管理經(jīng)濟學(xué)課件-需求估計預(yù)測

需求的估計與預(yù)測EstimatingandForecastingDemand

需求估計與預(yù)測估計(Estimation)力求對一種商品的需求水平與決定其變量之間的聯(lián)系加以量化。對飯店房間的需求取決于:房間的價格床位價格與免費早餐旅客所在國家的家庭水平自然事件(天氣,流行疾病)預(yù)測（Forecasting）就是力求預(yù)知未來某個時間上的銷售水平。2005年將有多少游客到訪天津?2005年將有多少代表參加會議?簡單的估計程序弧度彈性的直接估算86100120A

B但是A和B在同一條需求曲線上嗎?從A到B的變化中，供給和需求可能都在變化。數(shù)量價格需求函數(shù)估計的步驟使用統(tǒng)計方法估計一個需求函數(shù)包括下列步驟：1、識別變量2、收集數(shù)據(jù)3、確定模型4、估計參數(shù)5、進行預(yù)測香港城市煤氣行業(yè)的需求估計Q=bo+b1P+b2I+b3LPGP+b4CLPP+b5DUMMY

Q=城市煤氣總銷售量（百萬焦(耳)）P=城市煤氣的價格（港元/百萬焦(耳)） I=香港的GDP（百萬港元） LPGP=液化氣的價格（港元/公斤） CLPP=中華電力的平均電價（港元/MJ） DUMMY=虛擬變量(一份重要安全報告的影響)，1982之前為0,之后為1電子數(shù)據(jù)處理公司的

銷售量和個人推銷支出

月份銷售量個人推銷支出

1月250043000元

2月225039000

3月175035000

4月150034000

5月100026000

6月250041000

7月275040000

8月175033000

9月125026000

10月300045000

11月200032000

12月200034000

平均數(shù)202135667時間序列數(shù)據(jù)(time-series)—某一廠商不同時間因變量和自變量的數(shù)據(jù)。收集的數(shù)據(jù)有兩種形式橫斷面數(shù)據(jù)(cross-sectional)——不同廠商同一時間因變量和自變量的數(shù)據(jù)。七個廠商樣本的銷售額與廣告支出廠商銷售額廣告支出

A150002000B300002000C300005000D250003000E550009000F450008000G600007000需求曲線的計量經(jīng)濟估計方法EconometricEstimationQd

=f(Po,Pc,Ps,Yd,T,Ao,Ac,As,I,C,E)需求函數(shù)的一般形式(不能用通常方法進行估計，需要選擇具體的模型形式，線性或非線性)Qd

=a+b1Po+b2Pc+b3Ps+b4Yd+b5T+b6Ao+b7Ac+b8As+b9I+b10C+b11E簡單的線性形式Qd=Poa.Pcb,.Psc

Ydd

Te.Aof

AcgAshIi.Cj,Ek指數(shù)形式logQd=alogPo+blogPc+clogPs+dlogYd+elogT+flogAo+glogAc+hlogAs+ilogI+jlog

C+klogE對數(shù)形式

選擇經(jīng)濟計量學(xué)家所估計的需求函數(shù)的具體形式，要盡量準確地反映出真實關(guān)系，可能要嘗試多種方案和變化，才能獲得因定量與自變量數(shù)據(jù)之間的最佳擬合。通過把不同時間（使用時間序列數(shù)據(jù)時）的因變量和與這個因變量有關(guān)的每一個自變量的關(guān)系畫出來就可以獲得應(yīng)該首先采用哪種函數(shù)形式的線索。這種初步分析的結(jié)果將會常常表明是線性方程最恰當(dāng)，還是對數(shù)方程、指數(shù)方程或其他轉(zhuǎn)換形式更恰當(dāng)。

確定需求模型——

確定模型就是說明自變量與因變量之間的關(guān)系。樣本回歸直線樣本回歸直線7000AS10000簡單的一元線性回歸方程參數(shù)a和b的計算公式需求估計的計算機實現(xiàn)根據(jù)需求函數(shù)估計的結(jié)果計算彈性香港城市煤氣需求因素的彈性估計價格 -.263(不顯著)收入 +1.531**液化氣價格+.059(不顯著)電價 -.053(不顯著)DUMMY +.363**R2=0.993**在1%水平具有統(tǒng)計顯著性統(tǒng)計結(jié)果檢驗：可決系數(shù)

衡量回歸直線對樣本觀察值的擬合程度的指標。計量經(jīng)濟估計方法中的問題1.最佳擬合可能不是準確的擬合結(jié)果（確定的估計方程僅僅說明需求水平變化的一部分。2.只有在滿足一系列非常嚴格的假設(shè)條件下，估計出來的系數(shù)才是準確的估計值。3.如果這些假設(shè)條件不滿足，就可能會產(chǎn)生某種技術(shù)性問題：多重共線性（multicollinearity）

(獨立變量相互密切相關(guān)）異方差性（heteroscedasticity）

(殘值/誤差項對于不同的預(yù)測值具有不同有方差)自相關(guān)（autocorrelation）

(殘值互相相關(guān))識別問題

（TheIdentificationProblem）我們觀察到的價格/數(shù)量組合可能不在需求曲線上這是我們認為我們看到的（THISISWHATWETHINKWESEE）價格數(shù)量需求曲線我們觀察到的價格/數(shù)量組合可能不在需求曲線上這是我們實際觀察到的（THISISWHATWEAREREALLYOBSERVING）價格數(shù)量需求曲線S1D1S2D2S3D3識別問題

（TheIdentificationProblem）價格/數(shù)量數(shù)據(jù)是沿著商品X的假設(shè)供給曲線和需求曲線標出的。這些數(shù)據(jù)點表示供給與需求在這三個時點上的聯(lián)立解。供給曲線和需求曲線在每個時點上的交點形成所標出的價格/數(shù)量點，但直線AB不是需求曲線。因為左圖供給和需求函數(shù)中的非價格變量在每個數(shù)據(jù)點之間已經(jīng)發(fā)生了變化。識別問題通過移動供給曲線來描繪出穩(wěn)定的需求曲線如果需求曲線沒有移動，供給曲線移動，那么就可以使用價格/需求量的數(shù)據(jù)來估計需求曲線。一種產(chǎn)品的生產(chǎn)制造過程中出現(xiàn)技術(shù)突破，從而使行業(yè)的成本下降，而需求狀況不變，這就可能出現(xiàn)左圖所表示的情況。需求曲線開始是未知的并假設(shè)是穩(wěn)定的，供給曲線則從S1向S2和S3移動。每個價格/數(shù)量點都表示供給曲線與需求曲線的交點。因為價格以外的需求決定因素都假定是穩(wěn)定的，所以三個交點都將位于同一條需求曲線上。通過把這三個數(shù)據(jù)點連接起來，就可以估計出需求曲線DD。這種情況可以出現(xiàn)在計算機和電子產(chǎn)品上。技術(shù)革新的飛速發(fā)展通常使鐘表、計算器、個人電腦以及相關(guān)產(chǎn)品的價格在很短的時期內(nèi)顯著下降。多重共線性

多重共線性就是兩個或多個自變量高度相關(guān)的情況。自變量實際上并非是相互無關(guān)的，擁有的數(shù)值是共同或同時決定的。例如，房屋所有權(quán)和家庭收入就是一個很好的例子。因為擁有房屋的家庭一般都有相對較高的家庭收入，這兩個變量是高度相關(guān)的，所以難以確定各個變量在需求分析中的邊際影響。在時間序列分析中，要受到經(jīng)濟增長的廣泛影響，多重共線性問題也會廣泛存在。在兩個自變量之間存在完全的或接近完全共線性的情況下，要估計兩個變量的系數(shù)是不可能的。即使有可能估計出每個變量的回歸系數(shù)，高度的多重共線性也會降低系數(shù)估計值的可靠性，特別是每個系數(shù)估計值的標準離差。解決多重共線性問題的一種實際方法就是緊縮或轉(zhuǎn)變自變量。例如，為了揭示價格水平上升（通貨膨脹）和收入水平增加對需求的影響，把名義數(shù)據(jù)轉(zhuǎn)換為實際數(shù)據(jù)（經(jīng)過通貨膨脹的調(diào)整）也許是恰當(dāng)?shù)摹Ｈ绻挲g和經(jīng)驗對員工的生產(chǎn)率都有貢獻，把這兩個變量相乘，形成一個員工的“年齡和經(jīng)驗”變量可能更有效。另一種方法，就是從回歸模型中排除所有變量，只留一個相關(guān)的自變量。一些彈性估計值

(Bayeetal1992)為何要進行預(yù)測?公共機構(gòu)與私人企業(yè)都在不確定條件下經(jīng)營.管理者希望通過預(yù)知成本、價格、銷售以及利率的變化而降低其不確定性。

準確的預(yù)測可以幫助制定戰(zhàn)略，促進盈利、避免虧損。

預(yù)測就是對未來的預(yù)見。良好的預(yù)測將導(dǎo)致，不是消除，所有管理者都要面對的不確定性。

經(jīng)濟預(yù)測實際上是一種藝術(shù),它可以識別經(jīng)濟過程中的壓力或不平衡,了解以什么方式來解決它們。IseeTrouble

ahead.阿蘭·格林斯潘

--美國聯(lián)邦儲備系統(tǒng)主席預(yù)測方法的選擇取決于涉及經(jīng)濟總量的層次。預(yù)測的層次為:國民經(jīng)濟

(GDP,利率,通貨膨脹等)經(jīng)濟部門

(耐用品)

產(chǎn)業(yè)預(yù)測

(汽車制造商)廠商預(yù)測

(福特汽車公司

)預(yù)測的層次預(yù)測標準

具體預(yù)測方法的選擇取決于幾個標準:成本：與其收益相比預(yù)測方法的成本復(fù)雜程度：變量之間關(guān)系的復(fù)雜程度時間

：有關(guān)的時間準確性：預(yù)測所要求的準確性前導(dǎo)時間：接受信息與制定決策之間的時間非常規(guī)預(yù)測：

多米諾比薩餅和五角大樓多米諾比薩餅店通常平均一晚上向五角大樓送去三個比薩餅。1991年1月8日星期二，該店比薩餅的訂購數(shù)量開始緩慢上升，到了13日星期日那一天達到了20個，這就打破了五角大樓原先一天訂購19個的記錄。第一次海灣戰(zhàn)爭與伊拉克開戰(zhàn)前兩天的星期一，訂購了50個比薩餅。星期二的數(shù)量增加到101個，在星期三戰(zhàn)爭開始的晚上，數(shù)目高達125個。在此事件發(fā)生之前，CIA和白宮也出現(xiàn)了同樣的比薩餅訂購情況。比薩餅的這種訂貨方式在華盛頓受到新聞界的密切關(guān)注，以至于被稱為“多米諾原理”。每當(dāng)世界危機發(fā)生時，華盛頓的多米諾比薩餅店經(jīng)理就會接到許多個人電話，他們并不是想買比薩餅，而是只想知道白宮或五角大樓訂購了多少個比薩餅。人們想知道，給五角大樓外送的比薩餅是否將成為機密情報。多米諾比薩餅店也把他們的“比薩表（pizzameter）”擴展到政治、運動事件和電視節(jié)目之中多米諾比薩餅店的網(wǎng)址：http://預(yù)測需求最簡單的方法是趨勢外推法（EXTRAPOLATION）時間銷售量

現(xiàn)在過去未來時間序列分析分解法（TheDECOMPOSITIONMETHOD）Xt

=Tt+St+Ct+ItXt

=t期銷售量Tt=t期的趨勢值Ct=t期的周期變動成份St=t期的季節(jié)變動成份It=t期的不規(guī)則/不可預(yù)測的成份Xt

=Tt·St·Ct·It構(gòu)成時間序列的組成成份長期趨勢周期變動季節(jié)變動隨機變動如何用分解法進行預(yù)測?1.估計趨勢因素(計算“趨勢因素”)使用回歸方法,用時間(從零開始的季節(jié)數(shù))作自變量，銷售量為因變量,OR只用一條直線進行外推2.計算每個時期/季節(jié)到現(xiàn)在的趨勢值(Tt)

Tt=77347+216t

其中：Tt=銷售的時間趨勢，t=時間時間T消費時間T消費時間T消費198919931997Q1Q2Q3Q4123487192721926667486069Q1Q2Q3Q41718192090467726967036585998Q1Q2Q3Q43334353696295786037651192641199019941998Q1Q2Q3Q4567892740703396770085619Q1Q2Q3Q42122232491680750197096786554Q1Q2Q3Q43738394096335814887720591248199119951999Q1Q2Q3Q4910111292613745456672186325Q1Q2Q3Q42526272893715775567237189727199219962005Q1Q2Q3Q41314151690273730046854286831Q1Q2Q3Q42930313297119789117569193603Q161某地區(qū)電力消費量（1989-1998）3.對于每個季節(jié)/時期,計算“季節(jié)加不規(guī)則因素”實際t–趨勢t=季節(jié)t+不規(guī)則t4.確定每個季度的季節(jié)成份：把每個季節(jié)的（季節(jié)+不規(guī)則）成份加在一起，春季的平均數(shù)（季節(jié)+不規(guī)則）成份就是春季季節(jié)成份的估計值，其他季節(jié)也一樣各季平均數(shù)之和等于-91，一年的季節(jié)因素總和應(yīng)該等于0，要對平均數(shù)進行調(diào)整，需要把誤差分散到四個季度之中，此例中總誤差很小，可忽略。5.通過計算各期的趨勢值并加上季節(jié)因素，即可對未來任一時期進行預(yù)測e.g2005春季,期數(shù)為61，Tt=77347+216tT2005Q1=77347+216（61）=90523

6.加進季節(jié)因素，由此形成預(yù)測值90523+11404=101927時間實際季節(jié)加觀察趨勢不規(guī)則

值值成份時間實際季節(jié)加觀察趨勢不規(guī)則

值值成份19891993Q1Q2Q3Q487192721926667486069775637778077996782139628-5588-113237856Q1Q2Q3Q490467726967036585998810268124381459816759441-8547-11093432319901994Q1Q2Q3Q4927407033967700856197842978645788627907814310-8307-111626541Q1Q2Q3Q491680750197096786554818928210882325825419788-7089-11358401319911995Q1Q2Q3Q4926137454566721863257929479511797277994413318-4966-130066381Q1Q2Q3Q4937157755672371897278275782974831908340710958-5418-10819632019921996Q1Q2Q3Q4902737300468542868318016180377805938081010112-7373-120515571Q1Q2Q3Q4971197891175691936038362383839840569427213496-492883659331計算季節(jié)加不規(guī)則成份季節(jié)“季節(jié)加不規(guī)”成份季節(jié)“季節(jié)加不規(guī)”成份季節(jié)“季節(jié)加不規(guī)”成份季節(jié)“季節(jié)加不規(guī)”成份Q1Q2Q3Q419891990199119921993199419951996平均數(shù)96281431013318101129441978810958134961138119891990199119921993199419951996平均數(shù)-5588-8307-4966-7373-8547-7809-5418-4928-661719891990199119921993199419951996平均數(shù)-11323-11162-13006-12051-11093-11358-10819-8365-1114719891990199119921993199419951996平均數(shù)78566541638155714323401363209336292各季平均數(shù)之和=11381-6617-11147+6292=-91對季節(jié)總效應(yīng)進行調(diào)整，方法是在各季平均數(shù)上加91/4=23Q1效應(yīng)11404Q2效應(yīng)-6594Q3效應(yīng)-11124Q4效應(yīng)6315計算季節(jié)成份缺點是什么?基于時間序列分析的預(yù)測假設(shè)時間是銷量的唯一決定因素，假定時間和數(shù)量將在未來與過去相同。在短期內(nèi)一般會提供不良的結(jié)果，但短期是最需要準確預(yù)測的時間!還有更多的時間序列高級方法，但在很多情況下，“簡單方法”（‘na?ve’methods）會提供準確決策。如何評價預(yù)測?客觀性（Objectivity）.

結(jié)果是否取決于數(shù)據(jù)或進行預(yù)測的個人?有效性（Validity）.對于預(yù)測時間的序列預(yù)測估計值與實際時間序列的接近程度如何?可計算預(yù)測值與實際數(shù)據(jù)的相關(guān)系數(shù)?？煽啃裕≧eliability）.如果對預(yù)測取不同的出發(fā)點,結(jié)果是否大致相同?準確性（Accuracy）.對于產(chǎn)生預(yù)測結(jié)果以外的時期，預(yù)測與實際數(shù)字的相近程度如何?可信性（Confidence）.是否存在接受結(jié)果的高度可能性?敏感性（Sensitivity）.如果我們用非常不同的方式使用數(shù)據(jù)進行預(yù)測。是否得到不同的結(jié)果?準確性是主要因素:如何衡量它?平均誤差（MeanError）-如果正負抵消，就會為零平均絕對誤差（MeanAbsoluteError）均方誤差（MeanSquareError）-給予更大的誤差以更高的權(quán)重均方根誤差（RootMeanSquareError）變異系數(shù)（VariationCoefficient)還有什么其他方法?氣壓計預(yù)測（Barometricforecasting）

-使用領(lǐng)先指標（在希望預(yù)測的變量之前變化的變量）用國際直接長話量預(yù)測國際貿(mào)易用出生率預(yù)測小學(xué)、嬰兒服的需求用機床訂單數(shù)預(yù)測國民收入用新建筑開工數(shù)預(yù)測國民收入常用的領(lǐng)先指標機床的新訂單制造業(yè)平均工作小時新企業(yè)成立指數(shù)耐用品的新訂單工廠和設(shè)備的訂單新建筑開工數(shù)制造業(yè)庫存變化工業(yè)材料價格股票交易指數(shù)利潤數(shù)字價格與單位勞動成本比率消費者信貸增加量市場調(diào)查（MarketSurveys）,

其效用取決于：尋找買主的成本買主顯露其意圖的意愿買主實現(xiàn)其意圖的傾向最適宜應(yīng)用:買主規(guī)劃的產(chǎn)品潛在買主明確的產(chǎn)品

得不到過去數(shù)據(jù)的新產(chǎn)品還有什么其他方法?銷售人員意見法（SalesForceOpinion）.

銷售人員是最接近顧客的，但:可能會歪曲其預(yù)測,故意地預(yù)計低銷售量，為的是達到低銷售目標時增加獎金:可能不了解更廣泛的發(fā)展,新型的顧客,宏觀經(jīng)濟變化還有什么其他