注册咨询工程师

市场预测的方法一般可以分为定性预测和定量预测两大类。
    定性预测是根据掌握的信息资料，凭借专家的个人和群体的经验和知识，运用一定的方法，对市场未来的趋势、规律、状态做出质的判断和描述。定性预测较为常用的有类推预测法、专家会议法、德尔菲法等，其核心都是专家依据个人的经验、智慧和能力进行判断。
    定量预测是依据市场历史和现在的统计数据资料，选择或建立合适的数学模型，分析研究其发展变化规律并对未来做出预测。包括因果预测、延伸预测和其他预测方法。

1．基本公式
    如果预测对象与主要影响因素之间存在线性关系，将预测对象作为因变量y，将主要影响因素作为自变量x，即引起因变量y变化的变量，则它们之间的关系可以用一元回归模型表示为：
    y＝ax＋bx＋e  
其中：a和b是提示x和y之间关系，a为回归常数，b为回归系数；e是误差项或称回归余项。
    对于每组可以观察到的变量x，y的数值xi，yi，满足下面的关系
       
其中：ei 是误差项，在实际预测中ei 是无法预测的。回归预测是借助a＋bxi 得到预测对象的估计值yi ，为了确定a和b，通常利用普通最小二乘法原理求出回归系数，由此求得的回归系数为：   
     
2．一元回归流程
3．回归检验
    对于一元回归，相关检验与t检查、F检验的效果是等同的。
    （1）方差分析
    通过推导，可以得出：
     
其中： ，称为偏差平方和，反映了n个y值的分散程度，又称总变差； ，称为回归平方和，反映了x对y线性影响的大小，又称可解释变差； ，称为残差平方和，根据回归模型的假设条件，ESS是由残差项e造成的，它反映了除x对y的线性影响之外的一切使y变化的因素，其中包括x对y的非线性影响及观察误差。因为它无法用x来解释，故又称未解释变差。
    所以，TSS=RSS+ESS
    其实际意义是总变差等于可解释变差与未解释变差之和。
    （2）相关系数检验。相关系数是描述两个变量之间的线性相关关系密切程度的数量指标，用R表示。
       
    R 在-1和1之间，当R＝1时，变量x和y完全正相关；当R＝-1时，为完全负相关；当0＜R＜1时，为正相关；当-1＜R＜0时，为负相关。当R＝0时，变量x和y没有线性关系。在计算出R值后，可以查相关系数检验表。在自由度n-2（n为样本个数）和显著性水平a（一般取a＝0.05）下，若R大于临界值，则变量x和y之间的线性关系成立；否则，两个变量不存在线性关系。
    （3）t检查。即回归系统的显著性检验，以判定预测模型变量x和y之间线性假设是否合理。
       
其中：Sb 是参数b的标准差， ；n为样本个数；Sp为回归标准差， 
也可以表达为  
tb 服从 t 分布，可以通过 t 分布表查得显著性水平为a，自由度为n-2的数值t(a/2，n-2)。与之比较，若 tb 的绝对值大于t，表明回归系数显著性不为0，参数的t检验通过，说明变量x和y之间线性假设合理。若tb 的绝对值小于或等于t，表明回归系数为0的可能性较大，参数的t检验未通过，回归系数不显著，说明变量x和y之间线性假设不合理。
    （4）F检验。即回归方程的显著性检验。
       
也可以表达为： ，或者 。
    统计量F服从F分布，可以通过F分布表，查找显著性水平为a，自由度为n1＝1，n2＝n－2的F值Fa(1,n-2)。将F与Fa(1,n-2)比较，若F大于Fa(1,n-2)，则回归方程较好地反映了变量x和y之间的线性关系，回归效果显著，方程的F检验通过，意味着预测模型从整体上是适用的；若F小于或等于Fa(1,n-2)，说明回归方程不能很好地反映变量x和y之间的关系，回归效果不显著，方程的F检验未通过，预测模型不能采用。
    4．点预测与区间预测
    （1）点预测。点预测是在给定了自变量的未来值x0后，利用回归模型求出因变量的回归估计值y'0，也称为点估计。    
    （2）区间预测： 
    此外，根据概率论中的3a原则，可以采取简便的预测区间近似解法，当样本n很大时，在置信度为68.2%，95.4%，99.7%的条件下，预测区间分别为： 
     
1．收入弹性
    收入弹性就是商品价格保持不变时，消费者收入的变化率与该商品购买量变化率之比。因此可以把收入弹性表示为：收入弹性＝购买量变化率／收入变化率
    设：Q1，Q2，…Qn为时期1，2…，n 的商品购买量；I1，I2，…，In为时期1，2，…，n的收入水平；△Q与△I 分别为相应的改变量。则可按以下公式计算收入弹性εI ：
      
    一般来说，收入弹性为正数，即收入增加，需求量上升；收入减少，需求量下降。
    2．价格弹性
    价格弹性就是商品需求的价格弹性。某个商品需求的价格弹性是指当收入水平保持不变时，该商品购买量变化比例与价格变化比例之比。因此可以把价格弹性表示为：
    价格弹性=购买量变化比例/价格变化比例
    设P1，P2，…，Pn为时期1，2，…，n¬ 的商品价格；△Q与△P为相应的改变量；就可以得出价格弹性εp的计算公式：
     
    一般来说，价格弹性为负数。这反映了价格的变动方向与需求量变动方向的不一致性。价格上升，需求量就会下降；价格下降，需求量就会上升。
    3．能源需求弹性
    能源的国内生产总值弹性，是指能源消费量变化比例与国内生产总值变化比例之比。可以表示为：
    能源的国内生产总值弹性=能源消费量变化比例/国内生产总值变化比例
    如果设E1，E2，…，En 分别为时期1，2，…，n的能源消费量；GDP1，GDP2，…，GDPn分别为时期1，2，…，n 的国内生产总值；△GDP为相应的变化量。则能源的国内生产总值弹性的计算公式为：
1．分析产品X的所有消费部门或行业，包括现存的和潜在的市场。有时产品的消费部门众多，则需要筛选出主要的消费部门。
    2．分析产品X在各部门或行业的消费量Xi 与各行业产品Yi 产量，确定在各部门或行业的消费系数。
    某部门的消费系数ei ＝某部门产品消费量Xi ／该部门产量Y i
    3．确定各部门或行业的规划产量，预测各部门或行业的消费需求量；
    部门需求量X 'i＝部门规划生产规模Y'i×该部门消费系数ei
    4．汇总各部门的消费需求量：
    产品总需求量 
1．预测变量的过去、现在和将来的客观条件基本保持不变，历史数据解释的规律可以延续到未来；
    2．预测变量的发展过程是渐变的，而不是跳跃式的或大起大落的。
    延伸预测法包括简单移动平均法、指数平滑法、成长曲线模型、季节波动模型等，其基本方法是时间序列预测。

简单移动平均法是以过去某一段时期的数据平均值作为将来某时期预测值的一种方法。该方法按对过去若干历史数据求算术平均数，并把该数据作为以后时期的预测值。
    1．简单移动平均公式
    简单移动平均可以表述为：
     
其中：Ft+1是t+1时的预测数；n是在计算移动平均值时所使用的历史数据的数目，即移动时段的长度。
    2．n的选择
    n值越小，表明对近期观测值预测的作用越重视，预测值对数据变化的反应速度也越快，但预测的修匀程度较低，估计值的精度也可能降低。反之，n值越大，预测值的修匀程度越高，但对数据变化的反映程度较慢。n一般在3～200之间，视序列长度和预测目标情况而定：
    （1）一般对水平型数据，n值的选取较为随意；
    （2）一般情况下，如果考虑到历史上序列中含有大量随机成分，或者序列的基本发展趋势变化不大，则n应取大一点；
    （3）对于具有趋势性或阶跃型特点的数据，n值取较小一些，以使移动平均值更能反映目前的发展变化趋势。
指数平滑法又称指数加权平均法，实际是加权的移动平均法，它是选取各时期权重数值为递减指数数列的均值方法。
    
1．指数平滑法公式
    根据平滑次数的不同，指数平滑有一次指数平滑、二次指数平滑、三次指数平滑和高次指数平滑。
    对时间序列Qn ，x2，x3，…，xt，一次平滑指数公式为：
     
式中：a是平滑

（责任编辑：）