市场需求分析模型

565.5
607.1
596.5
675.9
年月
08.01
08.02
0803
08.04
08.05
08.06
08.07
08.08
08.09
08.10
08.11
08.12
总额 627 （亿元）
565.8
548.5
524
539.3
568.1
581.3
606
679.7
726.4
713.1
805.8
年月
09.01
q f (t ) [ p N ( t ) ][1 F ( t ) ] N
p：外部影响系数；q：内部影响系数 N (t ) F ( t ) F（t）：t时点累积采用总量占市场最大潜力的比率 N N ：市场最大潜力（潜在的采纳者总数） q t时点采用的概率： L ( t ) p N N ( t )
23
3.4.1 巴斯模型
1.巴斯模型基础假设及适用条件
24
2.基本巴斯模型 产品在t时点的采用速度（非累积采用者比率）： 产品在t时点的非累积采用总量： q n (t ) p N ( q p ) N (t ) [ N ( t )] 2 N 产品在t时点的累积采用总量：
1 e ( p q )t N (t ) N 1 q e ( p q )t p
– 混合型 y (t ) T (t ) S (t ) R (t )
y (t ) T (t ) S (t ) C (t ) R (t )
9
3.2.1 移动平均法
1.一次移动平均法 yt yt 1 yt 2 ... yt N 1 (1) Mt N 2.二次加权平均法
y b0 b1 x1 b2 x2 ... bm xm e
3.非线性回归 b y ax e （1）幂函数模型 bx y ae e （2）指数函数模型 1 b a （3）双曲线函数模型 y x （4）对数函数模型 y a b ln x
(1) (1) (1) (1) M M M ... M t 1 t 2 t N 1 Mt(2) t N
y t l at bt l
at 2 M t(1) M t(2) 2 (1) (2) b ( M M t t t ) N 1
17
案例与EXCEL操作
表3-1 我国餐饮业社会消费品月零售总额
年月 07.01 07.02 07.03 07.04 07.05 07.06 07.07 07.08 07.09 07.10 07.11 07.12
总额 516 （亿元）
484.1
454.9
401.7
358.6
434.3
472.6
498.4
8
• 一般的时间序列模型 y (t ) T (t ) S (t ) C (t ) R (t )
– 加法型 – 乘法型
y (t ) T (t ) S (t ) C (t ) R (t )
y (t ) T (t ) S (t ) C (t ) R (t )
§3 市场需求预测模型
3.1 市场需求预测概述 3.2 时间序列法 3.3 因果分析法 3.4 新产品市场需求预测模型
1
学习目标：
•了解市场需求预测的特征、步骤及各种方法 •掌握时间序列法中的季节周期法 •掌握因果分析法 •掌握新产品预测的巴斯模型预测法等
2
练习任务： • 3.2时间序列法案例（p40） • 3.3.2回归分析法案例（p54） • 3.4.1巴斯模型应用案例（p62）
1) St(1) ayt (1a)St( 1
St(2) aSt(1) (1 a)St(2) 1 St(3) aSt(2) (1 a)St(3) 1
14
3.2.3 季节变动预测法
1.季节指数法 预测模型： y t x t f j （1）计算长期趋势变动函数 xt a bt （2）计算规范平均季节指数 f j （3）预测模型修正 y t x t f j 2.季节变差法 ' y x +v t j 预测模型： t
bias t TS t – 路径信号 MAD t
t 1


t 1
MAPE
Et 100 Dt n
n
7
3.2 时间序列法
• 确定时间序列法
– 移动平均法，指数平滑法，季节周期法
• 随机时间序列法
– AR模型，MA模型，ARMA模型
• 主要考虑因素：
– 趋势变动 – 季节变动 – 循环变动 – 不规则变动
，c 3
q p
26
4.广义巴斯模型及扩展
q f (t ) [ p N ( t )] [1 F ( t )] x ( t ) N
x(t)：营销组合变量关于时点t的函数
27
5.应用巴斯模型的基本步骤
28
案例与EXCEL操作
• 教材图3-24
29
3.4.2 Logistic模型
1.基本Logistic模型 2. Logistic模型扩展
18
3.2.4 ARMA模型
1.AR（Au to-regressive）自回归模型
yt 1 y t 1 2 y t 2 ... p y t p et
2.MA（Moving-Average） 移动平均模型 y et 1et1 2et2 ...q ytq 3.ARMA（Auto-regressive Moving-Average）模型
15
3. Winter模型
假设： 系统需求＝（需求水平+需求趋势）×季节性需求 1)静态预测公式 Ft ( L tT ) * S i 2)趋势剔除季节性需求因素
t p / 2 1 Dt p / 2 Dt p / 2 2 Di i t p / 2 1 2p D t t ( p 1 ) / 2 Di i t ( p 1 ) / 2 p
yt pytp et 1et1 2et2 ...qytq 1y t 1 2y t2 ...
19
3.3 因果分析法
3.3.1 消费系数分析法 •消费系数 •主要流程
20
3.3.2 回归分析法
yt 1.一元线性回归 2.多元线性回归模型 a b xt
如果 p 为偶数
如果 p 为奇数
16
Dt L tT 3）预测需求水平和需求趋势 4）预测需求季节系数 S t Dt / D t 5）动态预测
F t 1 ( L t lT t ) S t 1
Et 1 Ft 1 Dt 1
Ft 1 ( Lt Tt ) S t 1
30
3.4.3 Steffens-Murthy模型
• 参见教材
31
S aS (1 a)S
(2) t
(1) t
(2) t 1
13
（2）二次曲线趋势模型
y tl a t bt l c t l 2
(1) (2) (3) a 3 S 3 S S t t t t a (1) ( 2) (3) (6 5 ) 2(5 4 ) (4 3 ) b a S a S a S t t t t 2 2(1 a ) a2 (1) (2) (3) 2 S S S ct t t t 2 2(1 a )
6）动态修正
Ft n ( Lt nTt ) S t n
Lt 1 ( Dt 1 / S t 1 ) (1 )( Lt Tt )
Tt 1 ( Lt 1 Lt ) (1 )Tt
S t p 1 ( Dt 1 / Lt 1 ) (1 ) S t 1
10
3.移动加权平均法
• 预测期值
t
Y t 1
i t 1 n t
y
i
w
i
i
w
i t 1 n
11
3.2.2 指数平滑法
1.指数平滑法基本模型
S t 1 Yt （ 1 ）S t
2.平滑系数α的确定 满足序列的方差 S2为最小
1 N 1 N 1 N 2 2 2 ( ) ( ) S y y y y ( y y ) t t N 1 t t t t N 1 t 1 N 1 t 1 t 1
09.02
09.03
09.04
09.05
09.06
09.07
09.08
09.09
09.10
09.11
09.12
总额 734.9 （亿元）
679.4
648.2
620
663.7
669.9
689.3
712.3
779.5
ቤተ መጻሕፍቲ ባይዱ
847
823.1
905.1
' y36 l a36 b36 l 780.16 8.93l
25
3.巴斯模型参数的估计 （1）普通最小二乘法（OLS）
2 t 1
nt a bNt 1 cN
式中： a pN ，b=q-p， c q / N
（2）非线性最小二乘法（NLS）
N
t
1 e c2t c1 c2t 1 c e 3
式中：c1 N ，c2 p q
21
案例与EXCEL操作
• 表3-6 我国餐饮业社会消费品季度零售总额与国 内生产总值数据，并假设2010年国内生产总值每 季度同比增加10%。 • 用一元回归法拟合其趋势并预测2010年4个季度 的餐饮业社会消费品季度零售总额。
22
3.4 新产品市场需求预测模型
• 巴斯模型(Bass Model) • Logistic模型 • Steffens-Murthy模型
3
3.1 市场需求预测概述
3.1.1 需求预测程序
市场需求预测过程： （1）确定需求预测目标 （2）收集数据资料 （3）选择预测方法 （4）建立预测模型并预测 （5）分析预测结果 （6）提出预测分析报告 （7）修正预测
4
3.1.2 需求预测方法
1.主要的需求预测方法
5
2.定性预测方法 （1）类推预测法 （2）意见集合法
2
y t
ay
t
(1 a ) y t 1
12
3.预测模型 （1）线性趋势模型
y t l a t b t l
at 2 S t(1) S t( 2) a (1) ( 2) b ( S S t t t ) 1 a
1) St(1) ayt (1a)St( 1
1）专家会议法 2）德尔菲法
6
3.1.3 需求预测误差测定
• 需求预测误差＝预测需求－实际需求
Et Ft Dt
• 衡量误差的方法
– 平均分差 – 绝对离差
1 MSE n n
n

t 1
E t2
At | E t |
n
1 n At – 平均绝对离差 MSD n n t 1
– 平均绝对百分比误差 n – 偏差 biasn Et