按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
2、经验判断法
即由预测主持人召集某些熟悉业务、具有经验和综合分析能力的主管人员、职能人员、业务人员对预测问题进行讨论、分析、判断的方法。这种方法尽管是主观估测的结果，但由于预测人员都掌握一定的市场资料，具有相当的经验，因此对于过去一段时期的需求情况比较正常，营销环境又不会出现重大变化的产品预测，具有较高的实用价值。
在用此法预测中，可以根据各人所提的预测值，进行加权平均。其权数可按照各人在企业中所处的地位与作用的不同而定。如方案提出者是经理、管理人员、业务人员，他们的主观预测值分别是：18；000（元）、20；000（元）、22；000（元），根据各自在企业中的作用，定出加权数分别为：0。5、0。3、0。2。
加权平均后的预测值是：
（此数据应为19，400）
3、社会调查法
即通过座谈、访问或信件、电话、报表、展览等手段，直接向有关人员进行调查，加以分析和综合进行预测的方法。此法能对市场有较透彻的了解，但必须在调查对象配合的基础上，而且费用较高。如直接向顾客发征询表（见表4…3）。
名称 购买年月 牌号 型号规格 备注
电冰箱
洗衣机
彩电
录像机
空调机
其他
表4…3 耐用消费品需求征询表
时间序列预测法
即把过去的历史资料和数据按时间顺序加以排列，构成一个数字序列，再对此序列数值的变化加以延伸，进行推算，判断市场未来发展趋势的方法。此法比交简便，适用性强，但不能反映事物的因果关系，需要用其他预测法加以补充和校正。
1、简单平均法
即按时间序列对一定时期内的观察值进行平均计算，以预测后期数值的方法。
其计算公式：
其中， 表示预测值；
1、 2、 3… n表示观察值；
n表示观察值的数目。
_例：某企业本年1—8月份销售如表4—4所示，求该企业本年9月份的销售额预测值。
该企业本年9月份的预测销售额是577万元。（公式中分子的第一个数字应为586）
时间（月） 1 2 3 4 5 6 7 8
销售额（万元） 586 596 560 565 580 570 578 582
表4…4 某企业本年1—8月销售额
简单平均法一般只适用于销售量变化不大的稳定状态，如果实际情况变化起伏很大的话，预测结果和实际的销售量的差距就会增大。
2、移动平均法
简单平均法是假定1—8月份的销售额对9月份的销售额预测值的影响都是一样的；而移动平均法是假设接近9月份最近的几个月影响更大。如果把5、6、7、8四个月的销售额作为观察值，加以平均，所得的预测结果更接近实际。
该企业本年9月份的预测销售额是577。5万元。
3、加权移动平均法
前两种方法都是用平均的方法求得预测值，而实际必须考虑各个月的销售额对9月份销售额的影响程度，由此进行加权平均，即加权移动平均法。权数根据经验所定，此法所得预测结果比简单平均法更精确。
其计算公式：
其中，w表示权数。如果观察值仍取5、6、7、8四个月，根据每个月的数值的9月份预测值的不同影响程度确定权数分别为5月份（w1）为0。2；6月份（w2）为0。2，7月份（w3）为0。3，8月份（w4）为0。3，权数之和为1。
该企业本年9月份的预测销售额是578万元。
因果关系分析法
即利用市场营销活动中各种因素之间的因果关系，找出影响预测结果的主要原因，并计算出原因与结果之间的数量关系，根据此数量关系测算出预测值的方法。此结果比较准确，但需要一定的数学知识与计算技术。
1、回归分析法
即通过分析事物发展变化的原因，找出原因和结果之间的联系，用数学模型以预测事物未来发展趋势的方法。根据有关影响因素的多少和资料数据的多寡又分为一元线性回归法、多元线性回归法，非线性回归性等。
这里将一元线性回归法作一介绍。
一元线性回归分析法的数学模型为：y=a＋bx
其中：y表示因变量（预测值）
x表示自变量（引起事物变化的某些因素）
a、b表示回归系数
n表示观察值数目
回归系数的计算公式：
例：某企业经过连续观察，发现某产品的销售与广告支出相关，统计资料见表4…5。求当广告费用为9。5 万元时，该产品的销售量预测值。
首先用列表式计算有关数据（表4—5），并计算回归系数a、b。
再将a、b代入回归方程：y=114。59＋7。02X
当广告费用为9。5万元时，该产品销售预测值：y=114。59＋7。02×9。5=181。28（万元）
数据点（n） 广告支出（x） 销售量（y） X2 y2 xy
1 3 128 9 16384 384
2 3。4 131 11。56 17161 445。4
3 4 150 16 22500 600
4 4。2 140 17。64 19600 588
5 4。8 160 23。04 25600 768
6 5。5 170 30。25 28900 935
7 6。5 150 42。25 22500 975
8 7。9 162 62。41 26244 1279。8
9 8。5 170 72。25 28900 1445
10 9。2 185 84。64 34225 1702
n=10
表4…5 某产品销售量与广告支出
应用一元回归分析方法，必须满足以下条件。
（1）预测对象影响因素之间必须存在因果关系，并能确定这种关系还在发生作用。
（2）要有足够的统计数据。一般所取数据应在20个以上，因为数据过少会影响预测的准确性。
（3）根据呈现的规律能反映未来的变化趋势并且分布确有线性状况。
2、相关分析法
即分析市场上各种经济现象之间相互联系的因素，预测它们变化趋势的方法。回归分析法是用时间数列进行预测，虽然找出两个变量之间的关系，但它们之间的联系程度如何，则需要用相关分析法进行分析。
市场上经济因素之间存在各种不同的相关关系，表示相关程度的数值r称为相关系数。
（1）正相关
即经济因素A增加，经济因素B也增加。如价格与供应量、收入与消费的相关等。其中又分为强正相关的弱正相关。所谓强正相关，就是经济因素之间有相当明显的相关关系；弱正相关则是其相关程度较弱，可视为因素B与经济因素A相关外，还与其他因素相关。如商业利润上升，不但与劳动生产率有关，而且还与其他因素有关。当经济因素之间是明显正相关时r会等于或趋近于1。
（2）负相关
即经济因素A增加，经济因素B则减少。其中也可分为弱负相关和强负相关。所谓弱负相关，就是当经济因素A增加时，经济因素B有所减少，可认为除了这种因素影响之外，还可能受其他因素影响。所谓强负相关，就是经济因素A增加时，经济因素B明显减少。当经济因素之间是明显负相关时，r会等于或趋近于—1，当经济因素之间几乎无关系时，r等于或趋近于0。ｒ的绝对值愈接近于1，表明两个经济因素之间相关程度愈高。
r的计算公式：
其中：n表示观察值数目
x表示自变量
y表示因变量
例：仍用表45数据，计算广告费用与产品销售额的相关程度。
把表45数据代入r的计算公式，求得r=0。85。
可以认为广告宣传与该产品的销售量之间具有相关关系。相关关系的平方r2，称为判定系数。表示因变量受自变量的影响程度。上例r2=（0。85）2=0。72，说明某产品的销售量变化（因变量）大约72％是受到广告宣传（自变量）的影响。
3、基数迭加法
即从分析与商品销售有关的因素变化入手进行预测的方法。在实际营销活动中，一种因素的变化，总是受到多种因素的影响和制约。如商品销售量的增长就受到许多因素的影响，质量的提高，广告宣传水平、购买力增长等。因为这些因素有增有减，互相抵消，只要列出影响的项目和每项影响的程度，就可以预测该商品的销售量。
所谓影响程度一般以影响的百分比表示，也称影响系数。
基数迭加法的计算公式：
其中： 表示预测值
x表示上期实绩值
A％、B％、C％、D％…表示各影响系数
例：已知某企业2001年实际销售产品8000件，经分析估计各种影响因素的影响系数为：
（1）因质量提高，销售量可能增加25％；
（2）因竞争对手加入，销售量可能减少20％；
（3）因广告宣传水平提高，销售量可能增加7％；
（4