多元回归模型在鄂尔多斯市烟草需求预测中的应用

刘新宇

一、内蒙古烟草行业现状

内蒙古烟草行业是国有独资经营卷烟零售批发的中央企业，2006年卷烟销售85.65万箱，销售金额98.3亿元，利润10.51亿元，税金3.63亿元，达到历史最高水平，随着国家烟草专卖局改革的步伐不断加快，营销模式的不断精细化，管理体系的扁平化，卷烟营销网络系统己经成为自治区烟草行业的支撑系统。以库存卷烟为基础，利用呼叫中心对零售户进行订单采集，通过物流配送中心将卷烟送达零售户，从而完成卷烟销售的整个流程。

目前，内蒙古烟草的卷烟销售的预测主要靠人工方式进行，即客户经理预测、市场部预测、营销中心预测数据加权平均。一方面这种预测方式效率比较低，数据的及时性比较差；另一方面，这种预测方式具有较大的人为的不确定性。同时，由于销售烟草行业具有计划性的经营特征，使得销售数据预测方面存在相对不全面的问题。根据有关文献的报道，目前国内烟草行业卷烟销售、购进的预测数据中，畅销卷烟的购进预测准确性只能够达到50%左右。

二、需求预测的必要性

卷烟需求预测能够帮助烟草企业及时分析卷烟市场信息，了解消费者的需求，制定有效的营销策略，并为工业企业组织货源提供依据，降低库存成本，实现烟草供应链上各企业信息共享。

（一）有利于进行市场分析和制定有效的营销策略

通过预测和分析卷烟需求的趋势和变化情况，对烟草企业的营销活动提供决策支持，从而科学、合理地进行卷烟销售活动。并且，可以进一步增强烟草企业对市场和产品变化的反应能力，提高企业的产品质量，尽可能地降低成本，使得烟草企业的经济效益最大化。

（二）为组织货源提供依据

科学地实施预测能够真实反映市场需求，而根据预测的结果又可以制定合理的营销策略和精确的要货计划，为组织货源提供可靠的依据。

（三）库存管理合理化，降低库存成本

把定性和定量预测方法相结合来预测卷烟的需求量，并根据烟草生产企业提

供的最小订货批量，制定合理的订货周期和订货批量，以提高库存周转率，降低库存风险，减少库存成本，使得烟草企业获得最大的利润。

三、回归分析预测法简介

在社会经济活动中，经济现象之间客观地存在着各种各样的有机联系，这种联系经常表现为数量上的相互依存关系。回归分析预测法就是从各种经济现象之间的因果关系出发，通过分析与预测对象有联系的现象变动趋势，推算预测对象未来数量状态的一种预测方法。常用的方法有一元线性回归、多元线性回归和非线性回归预测法。

（一）一元线性回归预测法

一元回归预测也称单因素预测。社会经济现象的发展变化一般都受多种因素的影响，但如果影响预测对象的是一个因素，或诸多因素中有一个因素是基本的、起决定性的作用，那么就可以考虑应用一元回归方程模拟预测对象的发展变化规律，进而估计预测对象未来变化趋势。一元线性回归模型是最简单的线性回归模型，是回归分析预测法的基础。一元线性回归模型的一般形式为

线性回归模型建立后，还需要通过进一步检验才能确定该模型能否客观揭示所研究的经济现象中诸因素之间的关系，能否用于实际预测。一元线性回归模型的检验包括经济意义检验、统计检验和计量经济学检验。

（二）多元线性回归预测法

由于经济现象的复杂性，某一经济变量往往受到多种因素的影响，仅用一元线性回归模型尝尝难以解决复杂的经济问题，因此必须使用多元线性回归模型。多元线性回归模型的构造原理与一元线性回归模型的构造原理基木相同，其一般形式为

四、预测模型的建立及修正

本文采用的方法便是多元回归预测法，在说明方法之前，先说几个小问题：

（一）品类划分

本模型是建立在对卷烟价格和客户双重分类基础之上的，鄂尔多斯市由于其特有的发展模式，将卷烟大概分为了9个价格区间，将客户按照一定依据分为27类户型，本文主要分析的是B3类户在（50，70）价格区间内销售量的月度预测。

（二）数据整理

将调回的烟草公司数据进行整理，整理出B3类用户的月销售数据，做成以下表格：

（三）模型的确立

根据以往对影响卷烟销售因素的分析，上月销量及季节因素是影响本月销量的主要因素，因此，我们确立了如下的回归方程：

式中， ：某月月卷烟需求量，按照月为单位收集历史需求量数据；

t： 时间变量趋势序列变量，取值从1开始，后面依次为2、3、4…；

：上一个月卷烟需求量；

：是虚拟变量，即所处的月份是不是2月，如果是，则其取值为1，否则为0；

、 ：是虚拟变量，同；

：误差项。

（四）模型的计算

通过SPSS对模型的计算，得出了如下方程系数：

由于决定系数为0.991，可见模型对实际情况是拟合的很好的。但是由于sig值普遍偏大，所以说对于解释变量的选择不太恰当。

（五）模型的实际应用

根据测算出的系数，比如想要预测10月份的数据，

Y10=47321.348-0.085*34474-940*10=34990，而10月份真正的销售额是31622；

Y9=47321-0.085*38486—940*9-653=34938，而9月份的真实销量是34474；

可见方程的拟合度是不错的，但是由于sig值偏大，所以需要对方程进行改进。

（六）模型的改进

剔除掉上一个模型中sig值偏大的解释变量，可见上述变量的sig值几乎全都偏大，也即对此模型中的解释变量并不能很好的解释因变量，因而不得不并加入一个新的解释变量， 表示去年同期的销量，我们得出下边的模型。对模型用spss软件进行回归分析，有如下结果：

F值为137.921，所以方程通过F检验，并且sig=0，说明新的解释变量对因变量解释性很好。

五、总结

本文主要以鄂尔多斯市烟草需求作为解决问题的背景，引用了2010年及2009年的相关数据，通过建立多元的回归模型及对模型的修正，对烟草销售进行了预测，达到了满意的效果。由于现行V3系统预测仍然采用人工预测法，精度很差，而采用计量经济学的方法能提高预测精度，本文先建立多元回归模型，引入13个解释变量，通过第一次回归分析淘汰了若干变量，发现人们的经验分析，即我们所用的解释变量的显著性不高，但是它有不错的拟合度，可以进行初步的预测。为了提高显著性，在进行第二次回归分析时不得不引入新的解释变量去年同期变量，发现次变量对方程解释很好，最终通过了所有检验，得到了所需的方程。

责任编辑：张莉莉