管理经济学麦圭根版,机械工业出版社.pptxVIP

第5章 企业预测与经济预测; 5.1 预测技术的选择 5.2 确定性趋势分析* 5.3 平滑技术* 5.4 气压计法* 5.5 调查与民意测验技术 5.6 计量经济模型 5.7 随机的时间序列分析* 5.8 投入-产出表进行预测;5.1 预测技术的选择 在特定情况下进行预测选择何种预测技术取决于一 系列因素。 1.预测的层级 最高层次的经济总量预测是对国民经济的预测 通常采用衡量整体经济活动的指标是国内生产总值 值（GDP）作为衡量指标， 子系统的预测更感兴趣，比如??售公司可能更关注 个人可支配收入的水平和变化。 ; 然后是单个厂商的销售预测。 简单的方法是将产业销售估计值与单个厂商的 预期市场份额联系起来，就可以得到关于单个厂商 销售预测值。 未来市场份额可以基于过去数据进行估计，还 要考虑营销策略等因素。; 最后，厂商内部也存在预测的层级。 估计全公司或地区的销售额；生产经理用这些预测 来规划原材料的订货量、雇工需要等决策；营销经 理使用销售预测来确定销售人员的安排、规划促销 活动等；财务经理也需要根据销售预测进行现金需 要的预测。;;1. costs of the forecasting method compared with its gains 2.complexity of the relationships among variables 3. time period involved 4. lead time between receiving information and the decision to be made5. accuracy needed in forecast; 3.评估预测模型的准确性 要确定一个预测模型的准确性或可靠性，需要 研究实际值（Y）与预测值 之间的差的大小。 可以采用可决系数R2作为衡量模型中的预测值对实 际数据的拟合程度，也可以采用平均预测误差（或 均方根误差root mean square error RMSE）来评估一个 预测模型的精确性（n是观察数）。 RMSE的数值越小，预测模型的准确性越高。; 4.可供选择的预测技术 确定性趋势分析； 平滑技术； 气压计技术； 调查与民意测验技术； 宏观计量经济模型 随机性时间序列分析 ;5.2 确定性趋势分析 为了用于预测某个特定变量值而收集的数据可大体 分为两大类--时间序列数据和横截面数据。 时间序列数据是在不同时点对一个经济变量所取的系列 观察值。 ; 在分析时间序列数据时，时间由横轴表示，变量值标在 纵轴上。 （1）长期趋势：一个时间序列经济变量的长期变化（增 长或下降）。不断增长的人口数量可能导致某种商品需 求序列在一定时间内增加。 （2）周期变动：一个经济序列通常持续一年以上的重大 扩张与收缩。住房行业通常会表现出在需求收缩之后的 周期扩张。 （3）季节效应：在不同季节里经济变量呈现不同变化， 相同季节里呈现相同变化规律。 （4）随机效应：受到到无法预见的随机因素影响而导致 经济变量的无规律变化。;; 最简单的时间序列模型认为下一期变量的预测值将与该 变量当期的数值一样。 下表列出了啤酒公司的销售数据，要预测每月的销售量， 按上述模型可把2007年3月份的销售量作为4月份的预测值。 ; 当变化出现缓慢，或对未来相对较短时期进行预测 时，该模型比较有价值。 新销售数据，对时间要求较高； 或者竞争对手促销活动可能对销售产生的正面或负面影响。 ; 经济时间序列中的长期变化会遵从几种不同类型的趋势。; 线性时间趋势可以用回归分析的方法进行参 数估计。一般的方程为： 使用这种模型时我们先假定，销量或价格随时间的变化呈现 线性增长或降低。 ;;;;2.比率不变的增长率趋势 因为是非线性关系，所以无法直接进行回归 分析，可以通过对方程两边取对数。 ;;3.比率下降的增长趋势; 把季节变动引入时间序列预测模型，可以提高其短期的预 测能力。 ;;2.虚拟变量 就是在两个数值中取一个（0或1）的变量，一般用于说 明经济关系中某些定性因素的影响，比如性别特征