回归分析市场营销

⑴ 请问怎样做i市场销售预测谢谢！

市场营销预测是指通过对市场营销信息的分析和研究，寻找市场营销的变化规律，并以此规律去推断未来的过程。

1．根据预测范围划分，可分为宏观预测与微观预测两类。宏观预测是指对影响市场营销的总体市场状况的预测。微观预测是从一个局部、一个企业或某种商品的角度来预测供需发展前景。

2．根据预测期时间的长短来划分，可分为长期预测、中期预测和短期预测。

3．根据预测时所用方法的性质来划分，可分为定性预测和定量预测两种。

定性预测是根据调查资料和主观经验，通过分析和推断，估计未来一定时期内市场营销的变化。定量预测是根据营销变化的数据资料，运用数字和统计方法进行推算，寻找营销变化的一般规律，对营销变化的前景作出量的估计。在预测中，往往是将定性预测与定量预测相结合，进行综合预测。

二、市场营销预测一般步骤

首先，确定预测目标。

其次，收集整理资料。

再次，选定预测方法。常用预测方法很多，归纳起来分为四大类：

市场调研预测法，即在营销调查的基础上，通过对调查资料的分析，直接作出预测的一类方法。

经验判断预测法，即依据一部分人凭经验所出的判断来进行预测的一类方法。
回归分析法，即通过分析找出预测目标与影响因素之间的统计规律，并以此规律来进行预测的一类方法。

时间序列分析法，即以时间序列资料为依据来进行预测的一类方法。除此之外，还有一些现代先进的预测方法可用以进行营销预测。在预测中，要根据预测目标及资料情况，去选定一些可行的方法进行综合预测。

最后，分析预测误差，调整预测结果，作出最终预测。对于各种定量预测的结果，运用相关检验、假设检验及插值检验的方法来分析预测误差，进行可行性分析。并结合预测期间的政治经济形势，进行定性分析，调整预测结论，作出最终预测。

三、市场营销预测的内容与方法选择

（一）市场需求量的预测

1．用市场调研预测法进行预测。

2．用成长曲线趋势外推法进行预测。

3.用回归分析法建立需求函数进行预测。

4．用主观概率法进行综合分析，得出最终预测结果。

（二）商品销售量的预测

1．一般商品的销售量的预测方法。主要有：（1）市场因素推演法。（2）综合判断法。综合判断法，是综合各类有经验者的判断意见，并根据各类人员的预测水平区别对待，进行统计处理，最后作出预测的一种方法。（3）主观概率法。主观概率是指人们根据自己的知识和经验，对某一不确定事件发生的可能性大小的一个主观估计值。

2．季节性商品的销售量的预测方法。

（三）企业市场占有率的预测

企业的市场占有率是指绝对市场占有率，即本企业产品的销售额与某地区同类产品的销售总额之比率，可以运用马尔科夫链来进行预测。

四、市场潜量预测

某产品的市场潜量，是指该产品市场需求的最大值，即在既定环境下，当行业营销费用趋向无穷大时，市场需求的极限值。由此定义，除特殊情况（即用幂函数拟合的市场需求模型）以外，只要能用修正指数模型、逻辑函数模型或龚珀资模型拟合的市场需求模型，其市场潜量均为各模型中的参数k。只要确定了模型中的参数，参数k的值就是该产品的市场潜量。此外，市场潜量的测定方法还有以下几种：

1．潜在购买者推算法

2．锁比法

⑵ spss回归分析怎么预测十年后经济发展

第十五章 SPSS回归分析与市场预测市场营销活动中常常要用到市场预测。市场预测就是运用科学的方法，对影响市场供求变化的诸因素进行调查研究，分析和预见其发展趋势，掌握市场供求变化的规律，为经营决策提供可靠的依据。预测的目的是为了提高管理的科学水平，减少盲目的决策，通过预测来把握经济发展或者未来市场变化的有关动态，减少未来的不确定性，降低决策可能遇到的风险，进而使决策目标得以顺利实现。回归分析是研究两个变量或多个变量之间因果关系的统计方法。其基本思想是，在相关分析的基础上，对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定，确立一个合适的数学模型，以便从一个已知量来推断另一个未知量。15.1 回归分析概述相关回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量在预测期变化结果的预测方法。根据市场现象所存在的相关关系，对它进行定量分析，从而达到对市场现象进行预测的目的，就是相关回归分析市场预测法。相关回归分析市场预测法的种类：根据相关关系中自变量不同分类，有以下几种主要类型：1、一元相关回归分析市场预测法，也称简单相关回归分析市场预测法。它是用相关回归分析法对一个自变量与一个因变量之间的相关关系进行分析，建立一元回归方程作为预测模型，对市场现象进行预测的方法。2、多元相关回归市场预测法，也称复相关回归分析市场预测法。它是用相关分析法对多个自变量与一个因变量之间的相关关系进行分析，建立多元回归方程作为预测模型，对市场现象进行预测的方法。回归模型的建立步骤：1）做出散点图，观察变量间的趋势。如果是多个变量，则还应当做出散点图矩阵、重叠散点图和三维散点图。2）考察数据的分布，进行必要的预处理。即分析变量的正拍罩坦态闷肆性、方差齐等问题。并确定是否可以直接进行线性回归分析。如果进行了变量变换，则应当重新绘制散点图，以确保线性趋势在变换后任然存在。
3）进行直接先行回归，包括变量的初筛、变量选择方法的确定等。4）残差分析。这是模型拟合完毕后模型诊断过程的第一步，主要分析两大方面：残差间是否独立；残差分布是否为正态。5）强影响点的诊断及多重共线性问题的判断。这两个步骤和残差分析往往混在一起，难以完全分出先后。15.2 回归分析熟练使用SPSS中的回归分析过程，对大量样本进行有效的回归分析，并根据回归分析的结果对市场行为进行预测。在市场营销中我们可以根据回归方程判断顾客的满意度、商品的业务量以及他们的相关关系等袭桐。进行简单回归分析对数据也有一定的要求，这里给出的是基本适用条件：1）线性趋势：自变量与因变量的关系是线性的，如果不是，则不能采用线性回归来分析。这可以通过散点图来加以判断。2）独立性：可表述为因变量y的取值相互独立，之间没有联系。反应到模型中，实际上就是要求残差间相互独立，不存在自相关，否则应当采用自回归模型来分析。3）正态性：就自变量的任何一个线性组合，因变量y均服从正太分布，反映到模型中，实际上就是要求残差服从正太分布。4）方差齐性：就自变量的任何一个线性组合，因变量y的方差均相同，实质就是要求残差的方差齐性。15.2.1 案例一问题要对中国电信业务总量的影响因素进行计量模型的分析，我们可以对1991年—1999年电信业务总量、邮政业务总量、中国人口数、市镇人口数、人均GDP以及人均消费水平这六个指标进行回归并对市场进行预测。根据回归的结果我们可以得出回归方程，根据回归方程利用往期的数据可以对电信业务总量进行预测。15.2.2 案例一操作打开SPSS 20.0，在其窗口中选择菜单【文件】→ 【打开】→ 【数据】，打开（文件名称：Book\第十五章\中国电信业务总量.sav）数据表，文件包括年份（定序尺度）、电信业务总量、邮政业务总量等7个变量（定距尺度）。选择【分析】→ 【回归】→【线性】，打开线性回归分析对话框。在左侧变量框中选择“电信业务总量变量”将其移动到因变量列表下的方格中，将因素变量“邮政业务总量、中国人口数、市镇人口比重、人均GDP、人均消费水平”移动到自变量下的方格中，如图15-1所示。
图15-1 “线性回归”对话框方法（M）下拉框中设置解释变量进入模型的方法：1）进入：将所有变量全部引入模型中2）逐步：每一次按照向前筛选法的标准引入变量后，都要按照向后筛选法的标准对已经引入的所有变量进行检验，剔除掉由于新变量的引入而变得不再显著的变量。3）删除：建立模型时，根据设定的条件剔除部分解释变量。4）向前：与被解释变量有最大相关的变量首先进入方程，如果该解释变量没有通过 F 检验，则变量筛选过程结束，方程中没有引入任何变量；如果通过 F 检验，则在剩余的变量中寻找具有最大偏相关系数的变量，将其引入方程，并再次进行 F 检验，如果通过检验，则保留该变量在模型中，并继续寻找下一个候选变量，否则变量筛选过程结束，方程中仅有一个解释变量；依次类推，直至所有满足判据的变量都被引入到模型为止。5）向后：与向前筛选法的顺序相反，向后筛选法首先将所有变量都引入模型，然后剔除最不显著的变量。如果剩余变量都通过显著性检验，则变量筛选过程结束；否则按同样的标准继续剔除不显著的变量，直至剩余的解释变量都满足显著性检验为止。单击“统计量”按钮，弹出“统计量”子对话框，该对话框用于设置要输出的统计量。估计：输出有关回归系数的统计量，包括回归系数、回归系数的标准差、标准化的回归系数、t统计量及其对应的p值；模型拟合度：输出可决系数、调整的可决系数、回归方程的标准误差、回归方程F检验的方差分析；共线性检验：输出多重共线性分析结果；Durbin-Watson：输出Durbin-Watson检验统计量。在此对话框中选择估计、模型拟合度、共线性诊断，如图15-2所示。图15-2 “线性回归：统计量”子对话框单击“绘制”按钮，弹出绘制子对话框，该对话框主要用于利用图形对残差进行分析。在此选中正态概率图复选框，对残差的正态性进行分析，如图15-3所示。图15-3 “线性回归：图”子对话框单击“保存”按钮，弹出保存子对话框，如图15-4所示，该对话框用于设置将某些有用的分析结果保存到数据文件中，在此选择默认的选项。
图15-4 “线性回归：保存”子对话框单击“选项”按钮，弹出选项子对话框，步进方法标准：用于设置解释变量筛选的判定标准；在等式中包含常量：用于设置在模型中是否包含常数项，默认为在模型中包含常数项；缺失值：用于设置缺失值的处理方法。在此选择默认选项，如图15-5所示。图15-5 “线性回归：选项”子对话框单击“继续”按钮，返回线性回归主对话框，单击“确定”按钮，执行现行回归分析命令。得到输出结果。15.2.3 案例一结果分析表15-1给出了解释变量的筛选过程，根据此表，我们可以看出在本例中所有的解释变量均进入进行回归分析。表15-1 解释变量筛选过程
模型 输入的变量 移去的变量 方法
1 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDPb . 输入
a. 因变量: 电信业务总量
b. 已输入所有请求的变量。
表15-2和表15-3给出了回归模型拟合优度评价及方程的方差分析表，根据表15-2得出回归方程的拟合优度调整的R方为0.978，这个R方数值还是比较大的，大致可以认为回归方程有意义。而表15-3是方程的方差分析表，根据此表看一看出回归方程的方差检验对应的p值为0.002小于0.05，说明该模型从整体上看是比较有意义。表15-2 回归模型拟合优度评价
模型 R R 方 调整 R 方 标准 估计的误差
1 .996a .992 .978 1.47822
a. 预测变量: (常量), 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDP。
b. 因变量: 电信业务总量
表15-3 方差分析表
模型 平方和 df 均方 F Sig.
1 回归 794.319 5 158.864 72.703 .002b
残差 6.555 3 2.185
总计 800.874 8
a. 因变量: 电信业务总量
b. 预测变量: (常量), 人均消费水平, 市镇人口比重, 邮政业务总量, 中国人口数, 人均GDP。
从表15-4可以看出，引入模型的五个解释变量都没有通过t检验。模型整体显著而单个系数均不能通过t检验，这正是解释变量之间存过多重共线性的常见特征。观察表15-4中的容差和方差膨胀因子我们可以看出五个解释变量的容差都很小接近于0，但它们的VIF都很大，这进一步证实了解释变量之间存在严重的多重共线性。
1) 容忍度 (Tolerance) :某自变量的容忍度等于1减去以该自变量为反应变量，Independentω 杠中选入的其他自变量为自变量所得到的线性回归模型的决定系数。显然，容忍度越小，多重共线性越严重。有学者提出，容忍度小于 0.1 时，存在严重的多重共线性。2) 方差膨胀因子 (Varianceinflation factor , VIF): 等于容忍度的倒数。显然，VIF 越大，多重共线性问题越大。一般认为VIF不应大于5 ，对应容忍度的标准，也可放宽至不大于10 。3) 特征根 （Eigenvalue) :对模型中常数项及所有自变量计算主成分，如果自变量问存在较强的线性相关关系，则前面的几个主成分数值较大，而后面的几个主成分较小，甚至接近0。4) 条件指数 (ConditionIndex):等于最大的主成分与当前主成分的比值的算术平方根。所以第一个主成分相对应的条件指数总为1。同样，如果几个条件指数较大(如大于30) ，则提示存在多重共线性。表15-4 回归系数估计及其显著性检验
系数a
模型 非标准化系数 标准系数 t Sig. 共线性统计量
B 标准 误差 试用版 容差 VIF
1 (常量) -124.504 456.294 -.273 .803
邮政业务总量 35.740 16.047 1.734 2.227 .112 .005 222.177
中国人口数 16.970 47.309 .589 .359 .744 .001 987.365
市镇人口比重 -300.267 390.878 -.426 -.768 .498 .009 112.937
人均GDP -5.317 9.898 -.951 -.537 .628 .001 1149.087
人均消费水平 -.270 19.750 -.023 -.014 .990 .001 1057.707
a. 因变量: 电信业务总量
表15-5给出了方程解释变量的多重共线性诊断结果。从特征根上看，最大的特征根远远大于其他特征根，后 4 个条件指数都大于 10，说明变量之间确实存在多重共线性问题。从方差比例上看，第 5 个特征根解释了人均 GDP 方差的 58%，同时解释了人均消费水平方差的 65%，说明这两个变量之间可能存在多重共线性；第 6 个特征根同时解释了邮政业务总量方差的 77%、人口总数方差的 100%和市镇人口比重方差的60%，说明这 3 个变量之间可能存在多重共线性。
表15-5 多重共线性诊断
模型 维数 特征值 条件索引 方差比例
(常量) 邮政业务总量 中国人口数 市镇人口比重 人均GDP 人均消费水平
1 1 5.820 1.000 .00 .00 .00 .00 .00 .00
2 .174 5.785 .00 .00 .00 .00 .00 .00
3 .006 31.563 .00 .07 .00 .00 .00 .00
4 .000 193.583 .00 .01 .00 .02 .22 .32
5 2.528E-005 479.782 .01 .16 .00 .38 .58 .65
6 4.476E-007 3606.121 .99 .77 1.00 .60 .20 .02
a. 因变量: 电信业务总量
为了解决多重共线性带来的问题，可以使用 Backward 法筛选变量。得到结果如下表15-6、表1

⑶ 市场营销调研的营销分析

市场营销数据分析
一、多变量统计技术
（一）回归分析。
（二）判别分析。将两个或两个以上的群体根据某特征予以明确分类，使任何一个群体都归属于某一类，目的在于发现重要的判别变量，使之组合成为可预测的公式。这种解决问题的方法，就是判别分析。
（三）因素分析。
二、测定尺度
测量尺度的四种类型：名义尺度、顺序尺度、间距尺度、比例尺度的涵义和用途。 一、市场需求测量
企业从事需求测量，主要是进行市场需求和企业需求两方面的测量和预测。市场需求和企业需求的测量都包括需求函数、预测和潜量等重要概念。
（一）市场需求
某个产品的市场需求是指一定的顾客在一定的地理区域、一定的时间、一定的营销环境和一定的营销方案下购买该产品的总量。
即使没有任何需求刺激，不开展任何营销活动，市场对某种产品的需求仍会存在，我们把这种情形下的销售额称为基本销售量（也称市场底量）。在营销费用超过一定数量后，即使营销费用进一步增加，但市场需求却不再随之增加，一般把市场需求的最高界限称为市场潜量。
可扩张的市场，如服装市场、家电电器市场等，其需求规模受营销费用水平的影响很大。不可扩张的市场，如食盐市场等，几乎不受营销水平的影响，其需求不会因营销费用增长而大幅度增长。
（二）市场预测与市场潜量
市场需求预测一般要经过三个阶段，即环境预测、行业预测和企业销售预测。市场需求预测的主要方法有：购买者意向调查法、销售人员综合意见法、专家意见法、市场试验法、时间序
列分析法、直线趋势法、统计需求分析法。
同计划的营销费用相对应的市场需求就称为市场预测。
市场预测是估计的市场需求，但它不是最大的市场需求。最大的市场需求是指对应于最高营销费用的市场需求，这时，进一步扩大营销力量，不会刺激产生更大的市场需求。市场潜量是指一定的营销环境条件下，当行业营销费用逐渐增高时，市场需求所能达到的极限值。
（三）企业需求、企业预测与企业潜量
企业需求表示不同水平的企业营销力量刺激产生的企业的估计销售额，这也就是说，营销力量的高低决定了销售额的大小。与计划水平的营销力量相对应的一定水平的销售额，称为企业销售预测。
企业潜量是当企业的营销力量相对于竞争者不断增加时，企业需求所达到的极限。如果企业的市场占有率为100%，即企业成为独占者时，企业潜量就等于市场潜量，但这只是一种极端状况。在大多数情况下，企业销售量小于市场潜量，这是因为每个企业都有自己的忠诚购买者，他们一般不会转而购买其他企业的产品。 环境预测就是分析通货膨胀、失业、利率、消费者支出和储蓄、企业投资、政府开支、净出口以及其他一些重要因素。

⑷ 如何通过情景分析提高市场营销效果

为什么在旅游的过程中品尝的茶很美味？

因为你的心情是放松的。

旅游景区的人流让你烦

沙漠中遇到人会热情拥抱

不同的情景下，同样一件东西感觉也不一样

情景营销，在人们需要的情况下提供服务。

1、更新和收集数据，进行归纳分析。

在解决任何问题的时候，首要的是掌握事实，面对事实。数据的更新是因为年度计划的重要依据之一是行业、市场、销售、宏观经济方面的历史数据。对于历史数据通常我们今年只能得到前年的数据，很少能够得到去年的数据，这意味着在制定计划的时候必须对数据进行一定的外推。收集数据主要是与解决营销计划有关的方面，太多的似是而非的数据不仅影响判断的准确性，也浪费时间。数据的分析工作是非常重要的，它必须能够支持得出的结论，并且透过数据可以看出发展出来的目标和战略是否经历过理性的思考。

2、形成目标和战略

关于营销目标，一般都是采用数字指标进行衡量。如何确定目标是很关键的。在营销目标中，销售额/量、品牌知名度、品牌第一提及率、现金流量都是经常被设定的目标，其中，销售额目标又是最关键的，它与其它几个目标息息相关，是这些目标的直接呈现者。制定销售额目标一般有三类方法。第一类只利用历史数据，叫做“时间系列法”，如移动平均法、指数平滑法、外推法、相关法、回归分析法、计量经济学模型等。其中回归分析法是企业最常使用的方法。第二类是利用客户/消费者调查研究，比较复杂，通常被一些跨国公司使用，因为他们可以拨出庞大的资源进行冗长的、精密的研究，尽管如此，怎样减少误差仍然是让他们非常头痛的事情。第三类方法是根据经理或者专家的判断来制定目标。例如，在很多企业，把上一年度的销售额结合资源配备、竞争情况、产品生命周期的特点，加/减上X%进行估计，是惯长使用的，在中国企业会更多一些。

战略是为完成目标服务的。不同的企业面临不同的情况，有的可能是收割策略，有的可能是增长策略，也有的可能是“不作为”。对于不同的目标，选择的方案自然有所不同。比如，如果我们的目标是增长目标，即销售额/市场份额的增长，战略可能是开发新的市场，使过去不是我们行业的顾客变成我们的新顾客，也可能是提高现有顾客的消费频率，或者争夺竞争品牌的顾客；如果我们的目标是追求短期的利润，我们可能减少投入、降低成本、提高产品售价或者提高资产使用效率等等。当然，这些选择有时候被重复使用。

目标和战略必须保持一致。从总体上看，你不能既要求提高销售量和市场份额，又要求获得最大的利润，不理性的企业经常对经理们作出这样的“无理要求”，让人无所适从，投资人和经营者无法统一思想。

3、制定行动方案

行动方案是年度营销计划的重要内容，是完成目标/执行战略的具体体现。行动方案按照时间系列、责任人落实、需要配备的资源等方法展示，说明了每个阶段/时点需要对产品/服务采取的行动。

4、预测财务结果

预测财务结果一般需要列明各项成本/费用预算和盈亏金额，还包括现金流量表。这个过程通常需要财务人员的协助方能有效完成。财务结果对高层经理审批年度营销计划是非常关键的，它必须与公司的资源相匹配。

5、协调

公司层面整体的营销计划的财务结果的汇总必须与股东的期望一致，这意味着经过营销管理人员制定的年度营销计划必须拿出来进行审核，平衡预算。年度营销计划的各项目标估值在我的印象中立即被公司完全批准的情况是很少见的。在很多公司，必须就营销资源进行争夺，因此，你必须善于推销自己的计划。

有的品牌经理富有技巧，在正式会议之前，会将文件事先传送给相关人员，并进行私下的讨论。比如，可能你的计划需要增加生产资金投入，如果没有事先的沟通，很可能生产经理告知没有足够的资金支持，在你没有获知这样的信息并且没有准备的情况下，公开的反对很可能会使你的计划遇到“灭顶之灾”。现在，还没有正式讨论之前，你已经获知这样的信息，意识到这可能是一个问题，你应该采取行动。一个可能的行动是向财务人员寻求支援。在得到支援之后，会议上发言的结果很可能是：财务人员说：“XXX先生，生产需要追加的资金我已经有了安排，不必担心。”

在没有事先的沟通和了解就贸然提出来现场讨论，实在是不够技巧的行为。

6、计划的执行控制

再好的计划，执行出了偏差，一样不会有好的结果。在年度计划里面应该就行动计划的时间限制作好周密科学的安排，并说明后期执行的重要控制时段/时点，并列出尽可能量化的指标便于对比和控制质量。

⑸ 销售预测的基本方法

售收入预测的方法主要有时间序列法、因果分析法和本量利分析法等。

时间序列法，是按照时间的顺序，通过对过去几期实际数据的计算分析，确定预测期产品销售收入的预测值。由于计算程序的不同，这种方法又可分为历史同期(季)平均法、滚动(或加权)平均法、基数加平均变动趋势法。

因果(相关)分析法，是利用事物内部发展因果关系，并着重研究影响事物发展变化外因的作用，来预测计划期事物发展变化的趋势。这种方法一般适用于销售量直线上升的企业。

本量利分析法，是在成本划分为变动成本和固定成本的基础上，根据销售成本、销售量与利润三者之间的内在联系，假定已知其中两个因素，来推测另一个因素，以寻求最佳方案。运用这种方法，既可以预测保本点销售量和销售收入，也可以预测为实现目标利润需要达到的销售量和销售收入。

(5)回归分析市场营销扩展阅读：

在预测目标确定以后，为满足预测工作的要求，必须收集与预测目标有关的资料，所收集到的资料的充足与可靠程度对预测结果的准确度具有重要的影响。所以，对收集的资料必须进行分析，并满足这些条件：

1、资料的针对性：即所收集的资料必须与预期目标的要求相一致。

2、资料的真实性：即所收集的资料必须是从实际中得来的，并加以核实的资料。

3、资料的完整性：资料的完整性直接影响到销售预测工作的进行．所以，必须采取各种方法，以保证得到完整的资料。

4、资料的可比性：对于同一种资料，来源不同，统计口径不同，也可能差别很大。所以在收集资料时，对所得到的资料必须进行分析，如剔除一些随机事件造成的资料不真实性，对不具备可比性的资料通过分析进行调整等，以避免资料本身原因对预测结果带来误差。