第四章 经营预测.pptVIP

4）时间序列回归法⑶打开“回归”对话框在“数据分析”对话框中选中“回归”（见图5－2），并点击“确定”后，即可打开“回归”对话框。第29页，共80页，星期日，2025年，2月5日4）时间序列回归法⑷对“回归”对话框进行设置在“回归”对话框中，在“Y值输入区域”小窗口中输入“$B$1:$B$10”，即计算机销售量数据在电子表格中所在区域位置；在“X值输入区域”小窗口中输入“$A$1:$A$10”（见图5-3），即年份在电子表格中所在区域位置；其余选项取默认值，点击“确定”后即可得到输出结果。第30页，共80页，星期日，2025年，2月5日4）时间序列回归法⑸获取计算与分析结果输出结果包括三个表格，第三个表格中第一列数据即为直线趋势估计中的参数：截距a为-19920.73，斜率b为10.12，据此得到如下趋势直线：第31页，共80页，星期日，2025年，2月5日4）时间序列回归法第32页，共80页，星期日，2025年，2月5日2、因果分析法影响产品销售的因素是多方面的，既有企业外部因素，也有企业内部因素，既有客观因素，又有主观因素。但在这些因素中，有些因素对产品销售起着决定性的作用或与产品销售存在某种函数关系，只要找到与产品销售(因变量)相关的因素(自变量)以及它们之间的函数关系，就可以利用这种函数关系进行产品的销售预测。这种销售预测方法就是因果预测分析法。因果预测分析法最常用的方法是回归分析法。回归分析法又包括回归直线法、对数直线法和多元回归法等。第33页，共80页，星期日，2025年，2月5日因果预测分析法——指标建立法已知：某企业生产一种汽车轮胎，假定其年销量y受到以下因素影响：(1)按长期合同向某汽车制造厂定量供应的轮胎数量a；(2)某地区装备该种轮胎正在使用中的汽车应予更新的轮胎数x1；(3)x1取决于这类汽车上年实际行驶里程及载重量的吨千米指标x2及该种轮胎的磨损更新经验指数b1；(4)上述汽车制造厂增产汽车所需要的轮胎量x3；(5)x3取决于汽车厂增产的产量Q、该厂原有库存轮胎量x4与单车需用轮胎数b2；(6)企业在该地区的市场占有率b3。第34页，共80页，星期日，2025年，2月5日经过分析，建立的因果预测模型如下：y=a+(x1+x3)b3=a+〔b1x2+(Qb2-x4)〕b3相关指标的数据为：a=50000只、b1=0.2×10-4只/吨千米、x2＝2.25×109吨千米、Q=2000辆、b2=4只/辆、x4=5000只、b3=75%要求:利用上述模型预测该企业的轮胎销售量。预测轮胎销售量=50000+〔0.2×10-4×2.25×109+(2000×4-5000)×75%=50000+〔45000+(8000-5000)×75%=86000(只)第35页，共80页，星期日，2025年，2月5日因果预测分析法——回归分析法已知：A企业通过调查发现，甲产品的销售量与当地居民人均月收入有关，已知本地区连续6年的历史资料如表2所示，该企业生产甲产品的市场占有率为25%，假设2004年居民人均月收入为700元。第36页，共80页，星期日，2025年，2月5日表2资料年度199819992000200120022003居民人均月收入（元）350400430500550600甲商品实际销量(吨)101112141516(1)用回归直线分析法建立甲产品的销售量预测模型；(2)预测2004年本地区甲产品的销售量；(3)预测2004年A企业甲产品的销售量。第37页，共80页，星期日，2025年，2月5日解：(1)根据所给资料，列表计算如表5—7所示：年份居民人均月收入x商品销售量yxyx2y2199835010350012250010019994001144001600001212000430125160184900144200150014700025000019620025501582503025002552003600169600360000256n=6∑x=2830∑y=78∑xy=37910∑x2=1379900∑y2=1042第38页，共80页，星期日，2025年，2月5日计算相关系数r因为相关系数趋近于1，表明x与y之间基本正相关，可以建立回归模型。第39页，共80页，星期日，2025年，2月5日甲产品的销