[经济学]第3章：定量预测5-因果关系分析法.ppt

第五节 因果关系分析法 因果关系分析法：是根据事物之间的因果关系，知因测果。 常用的因果关系分析预测法有：回归分析预测法、基数迭加法、比例推算法等。 1 回归分析预测法：利用统计分析，把两个或两个以上变量之间的相关关系模型化，建立回归方程，用以推算因变量随自变量变动的数值、程度和方向。根据回归方程中自变量的多少，它可以分为一元回归预测和多元回归预测。 2基数迭加法：是指在分析影响预测对象各种因素的基础上，通过确定各种因素的影响程度来进行预测的一种方法，也叫因素分析法。影响程度指各因素引起预测对象变化的百分比，可以通过对历史资料的分析得出。因素分析法的计算公式为： =Yt（1+A%+B%+C%+D%+··············） 表示t+1期预测对象的预测值；表示t期预测对象的实际值；A%表示预测对象受第一个因素影响的程度；B%表示预测对象受第二个因素影响的程度；以此类推。例如：见下页 例1:已知某空调制造公司2006年销售中央空调750套。市场调研人员通过对历史统计资料的研究估计出，未来各因素影响销售量的程度为：商品质量的提高和价格的降低可使销量增加30%；国家经济政策的变动（如紧缩）可能使销量减少10%；由于规格不全而失去部分顾客，可能使未来销量减少5%；居民收入的增加可能使未来销量增加20%；同类产品的竞争可能使销量减少8%，预测2007年企业空调的销售量？ 可将以上数据代入公式，得： Y2007=750(1+30%-10%-5%+20%-8%) =952.5(套) 用基数迭加法进行预测的最大优点是简单方便，但是确定各影响程度是难点。 3比例推算法：在经济现象之间往往存在着一种相关的比例关系，比如从配套商品的主件需求量能推出零部件的需求量；从一个地区的人口构成可以推算出该地区对婴幼儿用品或老年人保健用品的需求量。该法就是利用商品之间这种相关的比例关系进行预测的一种方法。由于用于预测的比例关系是通过分析统计资料计算而得，排除了人为的主观因素，所以预测结果具有较高的可信度。例如：见下页 例如：某公司从1987年开始生产和销售ABCD四种配套产品。截至2006年底的销售数据如表data7所示，如果公司2007年计划实现销售收入12000万元，问ABCD四种产品大致应该生产和销售多少？ 解：利用比例推算法预测，首先计算配套产品之间的比例关系。观察公司若干年的销售数据容易看出，虽然公司的销售额有了大幅度的增长，但是四种产品的销售比例是基本固定的。经过计算得出：ABCD四种产品的年销售比例大致为：36.16，29.07，18.41，16.36 然后根据计划实现的年销售收入12000万元计算预测值，得： A产品的生产和销售额=12000X36.16%=4339.2(万元) B=12000X29.07%=3488.4(万元) C=2209.2(万元) D=1963.2(万元) 因果关系法：回归预测法 一 建立回归模型的方法 现实的世界太复杂若想获得任何进展，必须对现实世界加以简化和抽象，简化、抽象的模型是获取所需要信息的最经济的途径。 因果关系是构成回归模型的基础 关键在于省略不相关的和不重要的事实及变量，但重要的因素必须包括在内。 建立和使用回归模型时，首先要在正确的经济理论基础上建立关于经济关系的 理论模型，确定模型中应该包括的变量以及是否存在一种经济理论可以用来解释变量之间关系的性质和大小。 二 建立模型的例子 家用小轿车的需求模型： Q=f（，，，，，） 彩电生产厂家预测用户需求的模型： Q=f（，，，，，） 中石化成品油（汽柴油）的需求模型： Q=f（，，，，，） 三 、一元线性回归预测法 步骤： 1建立模型：Y=a+bX 2估计参数:回归系数 a，b 3进行检验：显著性检验（F检验或t检验） 4预测：已知X值，利用回归方程求出预测值。 例1：假设有一家企业，他的固定资产（机器，设备，厂房等）是租来的，租金是每期100万元。企业生产过程的另一个投入是劳动力，他能根据企业需要随时增加或减少。所以，固定成本为100万元，人工成本为可变成本，企业经理想知道成本和产量之间的关系，进而预测下一个生产期根据产量大小预测成本是多少？ 总成本和总产量数据 例1：解题步骤演示：线性回归预测模型表 例2：有一个大学生，毕业后用少量资金创业，经过几年的努力，他经营的连锁餐馆有声有色，为了进一步研究餐馆新的经营方案，他收集了餐馆连续8个月每月用餐的价格和平均用餐人数，数据见Excel表：回归预测法所用数据表餐馆经营 ，估计需求函数，并帮助小老板设计经营方案。参考教材P163 Q=170-4.375P 价格弹性：EP =需求变化率/价格变化率 价格弹性=-0.7意味着价格上升1%，用