國產智能手機產量預測方法研究

楊一航

[摘 要]在互聯網快速崛起、物聯網產業應用逐步改善、通信行業技術轉型的今天，人們對手機的要求越來越高，促使手機行業迅猛發展。對于手機公司，只有準確掌握手機行業的更新與變化，手機銷售量上升，才能在競爭中獲得更大的利益。因此，預測智能手機產量是一個值得考慮的問題。本文從智能手機現今發展的情況入手，查找總結了影響國內智能手機產量的因素，并且在這些因素中選取若干作為指標，通過統計軟件，進行國產智能手機產量預測與分析方法研究。

[關鍵詞]智能手機;影響因素;產量預測方法

doi：10.3969/j.issn.1673 - 0194.2020.02.057

[中圖分類號]F201;F272.1[文獻標識碼]A[文章編號]1673-0194（2020）02-0-05

1? ? ?緒 論

1.1? ?研究背景、目的及意義

1.1.1? ?研究背景

21世紀是科技迅速崛起、蓬勃發展的世紀，隨著經濟水平提高，越來越多的人們已經可以感受到科技帶來的方便，尤其是互聯網的發展，讓人可以通過互聯網溝通交流、學習進步，也可以休息娛樂、舒緩心情。而智能手機的產生將互聯網發展推向一個新的高度。智能手機可以通過移動網絡實現互聯網運行，像一個縮小的可隨身攜帶的電腦，吳海燕在文中說過智能手機具有獨立的系統和內存，用戶可以根據自己的需求，下載自己需要，比如社交、視頻、游戲軟件等第三方軟件。

根據2018年通信運營業統計公報可以發現，2018年我國手機用戶已經達到15.7億戶，移動電話凈增1.49億戶，手機用戶普及率達112.2部/百人，比2017年提高了10.2部/百人。4G用戶數更是處于爆發期，全年新增1.69億戶，總數達到11.7億戶，在移動電話用戶中的滲透率達到83.4%。從圖1、圖2中不難發現，3G/4G用戶持續升高，而要使用3G/4G移動數據，需要使用智能手機，因此對每一個想要問鼎手機行業的公司來說，中國市場都是必爭之地。

現如今，互聯網日益成熟，信息可以快速傳遞，人們可以及時獲取和篩選信息，通過信息處理業務，正因為如此，以前很多不可思議的事情已經變得可行。比如企業收集信息進行銷量預測，“銷量預測可以調動銷售人員的積極性，可以依據預測安排采購、生產和銷售計劃，提高資金利用效率，在保證一定庫存水平的情況下實現最大限度的交付保障”。同樣，對于手機行業來說，產量預測也是重中之重，好的預測可以減少公司不必要的損失。當今社會人們對手機的要求大幅提高，不僅要科技感十足，而且希望可以很快買到，因此手機公司必須不斷創新研發，并有大量的現貨可供購買，為此手機企業需要儲存大量存貨。然而并不是所有的手機都可以賣得火爆，手機賣不出去又有大量庫存，公司虧損;沒有資金支持，公司創新和研發受阻，便會逐漸跟不上手機行業的腳步。產量預測可以很好地控制存貨，使手機企業制造手機在一個可控范圍內，盡可能地解決手機企業存貨問題。

1.1.2? ?研究的目的和意義

近年來，手機廠商之間競爭愈發激烈，怎么樣合理地產出已經成為手機企業的核心問題。本文分析國內手機企業的狀況，了解國內手機行業需要解決的問題，然后研究與手機產量相關的因素，并從中選取較為重要的因素分析和預測，采取主成分分析模型對手機產量進行分析，得出手機產量預測模型，給手機公司產量預測提供一定參考，并給公司決策者提供一定的信息，有助于決策者制定一系列政策方針。

1.2? ?研究的內容和方法

1.2.1? ?研究內容

本文依照應用統計學中的數據預測模型，在事物發展相關信息不完全或者不夠充分的情況下，“如何選擇相關的一些影響因素，利用現有的一定理事時期的觀測數據對事物未來某一時期的發展進行模擬和預測”。本文通過國內手機產量的趨勢變化，利用主成分分析實現國內智能手機的產量預測。本文的主要構造和探索內容如下：第一章是緒論，主要講國內智能手機產量預測的背景、目的和意義及其研究的內容和方法;第二章是統計預測模型的概念，介紹了主成分分析模型的核心概念和基本理論;第三章是手機產量預測方法分析，主要選取與手機產量有關的主要因素，說明選取這些因素的原因，然后查找影響手機產量因素的數據，并通過統計預測模型介紹實際分析方法;第四章是結論，主要總結本文的研究成果。

1.2.2? ?研究方法

本文的研究方法是通過理論與實際相結合的方法，了解主成分分析的基本理論，然后查找影響手機產量的因素，通過實際生活中的數據，利用主成分分析企業未來手機產量走勢，給出一定參考和建議。

2? ? ?數據預測方法基礎概念

本節主要介紹主成分分析模型的基本理論。主成分分析（Principal Component Analysis）是“利用降維的思想，將多個變量轉化為少數幾個綜合變量（即主成分），其中每個主成分都是原始變量的線性組合，各主成分之間互不相關，從而這些主成分能夠反映始變量的絕大部分信息，且所含的信息互不重疊”。

2.1? ?主成分分析數學相關模型

假設用p個變量來描述研究對象，分別用X1，X2，…，Xp來表示，這p個變量構成的p維隨機向量為X=（X1，X2，…，Xp）t。設隨機向量X的均值為μ，協方差矩陣為Σ。假設X是以n個標量隨機變量組成的列向量，并且μk是其第k個元素的期望值，μk=E（xk），協方差矩陣然后被定義如下。

對X進行線性變化，考慮原始變量的線性組合。

2.2? ?主成分分析的步驟

①為了防止數據大小單位不同給企業帶來的影響，筆者對數據進行標準化;②筆者要說明這個數據進行主成分分析是必須的，即要做一個變量間的相關系數矩陣R，公式為：;③筆者根據矩陣R計算累計貢獻率，進而明確主成分個數，即先通過|λE-R|=0，求出特征值λi（i=1，2，…，p），然后求出主成分Zi的貢獻率，最后通過公式求出累計貢獻率，確定主成分個數;④通過相關系數R（Zi，Xi），即因子載荷量，對主成分進行解釋，并得出綜合指標。

3? ? ?手機產量預測分析

3.1? ?指標設定

本文討論的是智能手機的產量預測，智能手機是現如今發展比較成熟的案例，下章的實證分析中筆者也將選取手機產量作為分析基礎。在宏觀因素方面，筆者選取人口增長率、專本科招生數、就業人數、網民規模。人口的增長，使手機容量也隨著增長，繼而手機產生的需求也跟著增長，與手機的整體需求和產量息息相關。高考結束，學生上大學大部分都不在家，因此需要購買手機，手機銷量隨之增大，產量也將會增大，對手機產量也是一個較為關鍵的影響因素。個人就業是人們獲得收入的主要渠道，近幾年人們的收入逐漸增加，對手機的要求也隨之增加，就業人數也影響手機產量變化。互聯網是現在人們生活不可或缺的一部分，智能手機讓人們使用互聯網變得方便，因此網民數量增加也能夠實現手機銷量增加。從基礎設施建設方面，筆者選取光纜線路長度、電信固定資產投資兩個因素。光纜線路鋪設為數據傳輸奠定基礎，提升帶寬的傳輸速度，促進手機暢銷。在其他方面，筆者選取了電信業務總量因素。電信業務不僅涵蓋短彩信、通話，還包括移動網絡流量，并且移動網絡流量是電信業務收入增加的重要組成部分。

3.2? ?參數設定

筆者將選取的自變量和因變量設置如表1所示。數據主要來源于2018年國家統計年鑒和中華人民共和國工業和信息化部工信數據中的通信運營業統計公報。筆者要進行國產智能手機產量預測，因為自變量中含有宏觀因素，而宏觀因素大多以年為單位，所以筆者以年為單位，選擇了2010-2018年的數據進行分析。

3.3? ?主成分分析

首先，我們對數據進行相關分析，分析自變量間的相關關系，去除相關性較弱的自變量，對該數據進行因子分析，得出各個成分的貢獻率，觀察累積貢獻率，得出主成分，如果因子在各個變量中的載荷較大，并且只有一個，這樣子會給其他各變量解釋帶來困難，為了更好地解釋幾個變量內部的成分，可以對這幾個變量進行因子旋轉，對每一個特征根的大小及相應貢獻率進行重新分配。

3.3.1? ?自變量之間相關性

由表2和表3可知，手機產量與專本科招生數、就業人數、網民規模、電信業務總量、全國光纜線路長度、電信固定資產投資存在關聯;專本科招生數與就業人數、網民規模存在關聯;網民規模與就業人數、電信固定資產投資相關;全國光纜線路長度與電信固定資產投資存在關聯。從相關系數表可以看出，人口增長率與電信業務總量和其他各變量之間的相關性不強，所以提出這兩個變量，將專本科招生數、就業人數、網民規模、全國光纜線路長度、電信固定資產投資這幾個變量進行主成分分析。

3.3.2? ?主成分分析

從表4可知，主成分包含了其他各指標至少90%的信息。

由表5可看出，前1個因子對應的特征根大于1，提取前1個因子的累計方差貢獻率達到94.126%，超過80%。因此前1個主成分基本可以反映全部指標的信息，可以代替原來的5個指標（專本科招生數、就業人數、網民規模、全國光纜線路長度、電信固定資產投資），且第一個因子在許多變量上都有較大的載荷，因此認為第一個因子是較全面反映各個變量的綜合指標。但是，第一個因子在各個變量中的載荷較大，并且只有一個，這樣子會給各變量內的解釋帶來困難，為了更好地解釋幾個變量內部的成分，筆者對這幾個變量進行因子旋轉，并抽取3個成分因子。

表6主要是旋轉前后各因子特征根的變化情況，從這個表可以看出抽取后的因子數量和總的方差貢獻率在旋轉前后沒有發生變化，但對每一個特征根的大小及相應貢獻率進行了重新分配。

表7是旋轉后載荷矩陣，可以看出3個因子的載荷系數已經出現分化，且因子1在許多項上都有較大載荷，因此因子1是較全面反映了各變量的綜合指標，因子2在電信固定資產投資上載荷較大，因此因子2反映的是資產投入指標，因子3在全國光纜線路長度上載荷較大，則因子3反映的是物理設施投入指標。

表8是旋轉后因子得分系數，可以計算各因子的得分。

f1=1.341X2+0.126X3+1.140X4-1.244X6-0.776X7（3）

f2=-0.058X2-0.45X3-0.339X4-0.28X6+1.803X7（4）

f3=-1.190X2+0.705X3-0.653X4+2.202X6-0.536X7（5）

據此可以對主成分進行回歸分析，得到主成分回歸方程，將該主成分所表示的信息回歸到原有的影響因子上，即該回歸方程還是用X變量表示，利用已知的自變量的值，可以對智能手機進行預測。但是在此環境下，需要通過已知的條件對自變量進行預測，再帶入回歸方程進行智能手機銷量預測。

4? ? ?結 語

中國的手機行業蓬勃發展，各個手機廠商摩拳擦掌，不斷創新，不斷研發，手機企業競爭愈發激烈。智能手機問世以來，在競爭激烈的環境下，手機企業未來一定會有更大的變化，機遇與挑戰并存，手機廠商如何發展才能更加強大，是每個手機廠商都要面對的問題。本文針對手機業的產量問題進行手機產量預測方法研究。但本文的分析也存在一定問題，首先本文的影響因素不多，一部分相關因素因為公司保密，很難查到信息;其次主成分分析需要知道預測的自變量的值，所以在本文中沒有繼續對該模型進行結果預測。產量預測在智能手機行業仍在研究發展中，但帶來的影響非常大，相信在今后智能手機市場上，產量預測會成為每個公司必須進行的一部分。

主要參考文獻

[1]吳海燕，陳英毅，馮巖巖.基于消費者行為的智能手機營銷策略探究[J].中國管理信息化，2014（19）.

[2]中華人民共和國工業和信息化部.2018年通信運營業統計公報[R].2016.

[3]何煜.針對通信終端產品的銷售預測系統分析與設計[D].廣州：華南理工大學，2010.

[4]華晶晶.智能手機的統計預測方法[D].重慶：重慶大學，2014.

[5]鄧聚龍.灰色系統理論教程[M].武漢：華中理工大學出版社，1990.

[6]陳遠，王菲菲.基于時間序列的電子商務市場預測系統研發[J].情報科學，2009（12）.

[7]鄧愛萍，肖奔.基于時間序列的市場需求預測模型研究[J].科學技術與工程，2009（23）.

[8]鄭思平，肖人岳.基于灰色模型與灰色關聯度對品牌手機未來銷量預測[J].科學技術與工程，2009（20）.

[9]陳紅周，劉碧玉，李學全.基于品牌手機未來銷量預測[J].數學理論與應用，2009（3）.