أعلى 3 تقنيات للتنبؤ بالطلب | المنتجات | اقتصاديات

النقاط التالية تسليط الضوء على التقنيات الثلاثة الأولى للتنبؤ بالطلب. وتشمل التقنيات ما يلي: 1. طرق المسح 2. طرق استطلاع الرأي 3. الأساليب الإحصائية.

1. طرق المسح :

تحت طرق المسح ، يتم إجراء دراسات استقصائية حول نوايا المستهلكين أو آراء الخبراء أو مسح الخطط الإدارية أو الأسواق. يتم تحليل البيانات التي تم الحصول عليها من خلال هذه الأساليب ، ويتم إجراء التنبؤات على الطلب. تستخدم هذه الطرق بشكل عام لوضع توقعات قصيرة المدى للطلب.

مسح المستهلكين :

تتضمن طريقة مسح المستهلكين للتنبؤ بالطلب مقابلة مباشرة للمستهلكين المحتملين. يتم الاتصال بالمستهلكين ببساطة عن طريق الباحث وسؤالهم عن مدى استعدادهم لشراء منتج معين في عدد من مستويات أسعار المنتجات البديلة.

قد يأخذ مسح المستهلكين أي شكل من الأشكال على النحو التالي:

أ. تعداد كامل

ب. عينة المسح ، أو

ج. طريقة الاستخدام النهائي

أ. طريقة التعداد كاملة:

في مسح تعداد كامل ، يتم الاتصال بجميع مستهلكي المنتج ويطلب منهم الإشارة إلى خططهم لشراء الإنتاج المعني للفترة المتوقعة.

يتم الحصول على توقعات الطلب على 'إجمالي استهلاك التعداد ببساطة عن طريق إضافة الطلب المقصود من جميع المستهلكين على النحو التالي:

DF = المعرف 1 + المعرف 2 + ........... المعرف n ... (2.1)

أين،

DF = توقعات الطلب لجميع المستهلكين

المعرف 1 = الطلب المقصود من المستهلك 1.

المعرف 2 = الطلب المقصود من المستهلك 2.

يتم تلخيص الطلب المحتمل لجميع المستهلكين للحصول على توقعات المبيعات. تسهل هذه الطريقة جمع المعلومات المباشرة وهي خالية من التحيز. هذه الطريقة لها حصتها من العيوب أيضا. يمكن تطبيق هذه الطريقة في حالة تلك المنتجات التي يوجد المستهلكون فيها فقط في منطقة معينة. إذا كان مستهلكو المنتج منتشرين على نطاق واسع ، فإن هذه الطريقة تكون مكلفة وتستغرق وقتًا طويلاً. قد لا يكون تقدير الطلب من خلال هذه الطريقة موثوقًا به نظرًا لأن المستهلكين لم يفكروا مقدمًا فيما سيفعلون في هذه المواقف الافتراضية.

أيضا:

(ط) قد لا يكون المستهلكون على علم بطلبهم الدقيق ، وبالتالي قد لا يكونون قادرين على الإجابة عن الأسئلة أو يرغبون في ذلك ؛

(2) يجوز للمستهلكين تقديم إجابات افتراضية على الأسئلة الافتراضية ؛

(3) قد تكون ردودهم متحيزة وفقًا لتوقعاتهم الخاصة بظروف السوق ؛

(4) قد يتم تغيير خططهم بالتغييرات في العوامل غير المدرجة في الاستبيان ، و

(v) عندما نتعرف على تأثيرات الإعلان عند الطلب ، تصبح مشاكل نهج المقابلة المباشرة أكثر وضوحًا.

ب. طريقة المسح عينة:

يمكن أيضًا الحصول على بيانات مفيدة للتنبؤ بالطلب من استطلاعات خطط المستهلكين. على عكس طريقة التعداد الكاملة ، وبموجب طريقة مسح العينات ، تتم مقابلة عدد قليل فقط من المستهلكين المحتملين من السوق ذات الصلة المحدد من خلال طريقة أخذ العينات المناسبة. يمكن إجراء المسح إما من خلال مقابلة مباشرة أو استبيان بالبريد إلى عينة المستهلكين.

يمكن التنبؤ بالطلب الإجمالي بمساعدة الصيغة التالية:

أين،

ن عدد المستهلكين

ن عينة شملهم الاستطلاع.

ثم يتم تلخيص الطلب المحتمل الذي تعبر عنه كل وحدة محددة للحصول على إجمالي الطلب للفترة المتوقعة. ثم يتم ضرب إجمالي الطلب على العينة بنسبة عدد الوحدات المستهلكة في السكان إلى عدد الوحدات المستهلكة في العينة. إذا كانت العينة المحددة تمثيلية كافية للسكان ، فإن نتائج العينة تكون أكثر تشابهاً مع نتائج السكان. هذه الطريقة أبسط واقتصادية وموفرة للوقت مقارنة بمسح التعداد الكامل.

على الرغم من أن مسوحات طلب المستهلكين يمكن أن توفر بيانات مفيدة للتنبؤ ، فإن قيمتها تعتمد بشكل كبير على مهارات منشئيها. المسوحات ذات مغزى تتطلب عناية دقيقة لكل مرحلة من مراحل العملية. يجب صياغة الأسئلة بدقة لتجنب الغموض. يجب تحديد عينة الاستقصاء بشكل صحيح حتى تكون الردود ممثلة لجميع العملاء. أخيرًا ، يجب أن تنتج طرق إدارة المسح معدل استجابة مرتفعًا وتجنب تحيز إجابات الذين شملهم الاستطلاع. الأسئلة سيئة الصياغة أو عينة غير عشوائية قد ينتج عنها بيانات قليلة القيمة.

حتى الاستطلاعات الأكثر تصميمًا لا تتنبأ دائمًا بطلب المستهلكين بدقة عالية. في بعض الحالات ، لا يملك المستجيبون معلومات كافية لتحديد ما إذا كانوا سيشترون منتجًا أم لا. في حالات أخرى ، قد يتم الضغط على الذين شملهم الاستطلاع للوقت ويكونون غير مستعدين لتكريس الكثير من التفكير لإجاباتهم.

في بعض الأحيان قد تعكس الاستجابة رغبة (سواء واعية أو غير واعية) لوضع الذات في ضوء مواتي أو للحصول على موافقة من الذين أجروا الاستطلاع. بسبب هذه القيود ، نادراً ما تعتمد التوقعات بالكامل على نتائج استبيانات المستهلكين. بدلا من ذلك ، تعتبر هذه البيانات مصادر تكميلية للمعلومات لاتخاذ القرارات.

ج. طريقة الاستخدام النهائي:

تشتمل طريقة الاستخدام النهائي للتنبؤ بالطلب على قدر كبير من القيم النظرية والعملية. تتضمن هذه الطريقة مسحًا للشركات في جميع الصناعات التي تستخدم المنتج وتخطط لبيع المنتج قيد الدراسة استنادًا إلى مسح الطلب على الصناعات التي تستخدم هذا المنتج كمنتج وسيط. الطلب على المنتج النهائي هو طلب الاستخدام النهائي للمنتج الوسيط المستخدم في إنتاج هذا المنتج النهائي.

تتكون طريقة الاستخدام النهائي للتنبؤ بالطلب من أربع مراحل مميزة للتقدير:

(1) الحصول على معلومات حول الاستخدامات المحتملة للمنتج المعني.

(2) تحديد "معايير" تقنية مناسبة للاستهلاك لكل استخدام للمنتج قيد الدراسة.

(3) لتطبيق المعايير ، من الضروري معرفة المستويات المرغوبة أو المستهدفة من إنتاج الصناعات الفردية للسنة المرجعية وأيضًا التطور المحتمل في الأنشطة الاقتصادية الأخرى التي تستخدم المنتج وأهداف المخرجات المحتملة.

(4) أخيرًا ، يتم تجميع المحتوى الخاص بالمنتج الخاص بالعنصر الذي سيتم التنبؤ بالطلب عليه ، والذي يعطي تقدير الطلب على المنتج ككل للسنة النهائية المعنية.

وبالتالي ، قد يشمل تقدير الطلب النهائي على منتج وسيط العديد من صناعات السلع النهائية التي تستخدم هذا المنتج في الداخل والخارج. بمجرد معرفة الطلب على السلع الاستهلاكية النهائية بما في ذلك صافي صادراتها من الواردات ، يمكن تقدير الطلب على المنتج المستخدم كسلعة وسيطة في إنتاج هذه السلع الاستهلاكية النهائية بمساعدة معاملات المدخلات والمخرجات. يتم توفير الجداول المدخلات والمخرجات التي تحتوي على معاملات المدخلات والمخرجات لفترات معينة في كل بلد سواء من قبل الحكومة أو من قبل المنظمات البحثية.

باستثناء حالة المنتجات الوسيطة ، فإن التنبؤ بالطلب من خلال طريقة الاستخدام النهائي غير مرغوب فيه أو غير ممكن. علاوة على ذلك ، مع زيادة عدد المستخدمين النهائيين للمنتج ، يصبح استخدام هذه الطريقة أكثر وأكثر راحة. هذه الطريقة مفيدة للغاية بالنسبة للصناعات التي هي إلى حد كبير سلع المنتجين ، مثل الألومنيوم.

يتطلب وضع التوقعات بهذه الطريقة وضع جدول للطلب الكلي المحتمل على المدخلات في المستقبل من قبل الصناعات المستهلكة والقطاعات المختلفة. في هذه الطريقة ، يتم مراعاة التغييرات التكنولوجية والهيكلية وغيرها ، والتي قد تؤثر على الطلب ، في عملية التقدير ذاتها. هذا الجانب من نهج الاستخدام النهائي له أهمية خاصة.

مزايا طريقة الاستخدام النهائي:

(1) يساعد في تقدير الطلب المستقبلي على منتج صناعي بتفصيل كبير حسب الأنواع والحجم. من خلال البحث في نمط الاستخدام الحالي لاستهلاك المنتج ، يتيح نهج الاستخدام النهائي كل فرصة لتحديد الأنواع والفئات والأحجام المحتمل طلبها في المستقبل.

(2) تساعد هذه الطريقة في تتبع وتحديد في أي وقت في المستقبل أين وأين انحرف الاستهلاك الفعلي عن الطلب المقدر. يمكن أيضًا إجراء مراجعات مناسبة من وقت لآخر بناءً على هذا الفحص.

2. طرق استطلاع الرأي :

أساليب استطلاع الرأي تجعل تقدير الطلب باستخدام آراء أولئك الذين لديهم معرفة بالسوق ، مثل خبراء التسويق المحترفين والمستشارين وممثلي المبيعات والمديرين التنفيذيين. يمكن أن يكون الحكم الجماعي للأشخاص ذوي المعرفة مصدرا هاما للمعلومات.

في الواقع ، يتم وضع بعض التوقعات بالكامل تقريبًا على أساس رؤى شخصية لصناع القرار الرئيسيين. قد تنطوي هذه العملية على مدراء يتشاورون لتطوير التوقعات بناءً على تقييمهم للظروف الاقتصادية التي تواجه الشركة. في ظروف أخرى ، قد يُطلب من موظفي مبيعات الشركة تقييم التوقعات المستقبلية. في حالات أخرى ، قد يتم توظيف الخبراء الاستشاريين لتطوير التوقعات بناءً على معرفتهم بالصناعة.

تشمل هذه الطرق:

أنا. رأي الخبراء:

يحدد الباحث الخبراء في السلعة التي تتم محاولة التنبؤ بالطلب عليها ، ويتحقق معهم بشأن الطلب المحتمل على المنتج في فترة التنبؤ. تتكون هذه الطريقة من تأمين آراء الباعة و / أو موظفي إدارة المبيعات. هناك العديد من الاختلافات.

قد يتم تأمين النظرة المجمعة لقوة المبيعات فيما يتعلق بتوقعات المبيعات المستقبلية من خلال التدقيق الدقيق في المستويات التنفيذية المتتالية وتقديرات المبيعات المستقبلية المقدمة من قبل الباعة بشكل فردي. هناك طريقة أخرى تتمثل في الاعتماد فقط على المعرفة المتخصصة لمديري مبيعات الشركة في إعداد توقعات المبيعات.

مزايا هذه الطريقة تتكون من:

(أ) تستخدم هذه الطريقة المعرفة المتخصصة للأشخاص الأقرب إلى السوق ؛

(ب) تزويد قوة المبيعات بثقة أكبر في تطوير حصص المبيعات ؛

(ج) استقرار أكبر من خلال حجم العينة ؛

(د) تحديد المسؤولية عن التوقعات بالنسبة لأولئك الذين يتوقع أن يسفروا عن نتائج.

العيوب المتقدمة هي:

(أ) الباعة هم مقدرون فقراء كونهم متفائلين بشكل غير ضروري ؛

(ب) غالبًا ما يكون البائعون غير مدركين للأنماط الاقتصادية الواسعة ولا يمكنهم التنبؤ بالاتجاهات الطويلة الأجل ؛

(ج) يتم تقليص وقت قوة المبيعات بهذه الطريقة لوظيفة البيع الرئيسية ؛ و.

(د) قد يقلل بائعو المبيعات عن عمد من الطلب إذا تم تحديد الحصص على أساس هذه المعلومات.

ثانيا. طريقة دلفي:

طريقة دلفي هي عملية سهلة للحصول على إجماع ضمن مجموعة من المشاركين المجهولين. يرسل الميسر استبيان تنبؤي إلى كل عضو في مجموعة دلفي. السرية هي أمر بالغ الأهمية في هذه الطريقة لمنع عدد قليل من أعضاء المجموعة من السيطرة على القرار. عند إرجاع الاستبيان ، يتم تلخيص الإجابات إحصائيًا ثم إرسالها مرة أخرى إلى المجموعة. كل عضو من أعضاء دلفي لديه خيار تعديل ردودهم السابقة بناءً على ردود المجموعة. هذه عملية متكررة تستمر حتى يتم التوصل إلى توافق في الآراء.

يتم استخدام طريقة دلفي للمنتجات الجديدة أو للتنبؤات بعيدة المدى. ومع ذلك ، فهي عملية تستغرق وقتًا طويلاً وتعتمد بدرجة كبيرة على جودة الاستبيانات. علاوة على ذلك ، قد يقدم المشاركون ردودًا غير كافية لعدم وجود مساءلة.

تحت طريقة دلفي يتم جمع الآراء من الخبراء وتبذل الجهود لمطابقتها. يتم ذلك عن طريق الجمع بين الخبراء وترتيب الاجتماعات والوصول إلى نطاق ضيق للتنبؤ في محاولة لتقديم الفاصل الزمني للتنبؤ مباشرة والوصول إلى نقطة معينة عن طريق التلاعب بها في التقييم الشامل للباحث أو منسق ممارسة التنبؤ.

بشكل عام ، تستمر التوقعات خلال المراحل التالية:

(1) يتم تقديم الطلب إلى جميع خبراء المنتج لتقديم تقديراتهم الفردية للطلب المحتمل.

(2) إذا كان الاختلاف في التنبؤات كبيرًا ، يُدعى الخبراء لحضور مؤتمر حول هذا الموضوع ، ويعرضون المشكلة فيما يتعلق بالاختلافات في تقديراتهم. من خلال الجدال وإقناع الآخرين والاقتناع وتبادل وجهات النظر مع الزملاء ، تبذل الجهود لتضييق حدود الطلب المحتمل.

(3) إذا كان نطاق الاختلافات لا يزال كبيرًا ، يستمر التمرين حتى يتمكن المنسق من الوصول إلى نطاق مقبول.

(رابعا) قم بتعريف النطاق الذي تم الوصول إليه كتوقع الطلب على الفاصل الزمني للمنتج للفترة التي تم القيام بها.

(v) خذ المتوسط ​​البسيط للقيم الدنيا والعليا للتنبؤ واعلن النقطة المتوقعة للمتغير قيد التوقع.

يمكن توضيح استخدام تقنية دلفي بواسطة مثال بسيط. لنفترض أنه يُطلب من لجنة من ستة خبراء خارجيين توقع مبيعات الشركة للعام المقبل. من خلال العمل بشكل مستقل ، يتوقع عضوان في الفريق زيادة بنسبة 8 في المائة ، ويتوقع ثلاثة أعضاء زيادة بنسبة 5 في المائة ، ولا يتوقع شخص واحد زيادة في المبيعات. بناءً على ردود الأفراد الآخرين ، يُطلب من كل خبير وضع تنبؤات مبيعات منقحة. قد يقدم بعض من يتوقعون نموًا سريعًا في المبيعات ، استنادًا إلى أحكام أقرانهم ، توقعات أقل تفاؤلاً في التكرار الثاني.

وعلى العكس من ذلك ، فإن بعض أولئك الذين يتوقعون نموًا بطيئًا قد يعدّلون إجاباتهم إلى الأعلى. ومع ذلك ، قد يكون هناك أيضًا بعض أعضاء الفريق الذين يقررون أنه لا يوجد ما يبرر تعديل توقعاتهم الأولية. افترض أن المجموعة الثانية من التنبؤات من قبل اللجنة تتضمن تقديرًا واحدًا لزيادة المبيعات بنسبة 2 بالمائة وواحد من 5 بالمائة واثنان من 6 بالمائة واثنان من 7 بالمائة.

ويظهر الخبراء مرة أخرى ردود بعضهم البعض ويطلب منهم النظر في توقعاتهم. تستمر هذه العملية إلى أن يتم التوصل إلى توافق في الآراء أو حتى تؤدي التكرارات الأخرى إلى حدوث تغيير بسيط أو معدوم في تقديرات المبيعات. طريقة دلفي سليمة للغاية ولكنها قد تكون مملة ومكلفة.

في الحالات التي لا يكون فيها عدد الخبراء كبيرًا جدًا ويتعاونون معًا ، ويمتلك الباحث الأموال اللازمة والسلطة اللازمة لأداء المهمة ، قد تكون طريقة دلفي مناسبة للتنبؤ بالطلب.

قيمة تقنية دلفي هي أنها تساعد أعضاء الفريق الفرديين في تقييم توقعاتهم. ضمنيا ، يجبرون على النظر في سبب اختلاف حكمهم عن رأي الخبراء الآخرين. من الناحية المثالية ، يجب أن تولد عملية التقييم هذه تنبؤات أكثر دقة مع كل تكرار. تعتمد فائدة رأي الخبراء على مهارة ووجهة نظر الخبراء العاملين لإعداد التنبؤات.

مشكلة واحدة مع طريقة دلفي يمكن أن يكون حسابها. في كثير من الأحيان ، يكون الأشخاص الأكثر دراية في الصناعة في وضع يسمح لهم بالحصول على رسوم كبيرة مقابل عملهم كمستشارين. قد يتم توظيفهم من قبل الشركة ، ولكن لديهم مسؤوليات مهمة أخرى ، مما يعني أنه قد يكون هناك تكلفة فرصة كبيرة لإشراكهم في عملية التخطيط.

علاوة على ذلك ، لا يرغب الخبراء في التأثر بتوقعات الآخرين في اللجنة. على الرغم من أن تنبؤات الخبراء ليست دائمًا نتاج "البيانات الثابتة" ، إلا أنه لا ينبغي التقليل من جدواها. في الواقع ، يمكن أن تكون رؤى من لهم صلة وثيقة بصناعة ما قيمة كبيرة في التنبؤ

ثالثا. مسوحات الخطط الإدارية:

يمكن أن تكون الدراسات الاستقصائية للخطط الإدارية مصدرا هاما للبيانات للتنبؤ. الأساس المنطقي لإجراء مثل هذه الدراسات الاستقصائية هو أن الخطط تشكل عمومًا أساس الإجراءات المستقبلية. على سبيل المثال ، عادة ما يتم التخطيط لميزانيات النفقات الرأسمالية للشركات الكبيرة في وقت مبكر. وبالتالي ، يجب أن يوفر مسح لخطط الاستثمار من قبل هذه الشركات توقعات دقيقة بشكل معقول للطلب المستقبلي على السلع الرأسمالية.

د. تجارب السوق:

يتم إجراء تجارب السوق (الفعلية أو المحاكاة) لإنشاء توقعات الطلب. تتمثل المشكلة المحتملة في طريقة الاستقصاء في أن استجابات الاستقصاء قد لا تترجم إلى سلوك المستهلك الفعلي. لا يفعل المستهلكون بالضرورة ما يقولون إنهم سيفعلونه. يمكن التغلب جزئياً على هذا الضعف من خلال استخدام تجارب السوق المصممة لتوليد البيانات قبل التقديم الشامل للمنتج أو تنفيذ السياسة.

يمكن إجراء تجربة السوق في شكلين:

(أ) اختبار السوق:

لتحديد تجربة السوق ، تقوم الشركة أولاً بتحديد سوق اختبار قد يتكون من عدة مدن أو منطقة في البلد أو عينة من المستهلكين مأخوذة من قائمة بريدية. قد تتضمن التجربة عددًا من الميزات مثل تقييم تصور المستهلك لمنتج جديد في سوق الاختبار. في حالات أخرى ، قد يتم تحديد أسعار مختلفة لمنتج حالي في مدن مختلفة لتحديد مرونة الطلب. والاحتمال الثالث هو اختبار رد فعل المستهلك على حملة إعلانية جديدة.

هناك العديد من العوامل التي يجب على المديرين مراعاتها عند اختيار سوق الاختبار. يجب أن يكون الموقع بحجم يمكن التحكم فيه. إذا كانت المساحة كبيرة جدًا ، فقد يكون إجراء التجربة وتحليلها أمرًا مكلفًا وصعبًا. ثانياً ، يجب أن يكون سكان سوق الاختبار ممثلين لكل السكان في الولايات المتحدة في العمر والتعليم والدخل وإلا فإن النتائج قد لا تكون قابلة للتطبيق على مناطق أخرى. أخيرًا ، يجب أن يكون من الممكن شراء الإعلانات الموجهة فقط لأولئك الذين يتم اختبارهم.

(ب) الاختبارات المعملية:

هناك طريقة أخرى لإجراء تجربة السوق وهي عيادة المستهلك أو التجربة المعملية التي يتم التحكم فيها. هنا ، يحصل المستهلكون على بعض المال للشراء في متجر متجول به أسعار متفاوتة ، وحزم ، وشاشات عرض ، إلخ. ويتم دراسة استجابة المستهلكين لهذه الاختلافات. وبالتالي فإن التجربة المختبرية تعطي نفس النتائج مثل تجربة السوق الميدانية.

تتمتع تجارب السوق بميزة على الدراسات الاستقصائية من حيث أنها تعكس سلوك المستهلك الفعلي ، ولكن لا يزال لديها قيود. مشكلة واحدة هي المخاطر التي تنطوي عليها. في أسواق الاختبار التي ترتفع فيها الأسعار ، يمكن للمستهلكين التحول إلى منتجات المنافسين. بمجرد انتهاء التجربة وخفض السعر إلى مستواه الأصلي ، قد يكون من الصعب استعادة هؤلاء العملاء.

مشكلة أخرى هي أن الشركة لا تستطيع السيطرة على جميع العوامل التي تؤثر على الطلب. يمكن أن تتأثر نتائج بعض تجارب السوق بالأحوال الجوية السيئة أو الظروف الاقتصادية المتغيرة أو تكتيكات المنافسين. أخيرًا ، نظرًا لأن معظم التجارب قصيرة المدة نسبيًا ، فقد لا يكون المستهلكون مدركين تمامًا للتغيرات في الأسعار أو الإعلانات. وبالتالي فإن ردودهم قد تقلل من التأثير المحتمل لتلك التغييرات.

محددات:

تتضمن أساليب تجربة السوق بعض القيود الخطيرة التي تقلل من موثوقية الطريقة إلى حد كبير:

أنا. الأساليب التجريبية غالية جدًا بحيث لا تستطيع الشركات الصغيرة تحمل تكاليفها. نظرًا لكونها علاقة غالية ، عادة ما يتم إجراء التجارب على نطاق صغير جدًا بحيث لا يمكن التعميم بدرجة عالية من الموثوقية.

ثانيا. تعتمد الأساليب التجريبية على ظروف قصيرة الأجل ومسيطر عليها قد لا توجد في سوق غير خاضع للرقابة. وبالتالي قد لا تكون النتائج قابلة للتطبيق على شروط السوق طويلة الأجل التي لا يمكن التحكم فيها.

ثالثا. التغييرات في الظروف الاجتماعية والاقتصادية التي تحدث أثناء التجارب الميدانية ، مثل الإضرابات المحلية أو تسريح العمال ، والبرنامج الإعلاني من قبل المنافسين ، والتغيرات السياسية ، والمصائب الطبيعية ، قد تبطل النتائج. قد يؤدي العبث بزيادة الأسعار إلى خسارة دائمة للعملاء للعلامات التجارية التنافسية التي قد تكون قد تمت تجربتها.

على الرغم من هذه القيود ، إلا أن طريقة تجربة السوق تستخدم غالبًا لتقديم تقدير بديل للطلب وأيضًا للتحقق من النتائج التي تم الحصول عليها من الدراسات الإحصائية. علاوة على ذلك ، تولد هذه الطريقة معاملات المرونة اللازمة للتحليل الإحصائي لعلاقات الطلب.

3. الأساليب الإحصائية :

لقد ناقشنا الاستقصاء والطرق التجريبية للتنبؤ بالطلب. هذه الطرق هي الأنسب تقدير الطلب على المنتج على المدى القصير.

في هذا القسم ، تمت مناقشة الطرق الإحصائية التي تعتمد على السلاسل الزمنية وبيانات المقطع العرضي والتي تتناسب مع التنبؤ بالطلب على المدى الطويل:

فيما يلي الأساليب الإحصائية الرئيسية:

أنا. أساليب الإسقاط الاتجاه

ثانيا. طرق البارومتري ، و

ثالثا. طرق الاقتصاد القياسي

أنا. أساليب الإسقاط الاتجاه :

يعتبر اتجاه الإسقاط أحد الأساليب الأكثر استخدامًا للتنبؤ بالطلب. وهناك اتجاه في السلسلة الزمنية للمتغير هو التغيير على المدى الطويل في ذلك؟ تتطلب هذه الطريقة بيانات سلاسل زمنية طويلة وموثوقة. تفترض هذه الطريقة أن العوامل المسؤولة عن الاتجاهات السابقة في المتغير الذي سيتم توقعه ستستمر في لعب دورها في المستقبل بنفس الطريقة وبالقدر نفسه كما فعلت في الماضي في تحديد المتغير وحجمه واتجاهه. يمكن أن يكون هناك اتجاهات خطية أو غير خطية في الطلب على المنتج.

في الغالب ، يتم استخدام الاتجاهات الخطية والمعدل الثابت لاتجاه النمو للتنبؤ بالطلب في المستقبل. تستغني هذه الطرق عن الحاجة إلى إجراء أبحاث سوقية مكلفة لأن المعلومات الضرورية غالبًا ما تكون متاحة بالفعل لدى الشركة. نظرًا لأن الطريقة لا تكشف عن العلاقة بين السبب والنتيجة ، فقد تم اعتبارها "نهجًا ساذجًا".

رغم ذلك ، "لا يوجد شيء غير معقد في اعتماد مثل هذا النهج. إنها تمثل مجرد واحدة من الوسائل المتعددة للحصول على نظرة ثاقبة لما يمكن أن يكون عليه المستقبل وما إذا كانت التوقعات التي تم إجراؤها باستخدام هذه الوسائل أم لا ستعتمد كثيرًا على موثوقية البيانات السابقة وعلى الحكم الذي هو ليتم ممارستها في التحليل النهائي. "

للتنبؤ بالطلب من خلال أساليب إسقاط الاتجاه ، يلزم توفر بيانات السلاسل الزمنية للمبيعات. في حالة الشركات الراسخة ذات السجل التجاري الطويل ، تتوفر هذه البيانات في سجلات المبيعات. يمكن للشركات الجديدة الحصول على البيانات اللازمة من الشركات الحالية التي تنتمي إلى نفس الصناعة.

فيما يلي ثلاث تقنيات مهمة لإسقاط الاتجاه استنادًا إلى بيانات السلاسل الزمنية:

(1) رسومية ، التفتيش أو الأسلوب مرفوعة:

بموجب هذه الطريقة ، يتم رسم رسم بياني للبيانات التاريخية للمتغير قيد التوقع ، ثم يتم استقراءه مرئيًا حتى فترة التنبؤ ، وأخيراً يتم قراءة قيمة المتغير في فترة التنبؤ من الرسم البياني للحصول على التنبؤ المطلوب.

في الشكل 2-1 ، تظهر المبيعات بألف وحدة على المحور ص ويظهر الوقت الذي يبدأ من 1994 إلى 2001 على المحور السيني. يتم رسم بيانات المبيعات على الرسم البياني ويتم ربط النقاط المرسومة عبر خط. ثم يتم رسم خط مع الحد الأدنى من المسافة من النقاط. من خلال تمديد خط الاتجاه ، قد نتوقع عملية بيع تقريبية لعام 2005 أو 2007.

على الرغم من أن هذه الطريقة بسيطة واقتصادية ، إلا أن التوقعات التي تم الحصول عليها تعاني من الذاتية والتحيز الشخصي للمحلل في استقراء المنحنى. ومع ذلك ، نظرًا لأن البيانات التاريخية التي لا تحتوي على أي متغير عند رسمها عادةً ما تقع على أي استقراء منحنى سلس ، فلن تكون أبدًا فريدة من نوعها وستعاني الطريقة دائمًا من الذاتية.

يتم شرح التقنية الرسومية بمساعدة التوضيح التالي:

توضيح:

باستخدام طريقة الرسم أو الرسم المجانية ، قم بملاءمة اتجاه القسط الثابت ببيانات السلاسل الزمنية التالية على مبيعات الشركة.

عند اختيار مقياس مناسب ، يتم تمييز السنوات على طول المحور السيني وقيم المبيعات المقابلة على طول المحور ص. يتم بعد ذلك ربط النقاط التي تم الحصول عليها بخط مستقيم يوضح سلوك قيم البيع خلال الفترة المحددة. بعد ذلك ، نرسم خطًا مستقيميًا حرًا من خلال نقاط البيانات الفعلية لتيسير الحصول على الاتجاه. يوضح الشكل 2.1 سلوك البيانات الفعلية وخط الاتجاه.

(ii) طريقة ملائمة الاتجاه أو الأقل مربعًا:

وفقًا لهذه الطريقة ، تتم محاولة استقراء البيانات التاريخية من خلال تقدير معادلات الاتجاه البديلة.

معادلة الاتجاه هي المعادلة التي يتم فيها إعداد المتغير ببساطة كدالة للوقت:

تستخدم هذه التقنية الصيغ الإحصائية للعثور على خط الاتجاه الذي "يناسب" البيانات المتاحة. خط الاتجاه هو المعادلة التقديرية التي يمكن استخدامها للتنبؤ بالطلب من خلال استقراء الخط للمستقبل وقراءة قيم المبيعات المقابلة على الرسم البياني.

الاتجاه الخطي:

تتم كتابة معادلة الاتجاه الخطي للمبيعات على النحو التالي:

المبيعات = أ + ب (رقم السنة)

أو S = a + bT. ... ... (2.3)

حيث يتم حساب a و b من البيانات السابقة و

T هو رقم السنة المطلوب للتنبؤ به.

يوضح الرسم التوضيحي التالي كيف يتم التنبؤ بالطلب بمساعدة أسلوب Least Square Method.

توضيح:

كشفت سجلات المبيعات لشركة افتراضية البيانات التالية

تقدير المبيعات لسنتي 2003 و 2005.

الحل- لإيجاد قيم a و b في معادلة الاتجاه S = a + b

سنحتاج إلى حل المعادلتين العاديتين ، بمعنى.

استبدال القيم المذكورة أعلاه في المعادلتين العاديتين ، نحصل عليه

270 = 6 أ + 36 ب

1784 = 30 أ + 286 ب

حل هذه المعادلات ل a و b ، نحصل عليها.

أ = 1.53 و

ب = 6.8.

وبالتالي تصبح معادلة الاتجاه S = 1.53 + 6.8T.

تأخذ سنتي 2003 و 2005 أرقام العامين 14 و 16. عن طريق استبدال هذه القيم لـ T. نحصل على المبيعات لهذه السنوات كروبية. 96.73 كرور وروبية. 110.33 كرور على التوالي.

طريقة الاتجاه هي في الأساس طريقة موضوعية. معادلة الاتجاه المذكورة أعلاه تفترض أن هناك تغيير خطي (أو متناسب) في المبيعات مع مرور الوقت. في الواقع ، يمكن أن تأخذ معادلة الاتجاه شكلًا خطيًا أو غير خطي.

الاتجاه غير الخطي:

يمكن وصف العديد من بيانات السلاسل الزمنية المتعلقة بالأنشطة التجارية والاقتصادية التي تشير إلى نمو مبدئي مستمر ولا تقترب من الحد الأعلى المعين ، بوظيفة الأس.

قد يكون الشكل الأسي للمعادلة من الأشكال التالية:

الآن يمكننا تطبيق الإجراء المعتاد لتركيب الاتجاه الخطي. أخيرًا ، يمكن تحديد قيم a و b من خلال أخذ التباينات في a و b على التوالي ، أي ،

a = antilog a و b = antilog b

وضع هذه القيم المقدرة لـ a و b في المعادلة (2.4). نحصل على الاتجاه الأسي المطلوب.

توضيح:

أرباح الاهتمام لمدة خمس سنوات تنتهي عام 2001:

أوجد قيم الاتجاه للعام 1997 - 2001 باستخدام معادلة النموذج

Y = ABX

المحلول:

المعادلة المراد تركيبها هي Y = abX

أو سجل Y = سجل + T سجل ب

y = A + BX

حيث Y = log Y ، A = log a و B = log b

يمكن الحصول على قيم a و b من المعادلات العادية التالية:

Sy = Na + bS X

SXy = aSX + bSX2 ... (2.7)

تركيب الاتجاه الأسي:

وضع القيم من الجدول في 2.2

5.06803 = 6A A = 1.1397 a = antilog (1.1397) = 13.79

4.7366 = 10A B = 0.4737 b = antilog (0.4737) = 2.977

وضع قيم a و b في (2.2) ، الاتجاه المجهز هو

Y = (13.79) (2.997) x ، حيث X = (x - 1999)

لحساب قيم الاتجاه ، نستخدم المعادلة 2.6

y = 1.1397 + 0.4737 X

وهكذا في الجدول أعلاه ، تم حساب قيم الاتجاه من 1997 إلى 2001. الاتجاه المزدوج سجل من النموذج.

يتم استخدام اتجاه السجل المزدوج للمعادلة عندما يزداد معدل النمو.

المعادلة مكتوبة كـ:

Y = aTb ... (2.8)

أو شكله اللوغاريتمي المزدوج

سجل Y = سجل a + b log T ... (2.9)

متعدد الحدود الاتجاه من النموذج

Y = a + bT + cT2 ... (2.10)

في هذه المعادلة Y متغير (قد يكون مبيعات) ، T هو الوقت ، a ، b و c ثوابت و e = 2.718. بمجرد تقدير معايير المعادلة ، يصبح من السهل التنبؤ بالطلب في الوقت المحدد.

يمكننا بالمثل بناء معادلات الاتجاه للعديد الحدود من الدرجات التي تزيد عن ثلاث ، ولكن نادراً ما يتم استخدامها في التنبؤ بالأعمال في الممارسة. في حالة اتجاه متعدد الحدود من الدرجة الثانية ، يغير الميل dS / dT الاتجاه (من الموجب إلى السالب ، أو العكس) مرة واحدة فقط. وبالمثل ، في حالة اتجاه متعدد الحدود من الدرجة الثالثة ، يغير الميل اتجاهه مرتين فقط.

يعتمد اختيار أفضل خط اتجاه من معادلات الاتجاه الخطية وغير الخطية المختلفة على الاعتبارات النظرية والملاءمة التجريبية. بمجرد اتخاذ القرار بشأن المعادلة الأكثر ملاءمة لبيانات مبيعات معينة ، يمكن إجراء التنبؤ من خلال ربط المعادلة بالبيانات.

(3) تجانس الأسي:

إذا كان المتغير قيد التوقع لا يتبع أي اتجاه محدد ، فإن طريقة الاتجاه غير مناسبة. طريقة التجانس ستكون أكثر فائدة. هناك إصدارات من طريقة التجانس - تجانس بسيط (المتوسط) و تجانس مرجح. إحدى خصائص هذه الطريقة هي أن كل ملاحظة لها نفس الوزن.

في التجانس البسيط ، يتم أخذ متوسط ​​بسيط لعدد محدد من الملاحظات (يُسمى "الترتيب") ، بينما في المتوسط ​​الأخير ، يتم أخذ متوسط ​​مرجح. نظرًا لأن الملاحظات الأحدث ستحتوي على معلومات أكثر دقة حول المستقبل من تلك الموجودة في بداية السلسلة لتقدير المستقبل ، يفضل الترجيح على التجانس البسيط ويتم تعيين الأوزان بترتيب تنازلي كما ينتقل المرء من التيار الملاحظات على الماضي. على سبيل المثال ، قد يكون تاريخ المبيعات خلال الأشهر الثلاثة الماضية أكثر صلة بتنبؤ المبيعات المستقبلية من بيانات المبيعات العشر الماضية في الماضي.

التجانس الأسي هو أسلوب للتنبؤ بالسلسلة الزمنية يعطي وزناً أكبر للملاحظات الحديثة.

الخطوة الأولى هي اختيار ثابت التجانس ، ± ، حيث 0 <± <1.0.

إذا كان هناك n ملاحظات في سلسلة زمنية ، يتم حساب التنبؤ للفترة القادمة n + 1 كمتوسط ​​مرجح للقيمة الملاحظة للسلسلة في الفترة n والقيمة المتوقعة لتلك الفترة نفسها.

يمكن كتابة صيغة المتوسط ​​المرجح كما يلي:

أين،

F n + 1 هي القيمة المتوقعة للفترة المقبلة ،

X n هي القيمة المرصودة للمراقبة الأخيرة ، و

F n عبارة عن تنبؤ بقيمة الفترة الأخيرة في السلسلة الزمنية.

يتم احتساب القيم المتوقعة لـ F وجميع الفترات السابقة بنفس الطريقة. على وجه التحديد،

للملاحظة الثانية t = 2 والانتقال إلى الأخير.

يحدد ثابت التجانس الأسي الوزن المعطى للرصدات المختلفة في السلسلة الزمنية. مع اقتراب 1.0 1.0 ، يتم إعطاء المزيد من الملاحظات الحديثة وزناً أكبر. على سبيل المثال ، إذا كانت ± = 1.0 ، ثم (1- ±) = 0. على النقيض من ذلك ، فإن القيم الأقل لـ ± تعطي وزناً أكبر للملاحظات من الفترات السابقة.

على سبيل المثال ، إذا كانت مبيعات الشركة على مدار الأسابيع العشرة الماضية معروضة أدناه:

بافتراض F 2 = F 1 = X 1 . إذا 0.2 = 0.20 ، إذن

F 3 = 0.20 (430) + 0.80 (400) = 406.0 و

F 4 = 0.20 (420) + 0.80 (406) = 408.8

يمكن حساب القيم المتوقعة للقيم المختلفة لـ..

تجدر الإشارة إلى أن البيانات الملساء تظهر تقلبًا أقل بكثير من بيانات المبيعات الأصلية. لاحظ أيضًا أنه مع زيادة، ، تزداد التقلبات في F ، لأن التوقعات تعطي وزناً أكبر لآخر قيمة ملحوظة في السلسلة الزمنية.

يمكن استخدام أي قيمة لـ as باعتبارها ثابت التجانس. قد تكون معايير اختيار الثابت هي الحكم البديهي للمحلل فيما يتعلق بالوزن الذي يجب إعطاؤه لنقاط البيانات الأكثر حداثة. ولكن هناك أيضًا أساس تجريبي لاختيار قيمة ±.

وبالتالي ، فإن طريقة التجانس الأسي تتيح إعطاء المزيد من البيانات الحديثة وزناً أكبر في تحليل بيانات السلاسل الزمنية. أيضًا عند توفر ملاحظات إضافية ، من السهل تحديث التوقعات. ليست هناك حاجة لإعادة تقدير المعادلات ، كما هو مطلوب مع معادلة الاتجاه. ومع ذلك ، لا توفر هذه الطريقة تنبؤات دقيقة للغاية إذا كان هناك اتجاه كبير في البيانات. إذا كان اتجاه الوقت إيجابيًا ، فمن المحتمل أن تكون التوقعات بناءً على تجانس الأسي منخفضة للغاية ، في حين أن اتجاه الوقت السلبي سيؤدي إلى تقديرات مرتفعة للغاية. يعمل التجانس الأسي البسيط بشكل أفضل عندما لا يكون هناك اتجاه زمني واضح في البيانات.

ثانيا. التنبؤ البارومتري :

Trend projection and exponential smoothing use time series data for forecasting the future. In the absence of a clear pattern in a time series, the data are of no avail for forecasting. An alternative approach is to find a second series of data that is correlated with the first. A time-series that is correlated with another time-series is called an indicator of the second series. As meteorologists use barometer to forecast weather, economists use economic indicators as a barometer to forecast trends in business activities.

Barometric method of forecasting was first developed and used in the 1920s by the Harvard Economic Service, failed to predict the Great Depression of the 1930s, but revived, refined and developed further in the late 1930s in the US by the National Bureau of Economic Research (NBER). Initially, the technique was developed to forecast the general trend in overall economic activities, but it can be applied to forecast prospects of demand for a product. The technique identifies relevant economic indicators on the movement of which future trends are forecast.

The barometric forecasting technique identifies the relevant economic indicators, constructs an index of these indicators and observing movements of the index forecasts future trends.

Two techniques are discussed for barometric forecasting:

1. Leading Indicators, and

2. Composite and Diffusion Indices

1. Leading Indicators Method :

This method involves three steps:

أنا. Identification of the leading indicator for the variable under forecasting.

ثانيا. Estimation of the relationship between the variable under forecasting and its leading indicator.

ثالثا. Derivation of forecasts

Three types of economic indicators are identified for constructing the index:

أ. Leading Indicators,

ب. Co-Incidental Indicators

ج. Lagging Indicators.

أ. Leading Indicators:

If changes in one series consistently occur prior to changes in another series, a leading indicator has been identified. The leading indicators move up or down ahead of some other indicators. Leading indicators are of primary interest for the purposes of forecasting.

As a meteorologist makes use of changes in barometric pressure for weather forecast, leading indicators can be used to predict variations in general economic conditions. Movement in the capital formation, new orders for durable goods, new building permits, corporate profits after tax, index of the prices of input, change in the value of inventories, requests for loans from financial institutions and change in bank rate are examples of leading indicators.

ب. Co-Incidental Indicators:

If two data series increase or decrease at the same time, one series may be regarded as a coincident indicator of the other series. In other words, the co-incidental economic indicators move up or down simultaneously with the level of economic activity.

Gross national product at constant prices, rate of employment, sales by different sectors, the rates at which commercial banks accept deposits from and lend to the private sector are more or less the coincident series with regard to the Bank rate, rate of employment in non-agricultural sectors are the examples of co-incidental series.

ج. Lagging Indicators:

The lagging indicators follow a change after some time lag. NBER identified some of the lagging indices such as rate for short-term loans, outstanding loans, labour cost per unit of manufactured output and the rate at which private money lenders accept deposits and lend to individuals is lagging series with reference to both the Bank rate and commercial banks' deposit and lending rates.

It is not that for every variable there is a leading variable but for some they do exist. Thus, through this kind of search, one may be able to find an appropriate leading variable for the variable. If no such variable is available, this method of forecasting is also not available. Leading indicators can be used as inputs for forecasting aggregate economic variables such as GNP, aggregate consumers' expenditure, aggregate capital expenditure, etc.

The value of leading indicators method depends on the accuracy of the indicator, adequacy and constancy of lead- time, the reason as to why one series predicts another and the cost and time necessary for data collection

2. Diffusion Indices:

The construction of an index improves the barometric forecasting. Such indices represent a single time series made up of a number of individual leading indicators. The purpose of combining the data is to smooth out the random fluctuations in each individual series and the resulting index provides more accurate forecasts.

The index is a measure of the proportion of the individual times series that increase from one month to the next. For example, if eight of the indicators increased from June to July, the diffusion index for July would be 8/11 or 72.7 percent. When the index is over 50 percent for several months, it can be forecast that economic conditions have begun to improve. As the index approaches 100 percent, the likelihood of improvement increases. On the other hand, if less than 50 percent of the indicators exhibit an increase, a downturn is indicated.

However, the technique suffers from several weaknesses:

أ. The prediction record of this technique is far from perfect.

ب. On several occasions indices have forecast recessions that have not occurred. The lead- time also varies from variable to variable.

ج. While this approach signals the likely direction of changes in economic conditions, it says little about the magnitude of such change. As such it provides only a qualitative forecast.

د. Also strenuous efforts have been made to identify indicators of general economic conditions the managers of individual firms may find it difficult to identify leading indicators that provide accurate forecasts for their specific needs.

Despite these limitations, the use of indices improves the accuracy of barometric forecasting.

ثالثا. Econometric Methods :

The most popular method of demand estimation among economists is perhaps the regression method that employs both the principles of economic theory and appropriate statistical methods of estimation. It requires historical data (time series and/or cross section) on the variable under forecasting and its determinants.

In other words regression analysis denotes methods by which the relationship between quantity demanded and one or more independent variables (like income, price of the commodity, prices of related goods, advertisement expenditure) is estimated. It includes measurement of error that is inherent in the estimation process.

This method involves four steps:

(a) Identification of the variables that influence the demand for the good whose function is under estimation.

(b) Collection of historical/cross section data on all the relevant variables.

(c) Choosing an appropriate form for the function.

(d) Estimation of the function.

(i) Simple Linear Regression:

Simple regression analysis is used when the quantity demanded is estimated a function of a single independent variable such as price. In case of linear trend in the dependent variable, we can fit a straight line to the data, whose general form would be, for example,

Sales = a + b. السعر

Fitting of the straight -line regression equation can be done either graphically or by least squares method.

In the least squares method of estimating regression line,

S = a + bP, … (2.13)

We have to find the values of the constants, a and b by solving the two linear equations:

SS= na + Sb P

SPS = SPa+ bS P2 … (2.14)

The table 4.4 provides sales data at different price levels for a hypothetical company:

Substituting the values of in the two least square equations, and solving the equations we get the values of terms a and b.

a=64.94

b=1.53

The regression equation can therefore be written as

S= 64.94 +1.53 P … (2.16)

If we assign the values to P, we can get the corresponding estimated sales.

(ii) Multivariate Regression:

Multiple linear regression generates a forecast by linking two or more independent variables to the demand for a product. For example, sales of ice cream may be dependent on the price that is charged for the product, the temperature, and the number of hours of daylight. A model would be developed which described this relationship. Given a specific price, a temperature, and a number of daylight hours, a demand forecast for ice cream will be generated.

Estimation of the parameters of an equation with more than one independent variable is called multiple regressions. In principle, the concept of estimation with multiple regression is the same as with simple linear regression, but the necessary computations can be much more complicated. For an equation with three or more independent variables, the time required to calculate the values and likelihood of an arithmetic error make manual computation impractical. Consequently, virtually all regression analysis involving multivariate equations uses computers.

Because most economic relationships involve more than a simple relationship between a dependent and a single independent variable, multiple regression techniques are widely used in economics. For example, the demand for a product usually depends on more than just the price of the good. Other variables, such as income and prices of other goods can also have an influence.

Thus, a simple regression equation involving only quantity and price would be incomplete and probably would result in an incorrect estimation of the relationship between quantity and price. This is because the effects of other variables omitted from the equation are not taken into account. Similarly, a regression equation that included only the rate of output as the determinant of costs could generate inaccurate results because other factors, such as input prices, also affect costs.

With multiple regression, it is important that the user understands how to interpret the estimated coefficients of the equation. For example, it is assumed that costs are a function of output and price of labor. Thus the multiple regression equation can be written as:

Y = A + bX + cZ, … (2.17)

Where Y is the total cost

X is output,

Z is the price of labor

a, b, c, are the coefficients to be estimated.

The coefficients of X and Z indicate the effect on total cost of a one-unit change in each variable, holding the influence of the other variable constant. For example, b shows the change in total costs for a one-unit change in output, assuming that the price of labor stays the same. The coefficient of Z estimates the effect of a unit change in labor price, assuming that the rate of output is unchanged.

The multi-variable regression equation is used where demand for a commodity is deemed to be the function of many variables or in cases in which number of explanatory variables is greater than one.

The procedure of multiple regression analysis may be described as follows:

أنا. Specify the independent variables that are supposed to explain the variations in the dependent variable. For example the demand for the product will be explained by the variables that are generally taken to be the determinants of demand viz., price of the product, prices of related good, consumer's income and their tastes and preference.

For estimating the demand for durable consumer goods, (eg refrigerators, house, scooters), the other variables which are considered are availability of credit and prevailing rate of interest. For estimating demand for capital goods, the relevant variables are additional corporate investment, rate of depreciation, cost of capital goods, cost of other inputs, market rate of interest etc. These variables are treated as independent variables.

ثانيا. The second step is to collect time-series data on the independent variables.

ثالثا. Specify the form of equation that can appropriately describe the nature and extent of relationship between the dependent and independent variables.

د. The final step is to estimate the parameters in the chosen equations with the help of statistical techniques.

The form of equation and the degree of consistency of the explanatory variable in the estimated demand function determines the reliability of the demand. The greater the degree of consistency, the higher is the reliability of the estimated demand and vice versa.

Linear Function:

When the relationship between demand and its determinants is' linear the most common form of equation for estimating demand is as follows:

Dx = a + bPx + cPy + dY+ jA … (2.18)

where Dx = quantity demanded of commodity x; P= price of commodity X, Y= consumer's income; P= price of the substitute; A= advertisement expenditure; a is constant (the intercept), and b, c, d, and j are the parameters expressing the relationship between demand and Px, , Py, Y and A respectively.

In a linear function, quantity demanded changes at a constant rate with respect to change in independent variables Px, Y, Py and A. The regression coefficients are estimated by using the least square method and then, the demand can be easily forecast.

Simultaneous Equations:

The simultaneous equations method, also called the complete system approach to forecasting, is the most sophisticated econometric method of forecasting. It involves specification of a number of economic relations, one each for behavioral variable- estimation and solution of which yield the forecasting equations similar to the estimated regression equation.

One outstanding advantage of this method is that in this method we estimate the future values only predetermined variables, unlike regression equation where the value of both exogenous and endogenous variables have to be predicted. The method suffers from the demerit of complexity.

 

ترك تعليقك