4需求估计管理经济学麦圭根第12版,机械工业出版社.pptx

4需求估计管理经济学麦圭根第12版,机械工业出版社.pptx

《4需求估计管理经济学麦圭根第12版,机械工业出版社.pptx》由会员分享，可在线阅读，更多相关《4需求估计管理经济学麦圭根第12版,机械工业出版社.pptx（56页珍藏版）》请在冰点文库上搜索。

第4章需求估计EstimationofDemand,上一章介绍了与需求相关的一些基本概念和理论，包括价格弹性、收入弹性和交叉价格弹性等。

者如果打算进行商品价格调整的决策，就需要知道价格提高对需求量、总收益和利润的影响，为此需要知道在预计价格调整的范围内，需求弹性是充足还是不足？

等等。

政府和非营利机构也会面对这些决策问题。

比如节假日取消过路费的影响是什么？

本章讨论与需求定量估计相关的一些方法和技术。

作为一位管理,对需求估计的方法大体可以分成两类：

最常用和最有效的就是统计技术中的回归分析法，就是根据需求各种变量的具体数据，得出描述这些变量之间关系的数学方程的方法；另一种是进行市场调查，对需求进行直接估计的方法，虽然不常用但在一定条件下还是可以起到一定的作用。

4.1运用市场研究技术估计需求4.1.1消费者调查4.1.2消费者焦点小组4.1.3市场实验4.2利用回归分析估计需求4.2.1计量经济学-回归分析概述4.2.2需求估计的具体方法4.3利用回归分析进行需求估计的实例,4.1运用市场研究技术估计需求4.1.1消费者调查ConsumerSurveys因为消费者自己应当最清楚他们自己对某种商品的需求函数，最直接的需求估计方法就是变换需求决定因素（例如，替代品的价格、互补品的价格等），直接询问潜在购买者会买多少。

最简单的就是叫住购买者，询问他们在不同价格时会买多少。

复杂的，需要由专业访谈者选择人口样本设计问卷进行调查。

专业调查人员对一组样本消费者进行询问，确定他们的购买意愿、对价格变化或相对价格水平的敏感程度和对广告宣传战的了解程度等因素。

这个过程看似简单，却有几个重要问题：

（1）典型样本的选择；

（2）响应的偏差；（3）响应者缺乏准确回答问题的能力。

响应偏差可能就是因为被访问的对象在对假设的问题提供答案时带来的。

映他的意图和希望。

偏差，比如回答的人可能给出的是社会可接受的反应，而不是他们真实的偏好。

结果不是反映个人如何去做，而是反,或者反应因为问问题的方式而发生,尽管消费者调查技术有着这些内在的困扰，但是它依然可以成为经理人量化需求的非常有价值的工具。

做调查的技巧在于避免陷阱。

4.1.2消费者焦点小组ConsumerFocusGroups这也是一种把消费者对影响需求种种因素变化的反应记录下来的方法。

们购买一定的商品。

试验者可以观察到当调整价格、竞争产品价格和其他变变量对实际购买量的影响。

然后再密切观察消费者小组，讨论他们做出的选择及原因。

这种方法本质上是在一种可控的模拟环境下，观察消费者的行为，从而得出各种因素对需求的影响情况。

这种方法的缺陷在于：

由于参与者知道他们被观察的状况，不太可能像在真实的环境中行动，从而影响结果准确性其次，由于成本较高决定了参与者样本很少，而从很小的样本的实验结果推断出一个市场行为可靠性存在问题。

给消费者试验小组少量货币，让他,4.1.3市场实验市场实验不像消费者焦点小组那样在严格的实验条件下进行，而是在真实的市场中进行的。

者可以可以改变一种或多种需求的决定因素，如价格、广告、商品包装方式等等，观察它们对需求量的影响。

市场实验的优势在于，他们能够在一个很大的规模下进行，消费者也没有意识到自己试验的一部分，从而可以保证结果的有效性。

但是也存在一定的缺陷，通常厂商为了降低成本，试验可能在一个有限的规模内进行，并且持续时间较短，所以关于整个市场和一个更长时期的推断是可疑的；的不可控，可能外界的一些因素会影响试验结果，比如不正常的天气、临时的罢工等等。

实验中，分析,此外，由于环境,4.2利用回归分析估计需求对包括需求关系在内的经济关系进行定量衡量是管理者进行有效决策的基础。

需求估计方法由于存在各种缺陷，现实中仅适合小范围内的估计和分析。

关系的定量估计主要采用的就是计量经济方法。

上面介绍的直接的,而要在较大范围内进行经济,4.2.1计量经济学概述什么是计量经济学（econometrics）：

计量经济学简单理解就是“经济测量”（econometricsmeans“economicMeasurement）。

现象的数量化度量和分析。

它试图量化经济现象，在抽象的经济理论世界和人类活动的现实世界之间架起一座桥梁。

计量经济学主要有三个用途：

（1）描述经济现实；

（2）检验有关经济理论的假设；（3）预测未来的经济活动。

就是对实际的经济和商业,计量经济学家在分析经济问题时是如何操作的呢？

他们主要按照如下路线进行分析和估计。

4.2.2需求估计的具体方法在计量经济学中用于估计参数主要有两种技术：

回归分析（regressionanalysis）与相关分析（correlationanalysis）相关分析主要是测量两个变量之间的线性关联程度。

比如，吸烟与肺癌之间、中学成绩与大学成绩之间的相关。

而回归分析是研究一个因变量（被解释变量）对另一个或多个解释变量（自变量）的依赖关系，其目的在于通过后者的已知或设定值去估计和（或）预测前者的（总体）均值。

包括估计参数和检验统计显著性两方面。

可以看出，就需求估计而言，我们就是想了解那些需求影响因素的变动，对需求量从而总收益和利润的影响方向和影响程度。

因此，回归分析成为一个进行需求估计的很好的工具。

下面我们通过一个实例来介绍如何用回归分析进行需求估计的具体方法和步骤。

第一步：

识别变量与收集数据,对于变量的识别可以依据需求函数并结合管理者的自身需要来确定。

影响变量确定后就需要收集每个变量的数据，这些数据可以来自调查、市场试验或各种机构发布的数据。

这些数据大体可以分为三类：

时间序列、横截面以及混合数据（比如时间序列与横截面合并-面板）本案例中就是横截面数据。

（1）时间序列数据：

就是一个变量在不同时间取值的一组观测结果。

可以是每日（周、月、年等）收集的。

（2）横截面数据：

指对一个或多个变量在同一时间点上收集的数据。

（3）混合数据：

在混合数据中兼有时间序列和横截面数据。

比如下表中有7年（时间）15个省市（横截面）居民家庭人均消费数据，共105组观测值的面板数据。

第二步：

具体确定方程或回归关系的形式它表明自变量与因变量之间的关系通常要选择估计回归关系的函数形式，以便尽可能准确描绘出真正的需求关系。

常用的关系或模型有线性模型和乘法指数模型等。

上述案例中建筑材料商店的涂料线性需求模型可列为：

其中，1，2和3是此模型的参数；是误差项。

1，2和3分别表示当其他自变量不变的条件下，促销支出、销售价格和可支配收入每变化一个单位，涂料需求分别变化1，2和3个单位。

线性模型的优点在于：

（1）不改变它的形式就能对它进行估计；

（2）对变量系数的解释比较简单，也就是如果其他自变量的值保持不变，每个系数代表相应的自变量变化1个单位会使需求量变化多少。

1.线性模型（LinearModel）：

2.乘法指数模型：

在估计过程中可以转化为简单的对数线性关系这里1，2和3作为斜率系数测量的Q对A、P和M的弹性，表示当其他自变量不变，促销支出、销售价格和可支配收入每变化1%，将导致涂料需求分别变化1%、2%和3%。

乘法指数模型的优点是：

（1）可以提供需求的各种自变量的弹性估计值，比如价格弹性、收入弹性等等；

（2）与线性模型相比，乘法指数模型在估计参数所使用的数据范围内，每个自变量的弹性是不变的，等于相应的参数估计值。

而线性模型中，每个自变量的需求弹性依据在需求曲线上的不同位置，其弹性不同。

案例中模型可表示为：

第三步：

估计并解释回归参数许多软件都可以进行回归分析，如excel、spss和eviews等等。

第四步：

统计显著性检验等回归分析的目的有两个，一个是估计真实回归曲线的参数（比如1，2和3），另一个就是检验这些参数的估计值在统计上是否显著。

统计技术提供了假设检验的工具置信区间和显著性检验（也就是t检验）。

实践中t检验应用更为普遍。

t检验是一种利用样本结果来证实一个虚拟假设真伪的检验程序。

t检验就是计算每一个回归系数的t值或者t统计量具体方法就是用回归系数除以自身的标准误。

各估计系数的标准误（差）测量了在根据同一个实际需求关系、不同的观测值进行的回归分中，各系数估计值的变化程度。

也就是说，为了检验估计参数统计显著性，我们首先需要得到该参数估计值的t统计量，然后在选定的显著性水平下（比如1%、5%或10%），在t分布的临界值表中找到t的临界值，选择自由度n-k（观测值减去估计参数数量如果计算的t统计量的绝对值大于临界值，那么相应的估计系数显著；如果小于临界值，则估计系数不显著。

实践中，常用t的绝对值是否大于2来判断。

除了对参数的估计值进行显著性检验外，我们还会对整个估计模型的总体拟合度进行判定，也就是说我们除了希望参数的估计值比较准确外，还希望估计的回归模型相当精确地解释被解释变量在样本期的变化，也就是估计的模型有很高的拟合度。

度量拟合度最简单且普遍使用的就是判定系数（可决系数）R2，它衡量了因变量的变化中能被回归方程解释的那一部分，R2的取值范围是01。

大的R2值说明解释变量与因变量之间的相关程度很高，小的R2值说明解释变量与因变量之间的相关程度很低。

大的R2值,小的R2值,如果计算R2等于0.5274也就是说，约有53%的Y的变化可以用回归模型来解释，或者说该回归模型可以解释Y的53%的变化。

对于回归分析而言，最重要的是参数估计以及参数的显著性检验，也就是说你既要估计出参数，同时最好要保证估计的参数通过显著性检验（t2）。

而R2的值并非越高越好，大体中等程度即可。

此外，回归分析中还会存在的一些问题，下面问题的存在可能会使回归结果无效，因此需要一些特殊处理。

第五步：

利用回归模型进行预测回归方程可以用来预测自变量的任意给定数值之后的Y值，把自变量的特定值代如估计回归方程可进行点预测。

4.3利用回归分析进行需求估计的实例,