上一章，我们讨论了【需求函数】、【需求曲线】、【需求弹性】，我们假定上面的3个是已经知道的。但是企业是怎么知道这些的呢，并且拿这些来进行预测呢？ 需求估计和需求预测 属于“市场调查”和“统计学”的学科领域，本章仅做介绍。
第一节 需求估计
方法有两种：一种是【市场调查】、一种是【统计方法】，往往是这俩是相互配合。
一、市场调查
就是直接对消费者进行调查。
1.访问调查法
通过面谈、电话等方法直接向消费者提问，但是这个需要技巧，而且往往不准，需要和下面这种方法进行配合。被调查者不见得会按照自己说的去做。
2.市场实验法
选择试点市场去做真实的试验，真实的反应消费者行为。
但是缺点是：失去部分试验客户、受到其他干扰因素、实验时间较短不能充分反应价格问题。
佛州和加州桔子的价格试验，价格弹性，替代性，竞争关系。
二、统计方法
统计中通常采用最小二乘法找到最佳你呵呵曲线，从而确定诸多因素对于需求量变化的影响公式，并且用一个确定的函数描绘出来。
1.确定自变量
价格-消费者收入-相关产品价格-特殊情况（雨伞：天气）
2.取得观察数据
源自：历史数据、市场调查。
（1）时间序列数据：每个月取得一次价格和需求量的数据
（2）剖面数据：同一时间，10家商店的价格和需求的关系。
3.选择回归方程的形式
（1）线性回归表达式
Y=a+bX1+cX2+dX3+….
（2）幂函数表达式
$$
Q=αX^aYb*Zc
$$
$$
lnQ = lnα+alnX+blnY+c*lnZ
$$
一般来说幂函数更符合实际情况，幂函数可以转化成线性函数进行回归。
4.估计回归参数
获得了一系列的（x1,y1）、（x2、y2）……数据可以拟合一条线。从而算出一元回归线性方程。
把测得的结果，x和 y代入弹性公式？？？
弹性公式是个什么鬼？
上述方法是否靠谱，还是需要使用统计方法进行检验才行。
（1）测定回归模型总的解释能力
1）可决定系数R2
其实就是那个R2，相关系数嘛。
2) 估计标准差S
其实这里就是说了个置信区间的问题——几个标准差，2个95%，3个99%。
（2）测定单个变量的解释能力
前面这个采用"估计标准差"，这里要采用“系数的标准误差”
Excel 软件就有参数估计等功能：Coefficients 和Intercept就是分别得出斜率和截距。相关系数 R2；估计标准差 Se；
☆：系数标准误差 Sβ（这里我没有很好理解）。
5.运用回归分析应注意的问题
（1）鉴别问题
（2）模型上设定的问题
（3）多重共线性问题
（4）自相关问题
回归分析中的DW统计量，如果2左右，则说明不存在自相关，远大于或小于2，则存在自相关问题。
上述问题理解还是不好，等待2刷。
第二节 需求预测
一、德尔菲法（专家调查法）
二、时间序列分解法
三、指数平滑法
四、在预测中使用回归模型
LOG
- 本文件创建于20171112
网友评论