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）因提高售后服务保证，销售量可能增加10％；
（5）因缺少一种规格，销售量可能减少5％；
（6）价格保持原水平，销售量无影响。
基数迭加法简便易行，只要把影响因素考虑全面，影响系数估计准确，就能取得比较准确的预测结果。
市场预测是一门科学。要搞好市场营销预测，不仅需要学习统计学中的预测理论与方法，而且必须结
合营销环境及企业本身的具体情况，选择使用合适的预测方法。
第四节 营销信息系统的科学管理
在现代经济的发展过程中，营销信息系统对企业的营销成功有着积极的�