多元回歸模型在鄂爾多斯市煙草需求預測中的應用

劉新宇

一、內蒙古煙草行業現狀

內蒙古煙草行業是國有獨資經營卷煙零售批發的中央企業，2006年卷煙銷售85.65萬箱，銷售金額98.3億元，利潤10.51億元，稅金3.63億元，達到歷史最高水平，隨著國家煙草專賣局改革的步伐不斷加快，營銷模式的不斷精細化，管理體系的扁平化，卷煙營銷網絡系統己經成為自治區煙草行業的支撐系統。以庫存卷煙為基礎，利用呼叫中心對零售戶進行訂單采集，通過物流配送中心將卷煙送達零售戶，從而完成卷煙銷售的整個流程。

目前，內蒙古煙草的卷煙銷售的預測主要靠人工方式進行，即客戶經理預測、市場部預測、營銷中心預測數據加權平均。一方面這種預測方式效率比較低，數據的及時性比較差；另一方面，這種預測方式具有較大的人為的不確定性。同時，由于銷售煙草行業具有計劃性的經營特征，使得銷售數據預測方面存在相對不全面的問題。根據有關文獻的報道，目前國內煙草行業卷煙銷售、購進的預測數據中，暢銷卷煙的購進預測準確性只能夠達到50%左右。

二、需求預測的必要性

卷煙需求預測能夠幫助煙草企業及時分析卷煙市場信息，了解消費者的需求，制定有效的營銷策略，并為工業企業組織貨源提供依據，降低庫存成本，實現煙草供應鏈上各企業信息共享。

（一）有利于進行市場分析和制定有效的營銷策略

通過預測和分析卷煙需求的趨勢和變化情況，對煙草企業的營銷活動提供決策支持，從而科學、合理地進行卷煙銷售活動。并且，可以進一步增強煙草企業對市場和產品變化的反應能力，提高企業的產品質量，盡可能地降低成本，使得煙草企業的經濟效益最大化。

（二）為組織貨源提供依據

科學地實施預測能夠真實反映市場需求，而根據預測的結果又可以制定合理的營銷策略和精確的要貨計劃，為組織貨源提供可靠的依據。

（三）庫存管理合理化，降低庫存成本

把定性和定量預測方法相結合來預測卷煙的需求量，并根據煙草生產企業提

供的最小訂貨批量，制定合理的訂貨周期和訂貨批量，以提高庫存周轉率，降低庫存風險，減少庫存成本，使得煙草企業獲得最大的利潤。

三、回歸分析預測法簡介

在社會經濟活動中，經濟現象之間客觀地存在著各種各樣的有機聯系，這種聯系經常表現為數量上的相互依存關系。回歸分析預測法就是從各種經濟現象之間的因果關系出發，通過分析與預測對象有聯系的現象變動趨勢，推算預測對象未來數量狀態的一種預測方法。常用的方法有一元線性回歸、多元線性回歸和非線性回歸預測法。

（一）一元線性回歸預測法

一元回歸預測也稱單因素預測。社會經濟現象的發展變化一般都受多種因素的影響，但如果影響預測對象的是一個因素，或諸多因素中有一個因素是基本的、起決定性的作用，那么就可以考慮應用一元回歸方程模擬預測對象的發展變化規律，進而估計預測對象未來變化趨勢。一元線性回歸模型是最簡單的線性回歸模型，是回歸分析預測法的基礎。一元線性回歸模型的一般形式為

線性回歸模型建立后，還需要通過進一步檢驗才能確定該模型能否客觀揭示所研究的經濟現象中諸因素之間的關系，能否用于實際預測。一元線性回歸模型的檢驗包括經濟意義檢驗、統計檢驗和計量經濟學檢驗。

（二）多元線性回歸預測法

由于經濟現象的復雜性，某一經濟變量往往受到多種因素的影響，僅用一元線性回歸模型嘗嘗難以解決復雜的經濟問題，因此必須使用多元線性回歸模型。多元線性回歸模型的構造原理與一元線性回歸模型的構造原理基木相同，其一般形式為

四、預測模型的建立及修正

本文采用的方法便是多元回歸預測法，在說明方法之前，先說幾個小問題：

（一）品類劃分

本模型是建立在對卷煙價格和客戶雙重分類基礎之上的，鄂爾多斯市由于其特有的發展模式，將卷煙大概分為了9個價格區間，將客戶按照一定依據分為27類戶型，本文主要分析的是B3類戶在（50，70）價格區間內銷售量的月度預測。

（二）數據整理

將調回的煙草公司數據進行整理，整理出B3類用戶的月銷售數據，做成以下表格：

（三）模型的確立

根據以往對影響卷煙銷售因素的分析，上月銷量及季節因素是影響本月銷量的主要因素，因此，我們確立了如下的回歸方程：

式中， ：某月月卷煙需求量，按照月為單位收集歷史需求量數據；

t： 時間變量趨勢序列變量，取值從1開始，后面依次為2、3、4…；

：上一個月卷煙需求量；

：是虛擬變量，即所處的月份是不是2月，如果是，則其取值為1，否則為0；

、 ：是虛擬變量，同；

：誤差項。

（四）模型的計算

通過SPSS對模型的計算，得出了如下方程系數：

由于決定系數為0.991，可見模型對實際情況是擬合的很好的。但是由于sig值普遍偏大，所以說對于解釋變量的選擇不太恰當。

（五）模型的實際應用

根據測算出的系數，比如想要預測10月份的數據，

Y10=47321.348-0.085*34474-940*10=34990，而10月份真正的銷售額是31622；

Y9=47321-0.085*38486—940*9-653=34938，而9月份的真實銷量是34474；

可見方程的擬合度是不錯的，但是由于sig值偏大，所以需要對方程進行改進。

（六）模型的改進

剔除掉上一個模型中sig值偏大的解釋變量，可見上述變量的sig值幾乎全都偏大，也即對此模型中的解釋變量并不能很好的解釋因變量，因而不得不并加入一個新的解釋變量， 表示去年同期的銷量，我們得出下邊的模型。對模型用spss軟件進行回歸分析，有如下結果：

F值為137.921，所以方程通過F檢驗，并且sig=0，說明新的解釋變量對因變量解釋性很好。

五、總結

本文主要以鄂爾多斯市煙草需求作為解決問題的背景，引用了2010年及2009年的相關數據，通過建立多元的回歸模型及對模型的修正，對煙草銷售進行了預測，達到了滿意的效果。由于現行V3系統預測仍然采用人工預測法，精度很差，而采用計量經濟學的方法能提高預測精度，本文先建立多元回歸模型，引入13個解釋變量，通過第一次回歸分析淘汰了若干變量，發現人們的經驗分析，即我們所用的解釋變量的顯著性不高，但是它有不錯的擬合度，可以進行初步的預測。為了提高顯著性，在進行第二次回歸分析時不得不引入新的解釋變量去年同期變量，發現次變量對方程解釋很好，最終通過了所有檢驗，得到了所需的方程。

責任編輯：張莉莉