加权平均法就是将观察期内预测目标时间序列值的加权平均数作为下期预测值。
简单算术平均将所有的时间序列视作同等重要,而事实上近期观测值对预测值的影响更大一些,而离预测期较远的观测值则影响会较小一些,因此为了准确地界定不同时期的时间序列的影响程度,加权平均法引入了权重的概念,即对离预测期较近的数据赋予较大的权重,而对离预测期较远的数据赋予较小的权重。
显然,运用加权平均法的关键在于权重的确定,而权重的确定并没有一定的规则可循,通常要凭预测者的主观经验来判断,但这并不是说权重的确定没有任何的原则。事实上,权重的确定必须体现出影响力的大小。一般而言,离预测值近的数据对预测值的影响较大,应赋予较大的权重;离预测值远的数据对预测值的影响较小,应赋予较小的权重。
几何平均法首先要计算出一定时期内预测目标时间序列的发展速度或逐期增长率,然后依此为依据进行预测。
(2)移动平均法。移动平均法是通过移动平均数来进行预测的方法,其原理是对时间序列观察值由远及近按一定跨越期分别计算其平均值。随着观察期向后推移,平均值也跟着向后推移,形成一个由平均值组成的新的时间序列,而最后一个移动平均值是预测值计算的依据。移动平均法和简易平均法虽然都是以观察期内数据的平均数作为预测的依据,但二者存在着明显的区别。简易平均法将时间序列的总变动混合在一起,而移动平均法则消除了时间序列历史数据随时间变化引起的不规则变动的影响,更能揭示出预测目标随时间的变化所表现出的长期变动趋势规律。目前常用的移动平均法有一次移动平均法和加权移动平均法。
一次移动平均法是指把由连续移动形成的各组数据用算术平均法计算,并将所得的各组数据的移动平均值作为下一期预测值。用公式可表示为:
第2篇 企业营销分析l75Xt+1=Mt(1)=Xt+Xt—1+…+Xt—n+1n(45)
式中,Xt为第t期的观察值;Mt(1)为第t期的一次移动平均值;Xt+1为下期预测值;
n为跨越期数据的个数,也即移动平均期数。
从式45中可看出,Mt(1)是第t期前n期(包括第t期)的算术平均值。n值越小,Mt(1)中包含的数据就越少,对近期的变化趋势反映得越明显,但对某些随机因素所引起变化的剔除程度就越差。n值越大,Mt(1)中包含的数据越多,对随机因素所引起变化的剔除程度就越大。由此可见,采用一次移动平均法进行预测,n的取值很关键。一般来说,在历史资料具有明显的季节性变化或循环周期性变化时,n应等于季节周期或循环周期;如果需要反映长期变化趋势时,n应取大些;如果要求反映近期变化趋势时,则n应取小些。通常是通过反复试算的方法,取预测值与实际值误差最小的n值作为选定的n值。
例:某商店最近10周的食盐销售量见下表,试用一次移动平均法预测第11周的销售量。
某商店近10周的食盐销售量(单位:kg)加权移动平均法也是一种常用的移动平均法,它由远及近赋予观察值不同的权重,按加权计算移动平均值。以移动平均值为基础进行的预测,是一种移动平均法与加权平均法的结合。
运用该法时,权重的确定与前面所说加权平均法一样,对距预测期近的观察值给予较大权重,对距预测期远的观察值给予较小的权重,借以调节各观察值对预测值的影响程度,使市场预测能更好地反映市场现象未来的实际变化,但是应该注意的是,加权移动平均中各权重之和为1。
(3)指数平滑法。指数平滑法也称指数移动平均法或指数修正法,它实际上是一种特殊的加权移动平均法。在实际应用中,指数平滑法可分为一次指数平滑法和多次指数平滑法。在此只对一次指数平滑法作一介绍。
一次指数平滑法是指先计算时间序列的一次指数平滑值,然后以当前观察期的一次指数平滑值为基础,确定下期预测值。
5.因果分析法
在社会经济现象中,许多经济变量除了受时间因素的影响外,还可能受到其他因素的影响,如产品的需求与产品的价格、消费者的收入、消费者的购买习惯等。当一个或几个经济变量发生变化后,会引起另一个或几个变量发生相应的变化,经济变量之间的这种依存关系即为变量之间的因果关系。因果分析预测法就是从变量的因果关系入手,通过统计分析和建立数学模型揭示预测目标与其他有关的变量之间的数量关系,据此进行预测的方法。常用的因果分析法有回归分析法、经济计量法和投入产出法,这里着重介绍回归分析法。回归分析法又包括线性回归和非线性回归,通常采用线性回归方法已能完全满足需要,故这里只介绍线性回归。线性回归分为一元线性回归和多元线性回归。
(1)一元线性回归分析法。一元线性回归分析法是处理自变量X与应变量Y之间线性关系的一种方法。
假设预测目标因变量为Y,影响它变化的一个自变量为X,一元线性回归分析就是要依据一定数量的观察样本(Xi,Yi),i=1,2,…,n,找出回归直线方程:
Y=a+bX(48)
回归直线方程说明自变量x每变动一个单位时因变量y的平均变动程度,从而通过代入自变量来预测因变量的变动趋势。
运用一元线性回归分析法一般经历五个步骤:
①确定预测目标和自变量。根据预测目的的需要,明确进行预测的具体目标,分析寻找影响预测目标的相关因素,并判断选出最主要的一个影响因素,也即决定因变量与自变量。
②收集因变量与自变量观察样本资料。通过市场调查等手段收集整理因变量和自变量的历史数据,绘制散点图,从变量变化形态上来决定是否可以拟定回归模型。
③建立回归模型。根据散点图中变量的变化趋势,初步建立回归模型,并应用最小二乘法,确定模型中的系数。
④对回归模型进行检验。对于任何给定的一组因变量和自变量都可以用最小二乘法计算出回归方程参数,建立回归方程式。但是这样建立的回归方程式并非一定有意义,因此要对回归模型进行相关分析、方差分析与显着性检验。
⑤进行预测。在经过相关分析与显着性检验后,利用达到某一显着水平的回归方程预测模型进行实际预测,包括计算与测值和置信区域。
例:已知某商场的销售额同当地居民人均月收入有关,近10年的销售额与居民人均月收入的数据。
试建立销售额与人均月收入的回归方程,预计当地居民下年度月均收入为7.35千元,试预测商场销售额。
解:①根据预测目标很容易确定销售额为因变量,月均收入为自变量,并设自变量为X,因变量为Y。
②根据观察资料,绘制散点图,如下图所示,根据散点图,某商场的销售额随当地人均收入的增长呈线性增长趋势,可以设回归模型为:
Y=a+bX
故得一元线性回归方程模型:
Y=2.80+0.61X
④对回归模型进行检验。
步骤一,计算相关系数。相关系数是用来衡量两个变量之间是否存在线性相关以及相关程度。。
步骤二,选择检验的显着性水平。通常社会经济预测的显着性水平α取5%或10%,它所说明的是用历史资料计算的线性相关密切程度对总体具有5%或10%的显着性,即有95%或90%的可信度(置信度),需要进行相关系数检验。其步骤为首先选取α;其次根据α值和(n—k),k为变量数,从相关系数临界值表中查得临界值rα;再次比较r与rα,若|r|≥rα,表明两个变量之间存在着显着的线性相关关系,检验通过;若|r|<rα,表明两个变量之间不存在着显着的线性相关关系,用历史资料计算出的r具有偶然性。
本例中,选择α=5%,k=2,n—2=8,查表可得rα=0.632,说明|r|≥rα,故rα=0畅632有5%显着水平;回归模型Y=2.80+0.61X达到95%的置信度,可以用来进行预测和控制。
⑤进行预测。当X=7.35时,Y=2.80+0.61X=2.80+0.61×7.35=7.28即当当地居民下年度月均收入为7.35千元时,商场销售额的预测值为7.28亿元。
(2)二元线性回归分析法。一元线性回归分析只能分析一个自变量对因变量的影响,而事实上,影响预测目标因变量的因素是很多的。所谓多元线性回归就是研究两个或两个以上自变量与因变量之间的线性关系,建立回归预测模型,进行预测。而多元线性回归分析在分析和计算上都是很复杂的,这里我们只简单介绍二元线性回归分析法的原理。
二元线性回归是指两个自变量对因变量影响的回归分析,它是一元线性回归的自然推广,其预测步骤与一元线性回归相类似:首先,确定预测目标和自变量。显然,预测目标就是因变量,而影响因变量的因素很多,因此要根据预测目的的需要,跟据其影响程度确定两个最重要的因素作为自变量。其次,收集因变量与自变量的观察样本资料。第三,建立回归模型:Y=a+b1X1+b2X2,运用最小二乘法确定a、b1和b2三个系数。第四,对回归模型进行检验。对于二元线性回归分析可以通过复相关分析、方差分析以及F检验等。最后,进行预测。在经过相关分析与显着检验后,利用达到某一显着水平的回归方程预测模型进行实际预测。
5消费者购买行为分析
消费者购买行为是企业对营销进行有效管理、有针对性地制定营销战略与策略的主要依据之一。消费者购买行为分析包括个体消费者购买行为分析和组织消费者购买行为分析两大部分。
5.1 个体消费者购买行为分析
个体消费者是指所有为了生活消费而购买产品的个人和家庭。世界各地的消费者每天都要做出购买决策,但不同年龄、不同文化的消费者其购买行为千差万别。因此,企业为了其生存与发展,必须认真研究消费者的购买行为,其目的就是要找出消费者究竟是如何决策的,影响其购买决策的因素是什么。理清这些问题的本质,对企业营销无疑是非常重要的。
5.1.1 个体消费者市场
个体消费者市场是个人或家庭为了生活消费而购买产品的个人和家庭的集合。个体消费者市场是一切市场的基础,是所有产品流通过程的终点,因此个体消费者市场又叫最终产品市场。个体消费者市场主要有以下特点:
1.消费者人数众多、市场供应范围广泛
生活中的每一个人都不可避免地发生消费行为,成为消费者市场的一员,因此,个体消费者市场人数众多。例如,我国人口超过13亿,所以消费者市场的人数也就有13亿之多。另外,消费者的需求涉及到衣、食、住、行等各个方面,范围很广,并且包括高、中、低各个档次,市场的供应范围广泛。
2.交易数量小、交易次数多
个体消费者市场的供应商往往都采取零售的方式服务消费者,并通过高质量的服务吸引顾客重复购买。
3.消费特点各异、消费需求易变
个体消费者市场上成千上万的消费者由于受其年龄、教育背景、宗教信仰以及市场环境等的影响,购买行为迥异,所购商品的品种、规格、款式、色彩等千差万别。同时,消费者需求具有求新求异的特性,要求商品的品种、款式不断翻新,有新奇感,不喜欢一成不变的老面孔。随着全球化和信息技术应用,消费者需求的变化更加迅速,使产品的生命周期不断缩短。
4.需求弹性大、购买力流动快
消费者的需求来源于人们的各种生活需要,是一种直接需要。消费者的需求受消费者收入、生活方式、商品价格和储蓄利率等众多因素的影响,在购买数量和品种上表现出较大的收入弹性,收入多则增加购买,例如,随着我国人均收入的增加,旅游产品的需求日益增加。反之,如果收入减少则必然减少购买。同时,由于消费者市场商品之间广泛的替代性,也使得交叉弹性较大,例如,随着液晶电视和等离子电视在市场的走俏,传统的显像管电视的需求正呈现出下降,这就是商品替代而引起的交叉弹性。而且,个人和家庭消费的购买力有一定限度,对所需要的商品必然慎重选择,因此,在商品质量、价格、服务方式等因素的影响下,购买力可能在不同地区、不同企业或不同品种的产品之间流动。此外,人口的流动也可能造成购买力的流动。
5.购买决策情绪化、购买本质非盈利性
消费者购买商品一般是为了获得某种使用价值,满足自身的生活消费的需要,而不是为了盈利。同时,个人或家庭在购买产品时,他们对产品往往知之甚少,缺乏专门的商品知识和市场知识,因而在购买商品时,往往容易受厂家、商家广告宣传、促销方式、商品包装和服务态度的影响。消费者一般根据个人的好恶和感觉作出购买决策,多属非专家购买,受情感因素影响大。
5.1.2 个体消费者购买角色
产品由谁购买?这个问题对于企业营销人员来说无疑是最关键的。对于某些产品来说,营销人员比较容易判断谁是决策者。例如,王先生路过报摊随手买了一份晨报。