常用市场销量预测方法的介绍与使用v-1.1课件.ppt

1、GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022常用市场销量预测方法的介绍与使用常用市场销量预测方法的介绍与使用2GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022销量预测的方法分类：2.3 季节变动预测法季节变动预测法预预测测方方法法2、时间序列分析方法、时间序列分析方法3、因果分析方法、因果分析方法1.1综合判断法综合判断法2.1 灰色系统预测法灰色系统预测法3.1 相关回归分析法相关回归分析法3.2 弹性系数预测法弹性系数预测法1、简易预测方法：、简易预测方法：2.2 马尔可

2、夫链预测法马尔可夫链预测法3GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20221、销量简易预测方法：综合判断法综合判断法综合判断法是一种简易的销量预测方法，简单来说，就是综合若干人的销量预测，以预测的最低销量，最可能销量，最高销量为基准，乘以相应的经验权重，得到预测估计量的方法。经验值公式：它是一个经验公式，最早使用在美国的计划评审技术中，多作为简易的预测工具预测市场销量趋势。优点：简单，快速。 缺点：准确度较低，受人主观影响大。理论依据：假定销量服从正态分布，其均值为a，方差为 ，那么可以将销量分为三段，第一段为销量不高于 ,称为最低销

3、量段；第二段为销量不低于 ，称为最高销量段；第三段在（ ）之间，成为最可能销量段；由概率论知，第一段和第二段的可能性均是15.9，第三段的可能性是68.2，由此可得：aa2aa,4GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20222.1 时间序列预测方法：灰色系统预测法灰色系统预测法：灰色系统预测法：用于解决“少信息，不确定性”的问题。比较：时间序列分析大多以回归分析为主，是应用最广泛的方法，但回归分析要求大样本，要求样本数据有较好的分布规律，然后实际很多实际情形并非如此。例如：SPSS中的时间序列分析的季节性分析要求至少有中的时间序列分

4、析的季节性分析要求至少有4个全季节数据。个全季节数据。灰色系统预测法的优势灰色系统预测法的优势：用于时间短，数据资料少，数据不需要典型的分布规律，计算量较低，对短期预测有较高精度。不适合随机波动较大的数据不适合随机波动较大的数据。灰色系统预测法的建模思想：灰色系统预测法的建模思想：直接将时间序列转化为微分方程，建立抽象系统的发展变化动态模型，这个模型简称为：GM(1,1)模型，也称为单序列一阶线单序列一阶线性动态模型。性动态模型。5GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20222.1 时间序列预测方法：灰色系统预测法灰色系统预测法的使

5、用过程：灰色系统预测法的使用过程：1、对历史时间销量数据进行一阶累加处理，得到生成数列 ：2、建立微分方程模型GM(1,1) ： 3、利用等式求得a、u的值：其中： ， nmmmmxmxmxnxxxx102101101111,2,1 1xuaxddtx)1()1(11YBBBuaTT6GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20222.1 时间序列预测方法：灰色系统预测法灰色系统预测法的使用过程：灰色系统预测法的使用过程：4、将得到的a、u值，代入微分方程解出的时间函数：由此，可以求得数列 ，然后再将此预测值数列利用下式还原为预测销量数

6、列：5、精度检验：残差检验、关联度检验、后验差检验等。7GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022灰色系统预测法的使用案例：灰色系统预测法的使用案例： 案例数据：构造矩阵B和数据向量Yn：2.1 时间序列预测方法：灰色系统预测法8GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022灰色系统预测法的使用案例：灰色系统预测法的使用案例：计算出a,u的值：确定预测模型：预测销售额：2.1 时间序列预测方法：灰色系统预测法9GfK Retail and Technology常用市场销量

7、预测方法的介绍与使用June 6, 20222.2 马尔可夫链预测法马尔可夫链预测法：马尔可夫链预测法：学名叫状态概率矩阵预测法，因为是由俄国数学家马尔可夫创立一种分析随机过程的方法，所有叫马尔可夫链预测法。马尔可夫链预测法的优势马尔可夫链预测法的优势：适合于随机波动较大的动态系统的预测问题，。 缺点：缺点：预测的准确性受客观因素影响太大。使用领域：使用领域：日用商品、食品、燃料、药品等快速消费品。马尔可夫链预测法的建模思想：马尔可夫链预测法的建模思想：系统的未来状态，仅与最近状态有关，而与原始状态和过去状态无关，即具有（或近似具有）无后效性特点；根据某些变量的现在状态及其变化趋向，预测其在未

8、来某一特定期间内可能出现的状态。10GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022马尔可夫链预测法的使用过程：马尔可夫链预测法的使用过程：1、对历史销量数据进行状态划分： 利用样本均值- 均方分类法进行分类，按数据值是否落在 (- ,x-s)x-s, x-0.5s, x-0.5s, x+0.5s,x+0.5s, x+s, x+s,+ 把数据值分成五种状态。2、状态转移概率的计算和状态转移概率矩阵的构造（即构造马尔可夫链）： 数据序列由状态 ，经过m步转移达到状态 的概率为m步转移概率，记为 ，计算公式为：由m步转移概率元素构成的矩阵称

9、为m步状态转移概率矩阵，见下图：2.2 马尔可夫链预测法iEjEijmP)(iijmijmMmP)()(11GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022马尔可夫链预测法的使用过程：马尔可夫链预测法的使用过程：3、利用状态转移概率矩阵 编制预测表： 4、根据最后预测状态，确定预测值。 预测值可以取数值区间的中位数。2.2 马尔可夫链预测法)(mR12GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20222.2 马尔可夫链预测法马尔可夫链预测法的使用过程：马尔可夫链预测法的使用过程：5

10、、案例数据：13GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022季节变动的含义：季节变动的含义：季节变动是指有些社会经济现象，因受社会因素和自然因素的影响，在一年内随着时序的变化而引起周期性的变化。这种周期性的变化一般都是比较稳定的。在统计中，一般指的是一年内4季或12月的周期性变动。季节模型：季节模型：一般认为影响动态数列发展变化的因素有四个， 即：长期趋势(这是最主要的)，用T表示；季节变动，用S表示；循环变动，用C表示；不规则变动，用I表示。因此，动态数列的模型有三种模式： 乘法模式： 加法模式： 混合模式：2.3 时间序列预测方

11、法季节变动预测法14GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022趋势和季节混合型动态数列的季节变动分析：趋势和季节混合型动态数列的季节变动分析： 在我们工作中，碰到更多的是既有长期趋势因素又有季节因素影响的数列。但如果数据量不足，在SPSS中无法进行季节变动分析时，我们就需要计算数列的季节指数，再和SPSS预测的趋势值一起预测未来值。2.3 时间序列预测方法季节变动预测法季节变动预测法的使用过程：季节变动预测法的使用过程：1、必须先消除长期趋势的影响，才能得到准确的季节指数。 先利用移动平均法计算原始时间数列，求出数列长期趋势值。

12、若样本数据较多，可以使用中心移动平均法（指以当前值为中心，计算前后若干期的平均值）；若样本数据较少，可以使用前移动平均法（指计算当前值以前若干期的平均值）。可以利用SPSS计算移动平均值。2、：用原始数列的值除以对应的长期趋势值，依照乘法模型，YTSI（暂不考虑循环因素影响）。15GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022季节变动预测法的使用过程：季节变动预测法的使用过程：3、将同年各月的数值求平均值，也就是对SI求平均值，就可以消除I（不规则变动因素）的影响，就剩下了S（季节因素）。4、将12个月的平均季节指数 加总 ，其总和应

13、为12，如果不等于12则要求出调整系数（12/ ）。5、用调整系数再乘回各月比率值，得到修正后的季节指数。6、预测出预测期的长期趋势值，然后乘以已经求出的固定的季节指数，就得到数列预测值。2.3 时间序列预测方法季节变动预测法16GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022季节变动预测法使用案例：季节变动预测法使用案例：1、原始值：、原始值：2、长期趋势：、长期趋势：月份月份2003年年2004年年2005年年月份月份2003年年2004年年2005年年1234561440135312751289140717601460137813

14、571365152518821711155814741440152918157891011122022208020551709145112972119216221421870158114412066222821691821149514932003200420052003200420052.3 时间序列预测方法季节变动预测法17GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022季节变动预测法使用案例：季节变动预测法使用案例：3、季节指数计算表：、季节指数计算表：2003200420052.3 时间序列预测方法季节变动预测法18GfK Ret

15、ail and Technology常用市场销量预测方法的介绍与使用June 6, 2022季节变动预测法使用案例：季节变动预测法使用案例：4、预测值计算：、预测值计算：假如测定假如测定2006年年1月的趋势值为月的趋势值为2000元，而该月的固定的季节指数为元，而该月的固定的季节指数为93.72。则该月的预测值为：。则该月的预测值为： 2000*93.721874.4（元）（元）2.3 时间序列预测方法季节变动预测法19GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022相关回归分析法的含义：相关回归分析法的含义： 市场预测中常用的方法有

16、回归分析法、弹性系数法、时间序列法等；其中回归分析法是研究变量之间相关关系的一种统计方法，它要解决的问题如下： 1、确定变量之间是否存在相关关系，如果存在的话，找出它们之间合适的数学表达式。 2、从共同影响变量的若干自变量中，判断自变量的影响显著效果。 3、利用所找到的数学表达式对变量进行预测。3.1 因果分析方法相关回归分析法20GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用过程：相关回归分析法的使用过程：1、相关分析。 在进行回归分析之前，要先进行相关分析，采用相关分析确定变量

17、之间是否确实有相关关系存在，如果存在，则再用回归分析求出变量之间的定量关系表达式。 衡量变量之间的相关程度使用的是：散点图 和 相关系数。SPSS的相关分析： 利用SPSS选项：AnalizeCorrelateBivariate 再把两个有关的变量选入，选择Pearson，Spearman或Kendall就可以得出这三个相关系数和有关的检验结果(零假设均为不相关)。 21GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用过程：相关回归分析法的使用过程：2、回归分析。 利用spss提供的

18、若干回归工具，确定回归方程，建立预测模型。 SPSS中自变量和因变量都是定量变量时的线性回归分析： 利用SPSS选项：AnalizeRegressionLinear 再把有关的自变量选入Independent，把因变量选入Dependent，然后点OK即可。如果自变量有多个（多元回归模型），只要都选入就行。3、用预测模型求预测值，并评估预测效果。 Coefficients1-91.33218.596-4.911.0035.302.764.9436.937.000(Constant)V31ModelBStd. ErrorUnstandardizedCoefficientsBetaStandard

19、izedCoefficientstSig.Dependent Variable: V21. 22GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用过程：相关回归分析法的使用过程： 需要注意说明自变量解释因变量变化百分比的度量，叫做决定系数（coefficient of determination），用R square表示。对于下例，R square =0.889；这说明这里的自变量可以大约解释88.9的因变量的变化。 R square越接近1，回归就越成功。由于R square有当变量

20、数目增加而增大的缺点，人们对其进行修改，有一修正的R square （adjusted R square）。Model Summary.9431.889.8714.284231ModelRR SquareAdjustedR SquareStd. Error ofthe EstimatePredictors: (Constant), V31. 23GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用案例：相关回归分析法的使用案例： 根据北京市某区的大型电器商场渠道提供的自2000年2007

21、年的电冰箱销售数据及由民政局,统计局等政府信息部门提供的数据,编制了电冰箱年销售量（20002007）表格,见下表: 年份电冰箱销售量Y（千台）年新结婚户数X1居民户均收入X2（千元）2000202228.520012622.53420023023.138.620033423.4402004402442.520054424.5462006492650.220075528.554.824GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用案例：相关回归分析法的使用案例：Correlatio

22、ns 电冰箱销售量Y（千台）年新结婚户数X1居民户均收入X2（千元）电冰箱销售量Y（千台）Pearson Correlation10.9430.993Sig. (1-tailed)0.0000.000N888年新结婚户数X1Pearson Correlation0.94310.946Sig. (1-tailed)0.0000.000N888居民户均收入X2（千元）Pearson Correlation0.9930.9461Sig. (1-tailed)0.0000.000N888*. Correlation is significant at the 0.01 level (1-tailed)

23、.25GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223.1 因果分析方法相关回归分析法相关回归分析法的使用案例：相关回归分析法的使用案例：Coefficients1-20.7712.903-7.155.0001.387.068.99320.348.000(Constant)V41ModelBStd. ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.Dependent Variable: V21. Model Summary.9931.986.9831.53

24、7921ModelRR SquareAdjustedR SquareStd. Error ofthe EstimatePredictors: (Constant), V41. 26GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022弹性系数预测法：弹性系数预测法： 弹性系数预测法属于微观预测，它认为市场上某种商品的销量，主要是受居民收入、该商品价格和相关商品价格等因素的影响，通过计算产品销售（产品需求）的价格弹性、收入弹性、和交叉弹性等系数来反映并预测未来销量。1、价格弹性系数预测法。、价格弹性系数预测法。 产品需求的价格弹性，表示需求量（

25、销售量）变化对价格变化反映的灵敏程度。计算公式为： 产品销量预测模型：3.2 因果分析方法弹性系数预测法27GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022 价格弹性系数预测法的使用案例。 假设某商品当每台平均零售价2150元时，销售3100台；价格下降为1430元时，销售达到6900台，该地区本期共销售该商品25000台，假如预测期平均每台价格再下降300元，在其它条件不变的情况下，下期该商品的销量预测是多少台？ 首先计算出实验销售所取得的价格弹性系数： Ed（6900-3100）/（1430-2150）*（2150/3100）-3.

26、66 再根据价格弹性系数测算下期可能销售量： Q125000+（-3.66*25000*（-300）/143044196台 因此，预测期的销售量约为44200台左右。3.2 因果分析方法弹性系数预测法28GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20222、收入弹性系数预测法。、收入弹性系数预测法。 产品需求的收入弹性，是衡量收入的相对变动与随之变化的需求量的相对变动之间的关系，反映需求量（销售量）对收入量变化的敏感程度。计算公式为：预测值计算公式为：3.2 因果分析方法弹性系数预测法29GfK Retail and Technology

27、常用市场销量预测方法的介绍与使用June 6, 2022 收入弹性系数预测法的使用案例。 经过对历史数据的测算，某地区居民对文娱用品类的收入需求弹性为1.55，去年该地区的文娱产品的销售额为40亿元，从统计部门得知该地区的居民可支配收入将比去年上涨5，则今年的文娱产品的销售额预测为多少？ Q140*（1+1.55*5）43.1 亿元 预测今年的文娱产品的销售额可能为43亿元左右。3.2 因果分析方法弹性系数预测法30GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 20223、交叉弹性系数预测法。、交叉弹性系数预测法。 交叉弹性又称为偏弹性，表明

28、一种商品价格变动影响另一种商品销售量的程度，计算公式为：内涵：1、若系数为正数，表示计算的两种商品为替换品，一方的价格变化会引起另一方商品的销量向相反的方向变化。2、若系数为负数，表示所计算的两种商品为互补品，一方价格变化引起的销售量的变化也会引起另一方同样方向的销售量的变化。3、若系数很小接近于0，则两种商品无关联。3.2 因果分析方法弹性系数预测法31GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022 交叉弹性系数预测法的使用案例。 已知两种商品X,Y，Y商品的混合平均价由120元/件调为90元/件，X商品在Y商品调价前1个月内的销售

29、量为1600件，调价后的1个月内销售了1200件，则交叉弹性系数为： E(X,Y)=（1200-1600）/（90-120）*120/16001 说明X,Y两种商品为替换品，其一方的价格变化，会对另一方造成销量的相反方向变化，并且因为系数为1，则X商品减少的幅度与Y商品降价的幅度同步。3.2 因果分析方法弹性系数预测法32GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022销量预测方法分类总结1.1综合判断法快速，简易，但准确度不高。综合判断法快速，简易，但准确度不高。2.3 季节变动预测法在季节性样本量不足时是一个很好的补充。季节变动预测

30、法在季节性样本量不足时是一个很好的补充。2.1 灰色系统预测法需要样本量少，对分布规律没有严格要求，较精确，灰色系统预测法需要样本量少，对分布规律没有严格要求，较精确，但不适合波动大的数据。但不适合波动大的数据。3.1 相关回归分析法广泛使用的预测方法，但需要较多样本，并且要求分相关回归分析法广泛使用的预测方法，但需要较多样本，并且要求分布规律严格。布规律严格。3.2 弹性系数预测法简单易用快速，但考虑的因素少，易受外界输入因弹性系数预测法简单易用快速，但考虑的因素少，易受外界输入因素影响。素影响。2.2 马尔可夫链预测法样本量要求不高，适合波动大的数据，精度一般，更马尔可夫链预测法样本量要求

31、不高，适合波动大的数据，精度一般，更适合定性分析。适合定性分析。33GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022 E N D谢 谢34GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022人有了知识，就会具备各种分析能力，明辨是非的能力。所以我们要勤恳读书，广泛阅读，古人说“书中自有黄金屋。”通过阅读科技书籍，我们能丰富知识，培养逻辑思维能力；通过阅读文学作品，我们能提高文学鉴赏水平，培养文学情趣；通过阅读报刊，我们能增长见识，扩大自己的知识面。有许多书籍还能培养我们的道德情操，给我们巨大的精神力量，鼓舞我们前进。GfK Retail and Technology常用市场销量预测方法的介绍与使用June 6, 2022