测：由已知条件知：2006年 = 60.7亿元 解：①首先列计算表（见表1） 　　 多元回归预测法通过建立多元回归预测方程，用两个或两个以上已知的变量（自变量）来预测对象（应变量）。 　　多元回归预测方程是用来表达一个因变量与多个自变量之间相关关系的数学模型，分为多元线性回归方程和多元非线性回归方程两大类。其中，多元线性回归方程是市场预测中最常用的。 多元回归预测 １.回归分析预测法 　　 求解参数 选定自变量 进行预测 筛选自变量 对因变量有显著影响 具有较为完整的量化资料 与因变量具有内在的因果联系 避免多重共线性问题 借助电脑和统计软件（如spss） 检验因变量与自变量之间的线性关系 判定每个自变量对因变量的影响程度 显著性检验 将符合要求的自变量的系数代入，建立预测方程，进行预测 多元线性回归预测的步骤 　　 基数迭加法是指在分析影响预测对象各种因素的基础上，通过确定各因素的影响程度来进行预测的一种方法，也叫因素分析法。影响程度指各因素引起预测对象变化的百分比。 　　用基数迭加法进行预测的最大优点是简单、方便，但确定各因素的百分比是难点，因此要综合分析各种历史资料和经济发展趋势，慎重考虑各种因素，提高预测准确性。 　　 比例推算法是利用商品之间相关的比例关系进行预测的方法。由于预测的比例关系是通过分析统计资料计算而得，排除了人为的主观因素，所以预测结果具有较高的可信度。 　　 　　投入产出分析预测法是国民经济（或地区、部门）综合统计分析和计划综合平衡的重要工具。 　　由于建立投入产出表所需数据非常庞大，涉及部门多，计算过程非常复杂，所以投入产出分析预测法主要用于国民经济各部门、各地区的预测，很少用于企业的预测。 预测目标分析 预测效果 的评价 预测方法的 评价与选择 预测方法应用 和实际预测 整个预测过程涉及诸多分析 1、预测目标模糊不清 2、预测目标太复杂，不能直接预测——简化 一、预测目标分析的依据——决策的目标 二、预测 目标分析 的原因 三、预测目