管理经济学（第四版）
第三章 需求函数的估计和预测 (Chapter 3: Demand Function Estimation and Forecasting)
3-1 📖 掌握需求函数估计的回归分析法 (Master Demand Function Estimation Using Regression Analysis)
回归分析法是利用历史经济数据来推断变量间数学关系的最常用统计方法。它包含四个步骤和两个检验。
回归分析的四个步骤
- 确定变量与数据甄别 (Variable Identification and Data Screening)
- 确定变量：首先要确定影响需求的主要变量。为简化模型和降低成本，变量不宜过多（建议 5 个以下）。
- 数据甄别：收集数据时需仔细甄别其确切含义。例如，“市场人口”是指户籍人口、常住人口还是流动人口？
- 识别问题：必须注意，市场上观测到的历史数据（价格与销量的散点图）可能并非真正的需求曲线，而只是供给和需求曲线同时移动所形成的“成交轨迹”。要准确估计需求曲线，需要找到只影响供给而不影响需求的变量。
- 数据收集 (Data Collection)
- 数据类型：
- 时间序列数据 (Time-Series)：同一对象在不同时间点的数据（如年度销售数据）。
- 截面数据 (Cross-Sectional)：不同对象在同一时间点的数据（如不同地区的家庭收入）。
- 面板数据 (Panel Data)：结合了以上两种数据。
- 数据质量：这是最费时费力但最关键的一步。数据质量取决于其完整性、准确性、可比性和一致性。
- 数据类型：
- 确定需求函数形式 (Determining the Function Form)
- 原则：简单实用。
- 线性函数 (Linear Function)：最简单的形式，如 。其中系数 表示价格每变动 1 单位，需求量 的变化量。
- 幂函数 (Power Function)：更常用的形式，如 。
- 优点：它能更好地反映变量间的相关性，且指数（如 ）本身就是该变量的需求点弹性。
- 处理：可通过两边取对数，将其转换为对数—线性函数 ()，之后便可按线性函数处理。
- 回归分析 (Regression Analysis)
- 方法：最常用的是最小二乘法 (Ordinary Least Squares, OLS)。
- 原理：寻找一条拟合直线，使所有实际观测值到这条直线的纵向距离（偏差）的平方和达到最小。
- 工具：Excel 等计算机软件可以快速完成 OLS 计算。
回归分析的两个检验
在得到回归结果后，必须进行检验，若不通过，则需返回第一步重新调整模型。
- 统计检验 (Statistical Tests)：从数学上检验模型的可靠性。
- 变量的显著性检验 (t-test)：检验每个自变量是否真的对需求量有显著影响。通过比较参数的 t 值与置信水平下的“临界 t 值”，来判断该变量是否应保留在模型中。
- 模型的拟合度检验 (R-squared, )：检验模型对原始数据的拟合程度。 介于 0 和 1 之间，越接近 1，说明模型对需求量变化的解释程度越高。
- 模型的显著性检验 (F-test)：检验整个模型（所有变量作为一个整体）是否显著成立。
- 经济检验 (Economic Test)：
- 定义：检验模型结果是否符合基本的经济学理论和常识。
- 标准：例如，正常商品的需求价格弹性（价格前的系数）是否为负？替代品的价格系数是否为正？
- 重要性：这是最基本的检验。如果一个模型在经济意义上不合理，无论其统计检验（、 值）多么好，都没有实际价值。
3-2 📖 了解需求函数估计的直接调查法 (Understand Direct Survey Methods for Demand Estimation)
当缺乏历史数据时（例如推出新产品），可采用直接调查法。
- 消费者直接访谈法 (Consumer Direct Interview)
- 方式：通过设计问卷，以面谈、电话或电子邮件（网络调查）的方式，询问消费者在不同价格、收入等条件下的购买意向。
- 优点：可获取一手数据，尤其适用于新产品；网络调查成本低且信息可靠性较高。
- 缺点：成本可能高昂；消费者不一定能或愿意提供真实准确的回答。
- 市场试验法 (Market Experiment)
- 方式：企业在特定试点地区（如几个城市或超市），有意识地改变价格、包装、广告等变量，然后观察并记录消费者的实际购买行为。
- 缺点：规模大了费用太高，规模小了数据不可靠；试验时间长了易受其他经济因素干扰；过多改变价格可能损害企业声誉。
- 实验室模拟：作为一种折中，可在实验室中请志愿者使用“模拟货币”在“模拟市场”中购物，以观察其行为。这种方法可控性强、成本低，但与真实情况有偏差。
3-3 📖 熟悉需求的预测方法 (Familiarize with Demand Forecasting Methods)
预测的重要性
预测未来需求是企业经营者最重要的职能之一。它有助于企业合理规划生产、控制库存、规避风险，并更好地满足社会需要。
主要的预测方法
- 综合判断法 (Qualitative/Judgmental Methods)
- 依赖经验和直观判断，而非数学模型。
- 直接客户调查：询问潜在客户的购买意向。
- 集中销售人员意见：销售人员最接近市场，他们的意见很有价值。
- 听取专家意见：组织专家进行匿名、反复的征询和汇总（德尔菲法）。
- 时间序列法 (Time Series Methods)
- 利用过去的数据来推测未来的状态。例如，使用基于历史数据建立的回归函数进行预测。适用于短期预测。
- 先行指标法 (Leading Indicators Method)
- 利用某些经济变量（先行指标）在时间上的领先关系来进行预测。
- 例如：人口出生率是预测未来几十年教育需求、就业需求的极佳先行指标。
- 经济计量模型法 (Econometric Modeling Method)
- 本质上是回归分析法，但通常更复杂，可能包含一组方程来模拟多种因素的相互作用。
一点忠告 (A Word of Warning)
- 不能迷信数学模型：经济活动包含复杂的人类行为，具有高度不确定性。许多重大的经济事件（如金融危机）几乎从未被模型成功预测。
- 定量与定性结合：许多重要因素（如“幸福”或“信用”）无法被精确量化。
- 经济学是科学与艺术的结合：它既需要定量的科学分析，也需要定性的艺术判断。在讨论资源配置时科学性多一些，在讨论收入分配时艺术性多一些。