定量預測因果關系分析法第一頁，共二十九頁，2022年，8月28日因果關系分析法：是根據事物之間的因果關系，知因測果。常用的因果關系分析預測法有：回歸分析預測法、基數迭加法、比例推算法和投入產出分析法等。第二頁，共二十九頁，2022年，8月28日1回歸分析預測法：利用統計分析，把兩個或兩個以上變量之間的相關關系模型化，建立回歸方程，用以推算因變量隨自變量變動的數值、程度和方向。根據回歸方程中自變量的多少，它可以分為一元回歸預測和多元回歸預測。第三頁，共二十九頁，2022年，8月28日2基數迭加法：是指在分析影響預測對象各種因素的基礎上，通過確定各種因素的影響程度來進行預測的一種方法，也叫因素分析法。影響程度指各因素引起預測對象變化的百分比，可以通過對歷史資料的分析得出。因素分析法的計算公式為：

=Yt（1+A%+B%+C%+D%+··············）表示t+1期預測對象的預測值；表示t期預測對象的實際值；A%表示預測對象受第一個因素影響的程度；B%表示預測對象受第二個因素影響的程度；以此類推。例如：見下頁第四頁，共二十九頁，2022年，8月28日例1:已知某空調制造公司2006年銷售中央空調750套。市場調研人員通過對歷史統計資料的研究估計出，未來各因素影響銷售量的程度為：商品質量的提高和價格的降低可使銷量增加30%；國家經濟政策的變動（如緊縮）可能使銷量減少10%；由于規格不全而失去部分顧客，可能使未來銷量減少5%；居民收入的增加可能使未來銷量增加20%；同類產品的競爭可能使銷量減少8%。要預測2007年企業空調的銷售量第五頁，共二十九頁，2022年，8月28日可將以上數據代入公式，得：Y2007=750(1+30%-10%-5%+20%-8%)=952.5(套)用基數迭加法進行預測的最大優點是簡單方便，但是確定各影響程度是難點。第六頁，共二十九頁，2022年，8月28日3比例推算法：在經濟現象之間往往存在著一種相關的比例關系，比如從配套商品的主件需求量能推出零部件的需求量；從一個地區的人口構成可以推算出該地區對嬰幼兒用品或老年人保健用品的需求量。該法就是利用商品之間這種相關的比例關系進行預測的一種方法。由于用于預測的比例關系是通過分析統計資料計算而得，排除了人為的主觀因素，所以預測結果具有較高的可信度。例如：見下頁第七頁，共二十九頁，2022年，8月28日例如：某公司從1987年開始生產和銷售ABCD四種配套產品。截至2006年底的銷售數據如表data7所示，如果公司2007年計劃思想銷售收入12000萬元，問ABCD四種產品大致應該生產和銷售多少？解：利用比例推算法預測，首先計算配套產品之間的比例關系。觀察公司若干年的銷售數據容易看出，雖然公司的銷售額有了大幅度的增長，但是四種產品的銷售比例缺失基本固定的。經過計算得出：ABCD四種產品的年銷售比例大致為：36.16，29.07，18.41，16.36第八頁，共二十九頁，2022年，8月28日然后根據計劃實現的年銷售收入12000萬元計算預測值，得：A產品的生產和銷售額=12000X36.16%=4339.2(萬元)B=12000X29.07%=3488.4(萬元)C=2209.2(萬元)D=1963.2(萬元)第九頁，共二十九頁，2022年，8月28日4投入產出分析法：是國民經濟（或地區、部門）綜合統計分析和計劃綜合平衡的重要工具。中國從1960年開始進行投入產出法研究。目前中國已編制出不少地區性投入產出表，開始應用于國民經濟的各種計劃工作和經濟預測中。投入產出分析法將國民經濟各部門的投入產出之間建立起數量依存關系，當報告期投入產出表編制完成后，把各個消耗系數按照預測區間劃定的未來時間情況進行計算，就可以用來預測今后若干年（預測區間）經濟發展的狀況。第十頁，共二十九頁，2022年，8月28日由于建立投入產出表所需數據非常龐大，設計很多部門，計算過程又非常復雜，所以投入產出分析預測法主要用于國民經濟各部門、各地區的預測，很少用于企業的預測。第十一頁，共二十九頁，2022年，8月28日因果關系法：回歸預測法

第十二頁，共二十九頁，2022年，8月28日一建立回歸模型的方法現實的世界太復雜若想獲得任何進展，必須對現實世界加以簡化和抽象，簡化、抽象的模型是獲取所需要信息的最經濟的途徑。因果關系是構成回歸模型的基礎關鍵在于省略不相關的和不重要的事實及變量，但重要的因素必須包括在內。建立和使用回歸模型時，首先要在正確的經濟理論基礎上建立關于經濟關系的理論模型，確定模型中應該包括的變量以及是否存在一種經濟理論可以用來解釋變量之間關系的性質和大小。第十三頁，共二十九頁，2022年，8月28日二建立模型的例子家用小轎車的需求模型：Q=f（，，，，，）彩電生產廠家預測用戶需求的模型：Q=f（，，，，，）中石化成品油（汽柴油）的需求模型：Q=f（，，，，，）第十四頁，共二十九頁，2022年，8月28日三、一元線性回歸預測法步驟：1建立模型：Y=a+bX2估計參數:回歸系數a，b3進行檢驗：顯著性檢驗（F檢驗或t檢驗）4預測：已知X值，利用回歸方程求出預測值。第十五頁，共二十九頁，2022年，8月28日例1：假設有一家企業，他的固定資產（機器，設備，廠房等）是租來的，租金是每期100萬元。企業生產過程的另一個投入是勞動力，他能根據企業需要隨時增加或減少。所以，固定成本為100萬元，人工成本為可變成本，企業經理想知道成本和產量之間的關系，進而預測下一個生產期根據產量大小預測成本是多少？第十六頁，共二十九頁，2022年，8月28日總成本和總產量數據生產期總成本（元）總產量（單位）110002150531608424010523015637023741025第十七頁，共二十九頁，2022年，8月28日例1：解題步驟演示：線性回歸預測模型表例2：有一個大學生，畢業后用少量資金創業，經過幾年的努力，他經營的連鎖餐館有聲有色，為了進一步研究餐館新的經營方案，他收集了餐館連續8個月每月用餐的價格和平均用餐人數，數據見Excel表：回歸預測法所用數據表餐館經營，估計需求函數，并幫助小老板設計經營方案。第十八頁，共二十九頁，2022年，8月28日四、多元線性回歸預測法客觀事物的變化往往受多種因素的影響，即使其中一個因素起著主導作用，但其他的作用也是不可忽視的。模型為：Y=b0+b1x1+b2x2+b3x3+b4x4········第十九頁，共二十九頁，2022年，8月28日例3：某VCD連鎖店非常想知道在電視臺做廣告與在廣播電臺做廣告那種渠道更有效。調查者收集了連鎖店每月銷售額和每月用在以上兩種每題上的廣告支出如表：廣告費研究，連鎖店想知道：銷售額是否同兩種媒體的廣告有關？每種媒體上的廣告支出額對銷售額的影響如何？那種廣告形式帶來的成本效益更好？第二十頁，共二十九頁，2022年，8月28日六、非線性回歸預測法步驟：1確定變量間函數的類型：理論或經驗，如果是一元非線性，可采用散點圖。2確定相關函數中的未知參數：最小二乘法是最常用的方法。但在EXCEL中我們不用具體去計算。實際應用中，往往要通過變量變換，把非線性函數關系轉換為線性關系。第二十一頁，共二十九頁，2022年，8月28日1：冪函數Y=aXb兩邊取對數，得到㏑Y=b㏑X+㏑a令Y′=㏑Y,X′=㏑X,a′=㏑a則：Y′=a′+bX′

例4：試對某省近年工業產值、固定資產投資和職工工資資料進行擬合，并選擇適當的模型加以分析。數據見表：生產函數工作表（提示：生產函數是典型的多元冪函數）第二十二頁，共二十九頁，2022年，8月28日2指數函數：Y=aebx令Y′=㏑Y,a′=㏑a則Y′=a′+bX

例5：已知中國1978年至1997年歷年國內生產總值如表GDP所示,請選擇指數曲線模型對我國歷年GDP進行模擬。思考：用經濟語言描述以上結果。第二十三頁，共二十九頁，2022年，8月28日七、回歸預測時應注意的問題盡管回歸分析對于估計市場、經濟、管理工作過程中因素與因素之間的關系很有用，但如果分析者在建立模型和解釋結果上不謹慎就可能出現比較嚴重的問題。1關于定性分析問題：回歸分析不能代替經濟、管理、營銷等理論對市場現象相互關系的質的分析，只有在對現實的邏輯分析的基礎上，才能測定市場現象在數量上的相互關系。這是回歸法的一條基本原則。第二十四頁，共二十九頁，2022年，8月28日因此首先進行定性分析。比如廣告費同銷售額的關系，只有在一定的范圍內才具有相關關系，超出一定的“度”，就可能荒謬。2關于回歸預測不能任意外推的問題。由于原來資料只提供了一定范圍內的數量關系，在此范圍以外是否存在同樣的關系，尚未得知。如果有進行外推的充分根據和需要，應十分慎重，而且不能離開原來的范圍太遠。第二十五頁，共二十九頁，2022年，8月28日3關于數據資料的要求問題①關于數據資料的準確性問題：客觀，核實，去掉表現異常的值（3倍標準差）②關于數據資料的可比性和獨立性問題③關于社會經濟現象基本穩定的問題：沒有突變，如果10年的數據，其中第六年的數據是企業發生了重大的技術變革，這樣的數據不能合并在一起來進行回歸預測。第二十六頁，共二十九頁，2022年，8月28日4變量遺漏問題當回歸結果與經濟理論不一致時，重要變量的遺漏可能是最主要的原因。比如：有一個大學生進行需求預測，根據收集到的資料進行回歸后得到的預測方程為：Q=7.8+3.42P，價格系數為正值，并在統計上顯著。對這樣的一個結果，我們認為不合常理，一個解釋是：價格一直上漲，但收入和人口數也增加，價格和收入、人口呈現正相關，所以3.42反映收入和人口增加而導致需求的增加。因此，為例分別找出這些影響，就需要在回歸方程中增加新的變量。第二十七頁，共二十九頁，2022年，8月28日5多重共線性在某些情況下，問題出在回歸分析中變量太多上面。有時兩個或兩個以上的自變量之間高度相關，這種現象被稱為多重共線性。比如：工人的考核成績S（優、良、中），成績與工作時間T和工人生產的產品數量Q

有關，對這30組數據進行回歸擬合分析，變量T,Q兩個變量在統計上都不顯著。問題