因果关系预测

出处：按学科分类—经济 南京大学出版社《新编经济师实用手册工业企业分册》第214页（1205字）

在时间序列预测中，只是依据时间来研究销售量的变化趋势。实际上任何事物的变化都有一定的因果关系，而上法只研究了结果，没研究原因。因果关系预测就是研究两者关系的预测方法。此法要求完备的历史资料，否则难以找到因果关系。常用的方法有回归分析法和基数迭加法。

1．一元回归分析法

这是利用线性回归方程，如式8－6来预测一个自变量与因变量关系的方法，其主要步骤如下：

y=a+bX (8－6)

式中 y——应变量； x——自变量；

a，b——回归系数。a是不考虑x影响的销售量；b是x与y的比例关系值。

(1)根据统计或实验的数据，用计算或散布图确定y与x是否相关；

(2)用最小二乘法求回归系数a和b；

(3)根据a和b，及预测的x值，用式8－6求预测期的预测值。

判断y和x是否相关，是用式8－7求相关系数r，若r≈1(包括正负)，则两变量关系密切，相反r≈0，则关系不密切。

回归系数分别用式8－8和8－9计算。

2．基数迭加法(多元回归分析法)

在实际营销活动中，影响因素往往不止一个，如销售量y可能同时受到产品质量Q、价格W、广告宣传q、交货期T、国家方针政策g、市场饱和度Z等等因素的影响。所以，是一种多元函数关系，即y=f(Q，W，q，T，g，Z…)，而并是一元关系。此时，一般用式8－10进行多元回归分析

y=a+b₁x₁+b₂x₂+…+b_kx_k (8－10)

应用此法的计算比较麻烦。但若要求精度不高，则可用基数迭加法。基本思路是：将各变量的函数关系用影响系数(影响销售量变化的百分数)来代替。这样，预测销售量y就可根据上期的实际销售量y₀，用式8－11来计算。

y=y₀(1+Q%+W%+q%+T%+g%+Z%…) (8－11)

式中各因素的影响系数，可用统计分析或调查等办法来确定。