样的；而移动平均法是假

    设接近9月份最近的几个月影响更大。如果把5、6、7、8四个月的销售额作为观察值，加以平均，所得

    的预测结果更接近实际。

    该企业本年9月份的预测销售额是577.5万元。

    3、加权移动平均法

    前两种方法都是用平均的方法求得预测值，而实际必须考虑各个月的销售额对9月份销售额的影响程

    度，由此进行加权平均，即加权移动平均法。权数根据经验所定，此法所得预测结果比简单平均法更精确。

    其计算公式：

    其中，w表示权数。如果观察值仍取5、6、7、8四个月，根据每个月的数值的9月份预测值的不同

    影响程度确定权数分别为5月份（w1）为0.2；6月份（w2）为0.2，7月份（w3）为0.3，8月份（w4）

    为0.3，权数之和为1。

    该企业本年9月份的预测销售额是578万元。

    因果关系分析法

    即利用市场营销活动中各种因素之间的因果关系，找出影响预测结果的主要原因，并计算出原因与结

    果之间的数量关系，根据此数量关系测算出预测值的方法。此结果比较准确，但需要一定的数学知识与计

    算技术。

    1、回归分析法

    即通过分析事物发展变化的原因，找出原因和结果之间的联系，用数学模型以预测事物未来发展趋势

    的方法。根据有关影响因素的多少和资料数据的多寡又分为一元线xìng回归法、多元线xìng回归法，非线xìng回

    归xìng等。

    这里将一元线xìng回归法作一介绍。

    一元线xìng回归分析法的数学模型为：y=a+bx

    其中：y表示因变量（预测值）

    x表示自变量（引起事物变化的某些因素）

    a、b表示回归系数

    n表示观察值数目

    回归系数的计算公式：

    例：某企业经过连续观察，发现某产品的销售与广告支出相关，统计资料见表4-5。求当广告费用为9.

    5 万元时，该产品的销售量预测值。

    首先用列表式计算有关数据（表45），并计算回归系数a、b。

    再将a、b代入回归方程：y=114.59+7.02X

    当广告费用为9.5万元时，该产品销售预测值：y=114.59+7.02×9.5=181.28（万元）

    数据点(n)

    广告支出(x)

    销售量（y）

    X2

    y2

    xy

    1

    3

    128

    9

    16384

    384

    2

    3.4

    131

    11.56

    17161

    445.4

    3

    4

    150

    16

    22500

    600

    4

    4.2

    140

    17.64

    19600

    588

    5

    4.8

    160

    23.04

    25600

    768

    6

    5.5

    170

『加入书签，方便阅读』