第 7章
需求的估计与预测
Estimating and Forecasting Demand
需求估计与预测
? 估计 (Estimation)力求对一种商品的需求水
平与决定其变量之间的联系加以量化。
? 对饭店房间的需求取决于,
? 房间的价格
? 床位价格与免费早餐
? 旅客所在国家的家庭水平
? 自然事件 (天气,流行疾病 )
? 预测（ Forecasting）就是力求预知未来某
个时间上的销售水平 。
? 2005年将有多少游客到访天津?
? 2005年将有多少代表参加会议?
简单的估计程序
? 弧度弹性的直接估算
8
6
100 120
A
B
但是 A和 B在同一条需求曲线上吗?
从 A到 B的变化中，供给和需求可能都在变化。
数量
价格
需求函数估计的步骤
使用统计方法估计一个需求函
数包括下列步骤：
1、识别变量
2、收集数据
3、确定模型
4、估计参数
5、进行预测
香港城市煤气行业的
需求估计
Q=bo+b1P+b2I+b3LPGP+b4CLPP+b5DUMMY
Q=城市煤气总销售量 （百 万焦 (耳 )）
P = 城市煤气的价格（港元 /百万焦 (耳 )）
I = 香港的 GDP（百万港元）
LPGP = 液化气的价格（港元 /公斤）
CLPP = 中华电力的平均电价（港元 /MJ）
DUMMY = 虚拟变量 (一份重要安全报告的影响 ),1982
之前为 0,之后为 1
电子数据处理公司的
销售量和个人推销支出
月份 销售量 个人推销支出
1月 2500 43000元
2月 2250 39000
3月 1750 35000
4月 1500 34000
5月 1000 26000
6月 2500 41000
7月 2750 40000
8月 1750 33000
9月 1250 26000
10月 3000 45000
11月 2000 32000
12月 2000 34000
平均数 2021 35667
时间序列数据
(time-series)—
某一厂商不同
时间因变量和
自变量的数据。
收集的数据有两种形式
横断面数据
(cross-sectional)—
— 不同厂商同
一时间因变量
和自变量的数
据。
七个厂商样本的
销售额与广告支出
厂商 销售额 广告支出
A 15000 2000
B 30000 2000
C 30000 5000
D 25000 3000
E 55000 9000
F 45000 8000
G 60000 7000
需求曲线的计量经济估计方法
Econometric Estimation
? Qd = f(Po,Pc,Ps,Yd,T,Ao,Ac,As,I,C,E)
? 需求函数的一般形式
? (不能用通常方法进行估计，需要选择具体的模型形式，
线性或非线性 )
? Qd = a + b1Po+b2Pc+b3 Ps+b4Yd+b5T+b6Ao+b7Ac+b8As+b9
I+b10C+b11E
? 简单的线性形式
? Qd= Poa.Pcb,.Psc Ydd Te.Aof Acg Ash Ii,Cj,Ek
? 指数形式
? log Qd=
alogPo+blogPc+clogPs+dlogYd+elogT+flogAo+glog Ac
+hlogAs+ilogI+jlog C+klogE
? 对数形式
选择经济计量学家所估计的需求函数的具体形
式，要尽量准确地反映出真实关系，可能要尝试多
种方案和变化，才能获得因定量与自变量数据之间
的最佳拟合。通过把不同时间（使用时间序列数据
时）的因变量和与这个因变量有关的每一个自变量
的关系画出来就可以获得应该首先采用哪种函数形
式的线索。这种初步分析的结果将会常常表明是线
性方程最恰当，还是对数方程、指数方程或其他转
换形式更恰当。
确定需求模型 ——
确定模型就是说明自变量与因变量之间的关系 。
样本回归直线
样本回归直线
6 0 0 0 0?Si
4 6 3 7 2? ?iS
AS 97.41 1 5 8 2? ??
7000 A
S
10000
简单的一元线性回归方程
参数 a和 b的计算公式
XbYa
XX
YYXX
b
i
ii
??
)(
))((
?
2
??
??
???
?
需求估计的计算机实现
根据需求函数估计的结
果计算弹性
香港城市煤气需求因素的弹性估计
? 价格 -.263 (不显著 )
? 收入 +1.531**
? 液化气价格 +.059 (不显著 )
? 电价 -.053 (不显著 )
? DUMMY +.363**
? R2 = 0.993
Q
P
dP
dQE
d
0
0
??
Q
p
bE
b
dP
dQ
d
0
1
1
0
??
?
所以
由于
**在 1%水平具有统计显著性
统计结果检验：
可决系数
衡量回归直线
对样本观察值的
拟合程度的指标 。
2
2'
2
)(
)(
yy
yy
r
i
i
?
?
?
计量经济估计方法中的问题
? 1,最佳拟合可能不是准确的拟合结果（确定的
估计方程仅仅说明需求水平变化的一部分。
? 2,只有在满足一系列非常严格的假设条件下，
估计出来的系数才是准确的估计值。
? 3.如果这些假设条件不满足，就可能会产生某种
技术性问题：
? 多重共线性（ multicollinearity） (独立变量相互密切
相关）
? 异方差性（ heteroscedasticity） (残值 /误差项对于不
同的预测值具有不同有方差 )
? 自相关（ autocorrelation） (残值互相相关 )
识别问题
（ The Identification Problem）
? 我们观察到的价格 /数量组合可能不在需求曲线上
? 这是我们认为我们看到的（ THIS IS WHAT WE THINK WE SEE）
价格
数量
需求曲线
? 我们观察到的价格 /数量组合可能不在需求曲线上
? 这是我们实际观察到的（ THIS IS WHAT WE ARE REALLY
OBSERVING）
价格
数量
需求曲线
S1
D1 S2
D2
S3
D3
识别问题
（ The Identification Problem）
价格 /数量数据是沿着商
品 X的假设供给曲线和
需求曲线标出的。这些
数据点表示供给与需求
在这三个时点上的联立
解。供给曲线和需求曲
线在每个时点上的交点
形成所标出的价格 /数量
点，但直线 AB不是需求
曲线。因为左图供给和
需求函数中的非价格变
量在每个数据点之间已
经发生了变化。
识别问题
通过移动供给曲线来描绘
出稳定的需求曲线 如果需求曲线没有移动，供给曲线移动，那么就可以使用价格 /需求量的
数据来估计需求曲线。一种产品的生产
制造过程中出现技术突破，从而使行业
的成本下降，而需求状况不变，这就可
能出现左图所表示的情况。需求曲线开
始是未知的并假设是稳定的，供给曲线
则从 S1向 S2和 S3移动。每个价格 /数量点
都表示供给曲线与需求曲线的交点。因
为价格以外的需求决定因素都假定是稳
定的，所以三个交点都将位于同一条需
求曲线上。通过把这三个数据点连接起
来，就可以估计出需求曲线 DD。这种
情况可以出现在计算机和电子产品上。
技术革新的飞速发展通常使钟表、计算
器、个人电脑以及相关产品的价格在很
短的时期内显著下降。
多重共线性
多重共线性 就是两个或多个自变量高度相关的情况。
自变量实际上并非是相互无关的，拥有的数值是共同或同时决
定的。例如，房屋所有权和家庭收入就是一个很好的例子。因
为拥有房屋的家庭一般都有相对较高的家庭收入，这两个变量
是高度相关的，所以难以确定各个变量在需求分析中的边际影
响。
在时间序列分析中，要受到经济增长的广泛影响，多重共
线性问题也会广泛存在。在两个自变量之间存在完全的或接近
完全共线性的情况下，要估计两个变量的系数是不可能的。即
使有可能估计出每个变量的回归系数，高度的多重共线性也会
降低系数估计值的可靠性，特别是每个系数估计值的标准离差。
? 解决多重共线性问题的一种实际
方法就是紧缩或转变自变量。例
如，为了揭示价格水平上升（通
货膨胀）和收入水平增加对需求
的影响，把名义数据转换为实际
数据（经过通货膨胀的调整）也
许是恰当的。如果年龄和经验对
员工的生产率都有贡献，把这两
个变量相乘，形成一个员工的
“年龄和经验”变量可能更有效。
另一种方法，就是从回归模型中
排除所有变量，只留一个相关的
自变量。
一些弹性估计值 (Baye et al 1992)
产品 价格弹性 广告弹性 收入弹性
运输 - 0,559 - 0,027 1.787
食品 - 0,672 - 0,016 0,843
酒 & 烟 - 0,261 - 0,051 1.22
娱乐 - 1.094 0,078 1.067
衣着 - 0,889 0,013 1.024
家庭与个人保健 - 0,629 - 0,023 0,0855
为何要进行预测?
? 公共机构与私人企业都在不确定条件下经营,
? 管理者希望通过预知成本、价格、销售以及
利率的变化而降低其不确定性。
? 准确的预测可以帮助制定战略，促进盈利、
避免亏损。
? 预测就是对未来的预见。良好的预测将导致，
不是消除，所有管理者都要面对的不确定性 。
经济预测实
际上是一种艺
术,它可以识
别经济过程中
的压力或不平
衡,了解以什
么方式来解决
它们。
I see Trouble
ahead.
阿兰 ·格林斯潘 --
美国联邦储备系统主席
? 预测方法的选择取决于涉及经济总量
的层次。预测的层次为,
? 国民经济 (GDP,利率,通货膨胀等 )
–经济部门 (耐用品 )
?产业预测 (汽车制造商 )
–厂商预测 ( 福特汽车公司 )
预测的层次
预测标准
具体预测方法的选择取决于几个标准,
? 成本,与其收益相比预测方法的成本
? 复杂程度,变量之间关系的复杂程度
? 时间,有关的时间
? 准确性,预测所要求的准确性
? 前导时间,接受信息与制定决策之间的
时间
非常规预测：
多米诺比萨饼和五角大楼
? 多米诺比萨饼店通常平均一晚上向五角大楼送去三个比萨
饼。 1991年 1月 8日星期二，该店比萨饼的订购数量开始
缓慢上升，到了 13日星期日那一天达到了 20个，这就打破
了五角大楼原先一天订购 19个的记录。第一次海湾战争与
伊拉克开战前两天的星期一，订购了 50个比萨饼。星期二
的数量增加到 101个，在星期三战争开始的晚上，数目高
达 125个。在此事件发生之前,CIA和白宫也出现了同样
的比萨饼订购情况。比萨饼的这种订货方式在华盛顿受到
新闻界的密切关注，以至于被称为“多米诺原理”。每当
世界危机发生时，华盛顿的多米诺比萨饼店经理就会接到
许多个人电话，他们并不是想买比萨饼，而是只想知道白
宫或五角大楼订购了多少个比萨饼。人们想知道，给五角
大楼外送的比萨饼是否将成为机密情报。
? 多米诺比萨饼店也把他们的“比萨表（ pizza meter）”扩
展到政治、运动事件和电视节目之中
? 多米诺比萨饼店的网址,http://www.dominos.com
预测需求
? 最简单的方法是趋势外推法 （ EXTRAPOLATION）
时间
销售量
现在过去 未来
时间序列分析
?分解法 （ The DECOMPOSITION METHOD）
?Xt = Tt+St+Ct+It
–Xt = t期销售量
–Tt = t期的趋势值
–Ct = t期的周期变动成份
–St = t期的季节变动成份
–It = t期的不规则 /不可预测的成份
?Xt = Tt·S t·C t·I t
构成时
间序
列的
组成
成份
–长期
趋势
–周期变动
–季节
变动
–随机
变动
如何用分解法进行预测?
?1,估计趋势因素 (计算, 趋势因素, )
–使用回归方法,用时间 (从零开始的季节数 )
作自变量，销售量为因变量,OR
–只用一条直线进行外推
?2,计算每个时期 /季节到现在的趋势值 (Tt)
–Tt=77347+216t
其中,Tt=销售的时间趋势,t =时间
时间 T 消费 时间 T 消费 时间 T 消费
1989 1993 1997
Q1
Q2
Q3
Q4
1
2
3
4
87192
72192
66674
86069
Q1
Q2
Q3
Q4
17
18
19
20
90467
72696
70365
85998
Q1
Q2
Q3
Q4
33
34
35
36
96295
78603
76511
92641
1990 1994 1998
Q1
Q2
Q3
Q4
5
6
7
8
92740
70339
67700
85619
Q1
Q2
Q3
Q4
21
22
23
24
91680
75019
70967
86554
Q1
Q2
Q3
Q4
37
38
39
40
96335
81488
77205
91248
1991 1995 1999
Q1
Q2
Q3
Q4
9
10
11
12
92613
74545
66721
86325
Q1
Q2
Q3
Q4
25
26
27
28
93715
77556
72371
89727
1992 1996 2005
Q1
Q2
Q3
Q4
13
14
15
16
90273
73004
68542
86831
Q1
Q2
Q3
Q4
29
30
31
32
97119
78911
75691
93603
Q1 61
某地区电力消费量 （ 1989-1998）
? 3,对于每个季节 /时期,计算, 季节加不规则因素,
?实际 t–趋势 t=季节 t+不规则 t
? 4,确定每个季度的季节成份：把每个季节的（季
节 +不规则）成份加在一起，春季的平均数（季
节 +不规则）成份就是春季季节成份的估计值，
其他季节也一样
– 各季平均数之和等于 -91，一年的季节因素总和应该等
于 0，要对平均数进行调整，需要把 误差分散到四个季度
之中，此例中总误差很小，可忽略。
? 5,通过计算各期的趋势值并加上季节因素，即可
对未来任一时期进行预测
– e.g 2005春季,期数为 61,Tt=77347+216t
T2005Q1=77347+216（ 61） =90523
? 6,加进季节因素，由此形成预测值
– 90523+11404=101927
时间 实际 季节加
观察 趋势 不规则
值 值 成份
时间 实际 季节加
观察 趋势 不规则
值 值 成份
1989 1993
Q1
Q2
Q3
Q4
87192
72192
66674
86069
77563
77780
77996
78213
9628
-5588
-11323
7856
Q1
Q2
Q3
Q4
90467
72696
70365
85998
81026
81243
81459
81675
9441
-8547
-11093
4323
1990 1994
Q1
Q2
Q3
Q4
92740
70339
67700
85619
78429
78645
78862
79078
14310
-8307
-11162
6541
Q1
Q2
Q3
Q4
91680
75019
70967
86554
81892
82108
82325
82541
9788
-7089
-11358
4013
1991 1995
Q1
Q2
Q3
Q4
92613
74545
66721
86325
79294
79511
79727
79944
13318
-4966
-13006
6381
Q1
Q2
Q3
Q4
93715
77556
72371
89727
82757
82974
83190
83407
10958
-5418
-10819
6320
1992 1996
Q1
Q2
Q3
Q4
90273
73004
68542
86831
80161
80377
80593
80810
10112
-7373
-12051
5571
Q1
Q2
Q3
Q4
97119
78911
75691
93603
83623
83839
84056
94272
13496
-4928
8365
9331
计
算
季
节
加
不
规
则
成
份
季节,季节加不
规”成份
季节,季节加不
规”成份
季节,季节加
不规”成
份
季节,季节加不
规”成份
Q1 Q2 Q3 Q4
1989
1990
1991
1992
1993
1994
1995
1996
平均数
9628
14310
13318
10112
9441
9788
10958
13496
11381
1989
1990
1991
1992
1993
1994
1995
1996
平均数
-5588
-8307
-4966
-7373
-8547
-7809
-5418
-4928
-6617
1989
1990
1991
1992
1993
1994
1995
1996
平均数
-11323
-11162
-13006
-12051
-11093
-11358
-10819
-8365
-11147
1989
1990
1991
1992
1993
1994
1995
1996
平均数
7856
6541
6381
5571
4323
4013
6320
933
6292
各季平均数之和 =11381-6617-11147+6292=-91
对季节总效应进行调整，方法是在各季平均数上加 91/4=23
Q1效应 11404 Q2效应 -6594 Q3效应 -11124 Q4效应 6315
计算季节成份
缺点是什么?
?基于时间序列分析的预测假设时间是销量
的唯一决定因素，假定时间和数量将在未
来与过去相同。
?在短期内一般会提供不良的结果，但短期
是最需要准确预测的时间 !
?还有更多的时间序列高级方法，但在很多
情况下,,简单方法, （ ‘na?ve’
methods ）会提供准确决策。
如何评价预测?
? 客观性（ Objectivity）, 结果是否取决于数据或进行预测
的个人?
? 有效性（ Validity）, 对于预测时间的序列预测估计值与实
际时间序列的接近程度如何?可计算预测值与实际数据的相
关系数。
? 可靠性（ Reliability）, 如果对预测取不同的出发点,结果是
否大致相同?
? 准确性（ Accuracy）, 对于产生预测结果以外的时期，预
测与实际数字的相近程度如何?
? 可信性（ Confidence）, 是否存在接受结果的高度可能性?
? 敏感性（ Sensitivity）,如果我们用非常不同的方式使用数
据进行预测。是否得到不同的结果?
准确性是主要因素,如何衡量它?
?平均误差（ Mean Error） -如果正负抵消，
就会为零
?平均绝对误差（ Mean Absolute Error）
?均方误差（ Mean Square Error） - 给予
更大的误差以更高的权重
?均方根误差（ Root Mean Square Error）
?变异系数（ Variation Coefficient)
还有什么其他方法?
?气压计预测（ Barometric
forecasting） - 使用领先指标（在
希望预测的变量之前变化的变量）
?用国际直接长话量预测国际贸易
?用出生率预测小学、婴儿服的需求
?用机床订单数预测国民收入
?用新建筑开工数预测国民收入
常用的领先指标
? 机床的新订单
? 制造业平均工作小时
? 新企业成立指数
? 耐用品的新订单
? 工厂和设备的订单
? 新建筑开工数
? 制造业库存变化
? 工业材料价格
? 股票交易指数
? 利润数字
? 价格与单位劳动成本比率
? 消费者信贷增加量
?市场调查 （ Market Surveys）,其效用取决于：
–寻找买主的成本
–买主显露其意图的意愿
–买主实现其意图的倾向
?最适宜应用,
–买主规划的产品
–潜在买主明确的产品
–得不到过去数据的新产品
还有什么其他方法?
?销售人员意见法 （ Sales Force Opinion）,
销售人员是最接近顾客的，但,
–可能会歪曲其预测,故意地预计低销
售量，为的是达到低销售目标时增
加奖金,
–可能不了解更广泛的发展,新型的顾
客,宏观经济变化
还有什么其他方法?
?专家意见法 （ Expert Opinion）, 询问产业分析
人员,咨询人员,贸易协会成员来进行预测
–如果公开进行,会存在, 团体思考, 的危险
（ ‘groupthink’）
–有从德尔菲法向专家意见法改变的危险
?要求一些产业专家匿名写出预测结果，然后说明为何是正
确的理由
?交流所有人的预测结果
?要求他们根据其他专家的意见修订自己的预测
– 最终形成统一意见
还有什么其他方法?
?市场测试法（ Market Testing）
–销售波动研究 （ Sales Wave Research）, 衡
量一组消费者的重复购买率
–模拟商店技术 （ Simulated Store
Techniques）, 给予一些消费者一些钱花在
产品上，向他们显示广告宣传，监测其行
为
–试销 （ Test Marketing）, 制造产品并出售
还有什么其他方法?
哪一种方法最适合?
1存在有限市场的一种工
业品
2 已经销售多年的一种
消费品
3 一种新产品，实现充
分规模将是费用高昂
的
4 一种技术非常复杂的
产品,在一个非常广
泛的市场中销售
A 时间序列分
析
B 专家意见法
C 市场测试
D 购买者意向
调查
哪一种方法最适合?
1存在有限市场的一种工
业品
2 已经销售多年的一种
消费品
3 一种新产品，实现充
分规模将是费用高昂
的
4 一种技术非常复杂的
产品,在一个非常广
泛的市场中销售
A 时间序列分
析
B 专家意见法
C 市场测试
D 购买者意向
调查
练习与问题
?你认为下列哪一种商品具有非常低的价格
和收入需求弹性？
（ A）食盐；
（ B）白兰地；
（ C）高尔夫俱乐部会员资格；
（ D）服装设计师设计的服装；
（ E）打电话。
?在上述商品中，哪一种具有最高的需求收
入弹性？
练习与问题
?下列哪一个最符合, 领先指标,？
（ A）一种具有有限潜在市场的工业产品；
（ B）在我们正在预测的变量之前变化的一种变量；
（ C）与我们正在预测的变量同时变化的一种变量；
?下列哪种情况中不存在, 识别问题,？
（ A）如果已知供求曲线都没有移动；
（ B）如果已知供求曲线都已移动；
（ C）如果已知只有供给曲线移动；
（ D）如果已知只有需求曲线移动。
?说明估计与
预测的区别，
简单扼要地
说明每一种
方法面临的
困难。
练习与问题
需求的估计与预测
Estimating and Forecasting Demand
需求估计与预测
? 估计 (Estimation)力求对一种商品的需求水
平与决定其变量之间的联系加以量化。
? 对饭店房间的需求取决于,
? 房间的价格
? 床位价格与免费早餐
? 旅客所在国家的家庭水平
? 自然事件 (天气,流行疾病 )
? 预测（ Forecasting）就是力求预知未来某
个时间上的销售水平 。
? 2005年将有多少游客到访天津?
? 2005年将有多少代表参加会议?
简单的估计程序
? 弧度弹性的直接估算
8
6
100 120
A
B
但是 A和 B在同一条需求曲线上吗?
从 A到 B的变化中，供给和需求可能都在变化。
数量
价格
需求函数估计的步骤
使用统计方法估计一个需求函
数包括下列步骤：
1、识别变量
2、收集数据
3、确定模型
4、估计参数
5、进行预测
香港城市煤气行业的
需求估计
Q=bo+b1P+b2I+b3LPGP+b4CLPP+b5DUMMY
Q=城市煤气总销售量 （百 万焦 (耳 )）
P = 城市煤气的价格（港元 /百万焦 (耳 )）
I = 香港的 GDP（百万港元）
LPGP = 液化气的价格（港元 /公斤）
CLPP = 中华电力的平均电价（港元 /MJ）
DUMMY = 虚拟变量 (一份重要安全报告的影响 ),1982
之前为 0,之后为 1
电子数据处理公司的
销售量和个人推销支出
月份 销售量 个人推销支出
1月 2500 43000元
2月 2250 39000
3月 1750 35000
4月 1500 34000
5月 1000 26000
6月 2500 41000
7月 2750 40000
8月 1750 33000
9月 1250 26000
10月 3000 45000
11月 2000 32000
12月 2000 34000
平均数 2021 35667
时间序列数据
(time-series)—
某一厂商不同
时间因变量和
自变量的数据。
收集的数据有两种形式
横断面数据
(cross-sectional)—
— 不同厂商同
一时间因变量
和自变量的数
据。
七个厂商样本的
销售额与广告支出
厂商 销售额 广告支出
A 15000 2000
B 30000 2000
C 30000 5000
D 25000 3000
E 55000 9000
F 45000 8000
G 60000 7000
需求曲线的计量经济估计方法
Econometric Estimation
? Qd = f(Po,Pc,Ps,Yd,T,Ao,Ac,As,I,C,E)
? 需求函数的一般形式
? (不能用通常方法进行估计，需要选择具体的模型形式，
线性或非线性 )
? Qd = a + b1Po+b2Pc+b3 Ps+b4Yd+b5T+b6Ao+b7Ac+b8As+b9
I+b10C+b11E
? 简单的线性形式
? Qd= Poa.Pcb,.Psc Ydd Te.Aof Acg Ash Ii,Cj,Ek
? 指数形式
? log Qd=
alogPo+blogPc+clogPs+dlogYd+elogT+flogAo+glog Ac
+hlogAs+ilogI+jlog C+klogE
? 对数形式
选择经济计量学家所估计的需求函数的具体形
式，要尽量准确地反映出真实关系，可能要尝试多
种方案和变化，才能获得因定量与自变量数据之间
的最佳拟合。通过把不同时间（使用时间序列数据
时）的因变量和与这个因变量有关的每一个自变量
的关系画出来就可以获得应该首先采用哪种函数形
式的线索。这种初步分析的结果将会常常表明是线
性方程最恰当，还是对数方程、指数方程或其他转
换形式更恰当。
确定需求模型 ——
确定模型就是说明自变量与因变量之间的关系 。
样本回归直线
样本回归直线
6 0 0 0 0?Si
4 6 3 7 2? ?iS
AS 97.41 1 5 8 2? ??
7000 A
S
10000
简单的一元线性回归方程
参数 a和 b的计算公式
XbYa
XX
YYXX
b
i
ii
??
)(
))((
?
2
??
??
???
?
需求估计的计算机实现
根据需求函数估计的结
果计算弹性
香港城市煤气需求因素的弹性估计
? 价格 -.263 (不显著 )
? 收入 +1.531**
? 液化气价格 +.059 (不显著 )
? 电价 -.053 (不显著 )
? DUMMY +.363**
? R2 = 0.993
Q
P
dP
dQE
d
0
0
??
Q
p
bE
b
dP
dQ
d
0
1
1
0
??
?
所以
由于
**在 1%水平具有统计显著性
统计结果检验：
可决系数
衡量回归直线
对样本观察值的
拟合程度的指标 。
2
2'
2
)(
)(
yy
yy
r
i
i
?
?
?
计量经济估计方法中的问题
? 1,最佳拟合可能不是准确的拟合结果（确定的
估计方程仅仅说明需求水平变化的一部分。
? 2,只有在满足一系列非常严格的假设条件下，
估计出来的系数才是准确的估计值。
? 3.如果这些假设条件不满足，就可能会产生某种
技术性问题：
? 多重共线性（ multicollinearity） (独立变量相互密切
相关）
? 异方差性（ heteroscedasticity） (残值 /误差项对于不
同的预测值具有不同有方差 )
? 自相关（ autocorrelation） (残值互相相关 )
识别问题
（ The Identification Problem）
? 我们观察到的价格 /数量组合可能不在需求曲线上
? 这是我们认为我们看到的（ THIS IS WHAT WE THINK WE SEE）
价格
数量
需求曲线
? 我们观察到的价格 /数量组合可能不在需求曲线上
? 这是我们实际观察到的（ THIS IS WHAT WE ARE REALLY
OBSERVING）
价格
数量
需求曲线
S1
D1 S2
D2
S3
D3
识别问题
（ The Identification Problem）
价格 /数量数据是沿着商
品 X的假设供给曲线和
需求曲线标出的。这些
数据点表示供给与需求
在这三个时点上的联立
解。供给曲线和需求曲
线在每个时点上的交点
形成所标出的价格 /数量
点，但直线 AB不是需求
曲线。因为左图供给和
需求函数中的非价格变
量在每个数据点之间已
经发生了变化。
识别问题
通过移动供给曲线来描绘
出稳定的需求曲线 如果需求曲线没有移动，供给曲线移动，那么就可以使用价格 /需求量的
数据来估计需求曲线。一种产品的生产
制造过程中出现技术突破，从而使行业
的成本下降，而需求状况不变，这就可
能出现左图所表示的情况。需求曲线开
始是未知的并假设是稳定的，供给曲线
则从 S1向 S2和 S3移动。每个价格 /数量点
都表示供给曲线与需求曲线的交点。因
为价格以外的需求决定因素都假定是稳
定的，所以三个交点都将位于同一条需
求曲线上。通过把这三个数据点连接起
来，就可以估计出需求曲线 DD。这种
情况可以出现在计算机和电子产品上。
技术革新的飞速发展通常使钟表、计算
器、个人电脑以及相关产品的价格在很
短的时期内显著下降。
多重共线性
多重共线性 就是两个或多个自变量高度相关的情况。
自变量实际上并非是相互无关的，拥有的数值是共同或同时决
定的。例如，房屋所有权和家庭收入就是一个很好的例子。因
为拥有房屋的家庭一般都有相对较高的家庭收入，这两个变量
是高度相关的，所以难以确定各个变量在需求分析中的边际影
响。
在时间序列分析中，要受到经济增长的广泛影响，多重共
线性问题也会广泛存在。在两个自变量之间存在完全的或接近
完全共线性的情况下，要估计两个变量的系数是不可能的。即
使有可能估计出每个变量的回归系数，高度的多重共线性也会
降低系数估计值的可靠性，特别是每个系数估计值的标准离差。
? 解决多重共线性问题的一种实际
方法就是紧缩或转变自变量。例
如，为了揭示价格水平上升（通
货膨胀）和收入水平增加对需求
的影响，把名义数据转换为实际
数据（经过通货膨胀的调整）也
许是恰当的。如果年龄和经验对
员工的生产率都有贡献，把这两
个变量相乘，形成一个员工的
“年龄和经验”变量可能更有效。
另一种方法，就是从回归模型中
排除所有变量，只留一个相关的
自变量。
一些弹性估计值 (Baye et al 1992)
产品 价格弹性 广告弹性 收入弹性
运输 - 0,559 - 0,027 1.787
食品 - 0,672 - 0,016 0,843
酒 & 烟 - 0,261 - 0,051 1.22
娱乐 - 1.094 0,078 1.067
衣着 - 0,889 0,013 1.024
家庭与个人保健 - 0,629 - 0,023 0,0855
为何要进行预测?
? 公共机构与私人企业都在不确定条件下经营,
? 管理者希望通过预知成本、价格、销售以及
利率的变化而降低其不确定性。
? 准确的预测可以帮助制定战略，促进盈利、
避免亏损。
? 预测就是对未来的预见。良好的预测将导致，
不是消除，所有管理者都要面对的不确定性 。
经济预测实
际上是一种艺
术,它可以识
别经济过程中
的压力或不平
衡,了解以什
么方式来解决
它们。
I see Trouble
ahead.
阿兰 ·格林斯潘 --
美国联邦储备系统主席
? 预测方法的选择取决于涉及经济总量
的层次。预测的层次为,
? 国民经济 (GDP,利率,通货膨胀等 )
–经济部门 (耐用品 )
?产业预测 (汽车制造商 )
–厂商预测 ( 福特汽车公司 )
预测的层次
预测标准
具体预测方法的选择取决于几个标准,
? 成本,与其收益相比预测方法的成本
? 复杂程度,变量之间关系的复杂程度
? 时间,有关的时间
? 准确性,预测所要求的准确性
? 前导时间,接受信息与制定决策之间的
时间
非常规预测：
多米诺比萨饼和五角大楼
? 多米诺比萨饼店通常平均一晚上向五角大楼送去三个比萨
饼。 1991年 1月 8日星期二，该店比萨饼的订购数量开始
缓慢上升，到了 13日星期日那一天达到了 20个，这就打破
了五角大楼原先一天订购 19个的记录。第一次海湾战争与
伊拉克开战前两天的星期一，订购了 50个比萨饼。星期二
的数量增加到 101个，在星期三战争开始的晚上，数目高
达 125个。在此事件发生之前,CIA和白宫也出现了同样
的比萨饼订购情况。比萨饼的这种订货方式在华盛顿受到
新闻界的密切关注，以至于被称为“多米诺原理”。每当
世界危机发生时，华盛顿的多米诺比萨饼店经理就会接到
许多个人电话，他们并不是想买比萨饼，而是只想知道白
宫或五角大楼订购了多少个比萨饼。人们想知道，给五角
大楼外送的比萨饼是否将成为机密情报。
? 多米诺比萨饼店也把他们的“比萨表（ pizza meter）”扩
展到政治、运动事件和电视节目之中
? 多米诺比萨饼店的网址,http://www.dominos.com
预测需求
? 最简单的方法是趋势外推法 （ EXTRAPOLATION）
时间
销售量
现在过去 未来
时间序列分析
?分解法 （ The DECOMPOSITION METHOD）
?Xt = Tt+St+Ct+It
–Xt = t期销售量
–Tt = t期的趋势值
–Ct = t期的周期变动成份
–St = t期的季节变动成份
–It = t期的不规则 /不可预测的成份
?Xt = Tt·S t·C t·I t
构成时
间序
列的
组成
成份
–长期
趋势
–周期变动
–季节
变动
–随机
变动
如何用分解法进行预测?
?1,估计趋势因素 (计算, 趋势因素, )
–使用回归方法,用时间 (从零开始的季节数 )
作自变量，销售量为因变量,OR
–只用一条直线进行外推
?2,计算每个时期 /季节到现在的趋势值 (Tt)
–Tt=77347+216t
其中,Tt=销售的时间趋势,t =时间
时间 T 消费 时间 T 消费 时间 T 消费
1989 1993 1997
Q1
Q2
Q3
Q4
1
2
3
4
87192
72192
66674
86069
Q1
Q2
Q3
Q4
17
18
19
20
90467
72696
70365
85998
Q1
Q2
Q3
Q4
33
34
35
36
96295
78603
76511
92641
1990 1994 1998
Q1
Q2
Q3
Q4
5
6
7
8
92740
70339
67700
85619
Q1
Q2
Q3
Q4
21
22
23
24
91680
75019
70967
86554
Q1
Q2
Q3
Q4
37
38
39
40
96335
81488
77205
91248
1991 1995 1999
Q1
Q2
Q3
Q4
9
10
11
12
92613
74545
66721
86325
Q1
Q2
Q3
Q4
25
26
27
28
93715
77556
72371
89727
1992 1996 2005
Q1
Q2
Q3
Q4
13
14
15
16
90273
73004
68542
86831
Q1
Q2
Q3
Q4
29
30
31
32
97119
78911
75691
93603
Q1 61
某地区电力消费量 （ 1989-1998）
? 3,对于每个季节 /时期,计算, 季节加不规则因素,
?实际 t–趋势 t=季节 t+不规则 t
? 4,确定每个季度的季节成份：把每个季节的（季
节 +不规则）成份加在一起，春季的平均数（季
节 +不规则）成份就是春季季节成份的估计值，
其他季节也一样
– 各季平均数之和等于 -91，一年的季节因素总和应该等
于 0，要对平均数进行调整，需要把 误差分散到四个季度
之中，此例中总误差很小，可忽略。
? 5,通过计算各期的趋势值并加上季节因素，即可
对未来任一时期进行预测
– e.g 2005春季,期数为 61,Tt=77347+216t
T2005Q1=77347+216（ 61） =90523
? 6,加进季节因素，由此形成预测值
– 90523+11404=101927
时间 实际 季节加
观察 趋势 不规则
值 值 成份
时间 实际 季节加
观察 趋势 不规则
值 值 成份
1989 1993
Q1
Q2
Q3
Q4
87192
72192
66674
86069
77563
77780
77996
78213
9628
-5588
-11323
7856
Q1
Q2
Q3
Q4
90467
72696
70365
85998
81026
81243
81459
81675
9441
-8547
-11093
4323
1990 1994
Q1
Q2
Q3
Q4
92740
70339
67700
85619
78429
78645
78862
79078
14310
-8307
-11162
6541
Q1
Q2
Q3
Q4
91680
75019
70967
86554
81892
82108
82325
82541
9788
-7089
-11358
4013
1991 1995
Q1
Q2
Q3
Q4
92613
74545
66721
86325
79294
79511
79727
79944
13318
-4966
-13006
6381
Q1
Q2
Q3
Q4
93715
77556
72371
89727
82757
82974
83190
83407
10958
-5418
-10819
6320
1992 1996
Q1
Q2
Q3
Q4
90273
73004
68542
86831
80161
80377
80593
80810
10112
-7373
-12051
5571
Q1
Q2
Q3
Q4
97119
78911
75691
93603
83623
83839
84056
94272
13496
-4928
8365
9331
计
算
季
节
加
不
规
则
成
份
季节,季节加不
规”成份
季节,季节加不
规”成份
季节,季节加
不规”成
份
季节,季节加不
规”成份
Q1 Q2 Q3 Q4
1989
1990
1991
1992
1993
1994
1995
1996
平均数
9628
14310
13318
10112
9441
9788
10958
13496
11381
1989
1990
1991
1992
1993
1994
1995
1996
平均数
-5588
-8307
-4966
-7373
-8547
-7809
-5418
-4928
-6617
1989
1990
1991
1992
1993
1994
1995
1996
平均数
-11323
-11162
-13006
-12051
-11093
-11358
-10819
-8365
-11147
1989
1990
1991
1992
1993
1994
1995
1996
平均数
7856
6541
6381
5571
4323
4013
6320
933
6292
各季平均数之和 =11381-6617-11147+6292=-91
对季节总效应进行调整，方法是在各季平均数上加 91/4=23
Q1效应 11404 Q2效应 -6594 Q3效应 -11124 Q4效应 6315
计算季节成份
缺点是什么?
?基于时间序列分析的预测假设时间是销量
的唯一决定因素，假定时间和数量将在未
来与过去相同。
?在短期内一般会提供不良的结果，但短期
是最需要准确预测的时间 !
?还有更多的时间序列高级方法，但在很多
情况下,,简单方法, （ ‘na?ve’
methods ）会提供准确决策。
如何评价预测?
? 客观性（ Objectivity）, 结果是否取决于数据或进行预测
的个人?
? 有效性（ Validity）, 对于预测时间的序列预测估计值与实
际时间序列的接近程度如何?可计算预测值与实际数据的相
关系数。
? 可靠性（ Reliability）, 如果对预测取不同的出发点,结果是
否大致相同?
? 准确性（ Accuracy）, 对于产生预测结果以外的时期，预
测与实际数字的相近程度如何?
? 可信性（ Confidence）, 是否存在接受结果的高度可能性?
? 敏感性（ Sensitivity）,如果我们用非常不同的方式使用数
据进行预测。是否得到不同的结果?
准确性是主要因素,如何衡量它?
?平均误差（ Mean Error） -如果正负抵消，
就会为零
?平均绝对误差（ Mean Absolute Error）
?均方误差（ Mean Square Error） - 给予
更大的误差以更高的权重
?均方根误差（ Root Mean Square Error）
?变异系数（ Variation Coefficient)
还有什么其他方法?
?气压计预测（ Barometric
forecasting） - 使用领先指标（在
希望预测的变量之前变化的变量）
?用国际直接长话量预测国际贸易
?用出生率预测小学、婴儿服的需求
?用机床订单数预测国民收入
?用新建筑开工数预测国民收入
常用的领先指标
? 机床的新订单
? 制造业平均工作小时
? 新企业成立指数
? 耐用品的新订单
? 工厂和设备的订单
? 新建筑开工数
? 制造业库存变化
? 工业材料价格
? 股票交易指数
? 利润数字
? 价格与单位劳动成本比率
? 消费者信贷增加量
?市场调查 （ Market Surveys）,其效用取决于：
–寻找买主的成本
–买主显露其意图的意愿
–买主实现其意图的倾向
?最适宜应用,
–买主规划的产品
–潜在买主明确的产品
–得不到过去数据的新产品
还有什么其他方法?
?销售人员意见法 （ Sales Force Opinion）,
销售人员是最接近顾客的，但,
–可能会歪曲其预测,故意地预计低销
售量，为的是达到低销售目标时增
加奖金,
–可能不了解更广泛的发展,新型的顾
客,宏观经济变化
还有什么其他方法?
?专家意见法 （ Expert Opinion）, 询问产业分析
人员,咨询人员,贸易协会成员来进行预测
–如果公开进行,会存在, 团体思考, 的危险
（ ‘groupthink’）
–有从德尔菲法向专家意见法改变的危险
?要求一些产业专家匿名写出预测结果，然后说明为何是正
确的理由
?交流所有人的预测结果
?要求他们根据其他专家的意见修订自己的预测
– 最终形成统一意见
还有什么其他方法?
?市场测试法（ Market Testing）
–销售波动研究 （ Sales Wave Research）, 衡
量一组消费者的重复购买率
–模拟商店技术 （ Simulated Store
Techniques）, 给予一些消费者一些钱花在
产品上，向他们显示广告宣传，监测其行
为
–试销 （ Test Marketing）, 制造产品并出售
还有什么其他方法?
哪一种方法最适合?
1存在有限市场的一种工
业品
2 已经销售多年的一种
消费品
3 一种新产品，实现充
分规模将是费用高昂
的
4 一种技术非常复杂的
产品,在一个非常广
泛的市场中销售
A 时间序列分
析
B 专家意见法
C 市场测试
D 购买者意向
调查
哪一种方法最适合?
1存在有限市场的一种工
业品
2 已经销售多年的一种
消费品
3 一种新产品，实现充
分规模将是费用高昂
的
4 一种技术非常复杂的
产品,在一个非常广
泛的市场中销售
A 时间序列分
析
B 专家意见法
C 市场测试
D 购买者意向
调查
练习与问题
?你认为下列哪一种商品具有非常低的价格
和收入需求弹性？
（ A）食盐；
（ B）白兰地；
（ C）高尔夫俱乐部会员资格；
（ D）服装设计师设计的服装；
（ E）打电话。
?在上述商品中，哪一种具有最高的需求收
入弹性？
练习与问题
?下列哪一个最符合, 领先指标,？
（ A）一种具有有限潜在市场的工业产品；
（ B）在我们正在预测的变量之前变化的一种变量；
（ C）与我们正在预测的变量同时变化的一种变量；
?下列哪种情况中不存在, 识别问题,？
（ A）如果已知供求曲线都没有移动；
（ B）如果已知供求曲线都已移动；
（ C）如果已知只有供给曲线移动；
（ D）如果已知只有需求曲线移动。
?说明估计与
预测的区别，
简单扼要地
说明每一种
方法面临的
困难。
练习与问题
