《水产养殖企业的经营预测和决策.pptx》由会员分享，可在线阅读，更多相关《水产养殖企业的经营预测和决策.pptx（80页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第四章 水产养殖企业的经营预测与经营决策第一节 水产养殖企业的经营预测一、经营预测的重要性及其基本原则（一）经营预测的重要性预测是以各种信息资料为依据，以正确的理论为指导，以数学方法为手段的一种科学判断和分析方法。水产养殖企业经营预测包括：水产品市场预测；渔业生产预测；企业经营成果预测；水产技术预测等。预测的重要意义：通过科学的预测可以掌握企业生产经营活动的变化动态和发展趋势，为企业提供市场需求变化的动态信息，使企业最高决策层预知市场将为企业提供什么机会或造成什么危险，以便及早做出应变的对策；为企业制定经营目标和战略计划提供依据，便于企业进行生产组织和生产决策；为 企业经营成果提供指示器，便于
2、企业进行自我诊断和自我调整；为水产科学技术进步做出分析和评价，便于企业推广应用新技术成果和进行技术改造。（二）经营预测的基本原则1、科学性原则2、广泛性原则3、时间性原则4、经常性原则二、市场调查（一）市场调查的基本内容和要求1、市场调查的基本内容（1）消费需求的调查研究（2）市场经营条件的调查研究（3）水产品商品分析2、市场调查的要求（二）市场调查的组织工作1、选择市场调查题目2、确定搜集资料的范围和方式3、调查表和问卷的设计4、抽样设计5、实施调查6、整理与分析调查资料7、提出调查报告8、追踪回访（三）市场调查的方法1、询问法：常用的有个别面谈、集体面谈，通讯调查、留置问卷等。2、观察法：
3、有直接观察、行为记录等。3、实验法：有自设门市、市场试销实验等。三、经营预测的方法（一）简便的预测方法1、百分比率法计算公式：Y=BBS式中：Y下一年度销售预测值 B本年度销售实际 S上年度销售实际例1、某水产养殖企业上年度某种水产品销售额为170万元，本年度为210元，请预测下一年度销售额？解：Y=BBS=210210 170 =259.92(万元）即下一年度某产品销售额预计为259.92万元。2、平均法将预测期以前的若干时期销售量相加，求其平均值，作为下一期的预测值。简单平均法：-时间序列数据预测值。-时间序列数据的平均值。ai-各期的实际销售额。N-使用资料的期数。例2、某水产养殖场近年
4、来水产品销售额资料如下表，求1993年预期销售额？表：年份198419851986198719881989199019911992销售额150200220230340250300330340 解：用简单平均法预测：=（150+200+220+230+340+250+300+330+340）9=236.2（万元）即1993年预测销售额为263.2万元。（二）直观的预测方法常用的有场长（经理）评判法、综合判断综合判断法法、直接调查法、专家预见法等。例3.某水产养殖总公司三位有经验的高级管理人员对该公司下一年度销售额判断以后做出预测估计，资料如下表。表人员管理人员甲管理人员乙管理人员丙预测销售额（万
5、元）最高可能最低最高可能最低最高可能最低230150120280200150200160100预测概率0.30.50.20.30.60.1 0.3 0.40.3期望值168219154三位管理人员预测的平均期望值为：=(168+219+154)3=180.3(万元）则该公司决策人员可根据此平均期望值，作为本公司下一年度销售的预测值。（三）外推的预测方法1、移动平均数预测法（1）简单移动平均数预测法t+1时段的预测值。-t时段的算术移动平均值。-t时段及t之前各期的实际值。n-移动平均的时期长度。可以是3、5或其他正整数。例4.某水产养殖场近年来水产品销售额资料见表3年份19841985 198
6、6 1987 1988 1989 199019911992序号123456789销售额150200220230340250300330340三期移动平均数190216.7263.3273.3296.7293.3323.3预测值190216.7263.3273.3296.7293.3计算三期移动平均数依此类推，可求出各期移动平均数和预测值，结果填入表中。(2)加权移动平均预测法用近期的经济资料能更多地反映经济变化的趋势，故在计算移动平均数时，给予近期资料较大的权数，给予远期资料较小的权数。权数的确定：用n表示最近一期权数，依次减1为前面各期权数。如三期，3、2、1 五期，5、4、3、2、1公式：
7、例5.仍用表3数据计算加权移动平均预测法。解：依此类推，将结果填入表4表4 加权移动平均预测计算表年份198419851986198719881989199019911992销售额150200220230340250300330340三期移动平均201.7221.7283.3276.7290306.7330预测值201.7221.7283.3276.7290306.72、指数平滑法模型：式中：-t+1时段的预测值。-t时段的实际值。-t时段的预测值。权数。且1+（1-）=1用文字表述模型就是t+1时段的预测值，是上一时段t的实际值和预测值的加权平均。运用指数平滑法的关键在于选取值当=0时，当=
8、1时，这就是说-即重视的作用。-即重视(上期实际值）的作用。要根据时间序列的变动规律确定值。在实际预测过程中，预测值的初始值也是由预测者估计和指定的。（1）以时间序列最初的一个值作为预测的初始值;（2）以时间序列若干期实际值的平均数作为预测初始值。例例6.6.仍以表仍以表3 3数据为例，同时为了比较数据为例，同时为了比较 取何值更合取何值更合适，分别取适，分别取=0.1=0.1和和=0.9=0.9，以第一期的实际值作为，以第一期的实际值作为预测初始值，将计算结果分别填入表预测初始值，将计算结果分别填入表5.5.年份1198419851986198719881989199019911992合计平
9、均实际值2150200220230340250300330340预测值A 3150155161.5168.4185.5192202.8215.5预测值B 4150195217.5228.8328.9257.9295.8326.6绝对误差A 5506568.5171.664.5108127.2124.5778.397.3绝对误差B 6502512.5111.278.942.134.213.4367.345.9平方误差A 72500422546922944741601166416180155008836811046平方误差B 825006251561236562251772117018024993
10、3124表5中第5和第6、第7和第8行分别按平均绝对误差和平均平方误差计算了=0.1和=0.9时的预测误差，预测误差越小，说明预测越精确。计算结果表明，=0.9时，两种误差均小于=0.1，因此，取=0.9作为预测的权数。3、直线趋势预测法数学模型：式中：-预测值t-观察期数a,b 预测参数。采用这一方法的前提是，时间序列的逐期增减量大致相同。即时间序列的发展趋势是一条拟合直线。关键是求出参数a,b,通过直线回归方程导出。并对a,b求偏导数，得为了计算方便，采用简捷法求a,b值。简捷法求a,b值当时间序列为奇数项时，以时间序列正中一期为原点，该期为0，原点前各期为 -1，-2，-3;原点后各期为
11、1，2，3，。当时间序列为偶数项时，原点应在时间序列中间两期之间，-5，-3，-1，0，1，3，5，使得于是，方程组为例：仍以表3数据为例。时间（年度1984198519861987198819891990199119921502002202303402503003303402380-4-3-2-1012340-600-600-440-2300250600990136013301694101491660将表中有关数据代入a,b两参数的计算公式得：将a,b值代入方程，则直线趋势预测模型为：现要预测1993年度和1994年度的水产品销售额，t分别为5和6，代入上式。1993年的预测值1994年的预
12、测值4.季节预测法水产品的季节预测是由它的生产和消费的季节性决定的。如鲜鱼生产一般是春季孵化放养，秋季捕捞上市，这种生产的季节性就形成了消费的季节性。季节变动的特点：（1）有规律的；（2）每年重复的；（3）各年变动幅度相差不大。季节模型由一套指标组成，若是按月排列的资料，由12个指标组成；按季排列的资料，由4个指标组成。季节变动预测是通过计算季节变动指数进行预测，季节变动指数的计算有好几种方法，我们只介绍季节变差一种。例例8 8、下表数字代表某地农贸市场上鲜鱼的三年成交、下表数字代表某地农贸市场上鲜鱼的三年成交量，现要求预测下年度各月的成交量。量，现要求预测下年度各月的成交量。月年123456
13、789101112合计198759.155.050.246.946.246.146.547.249.558.164.466.2635.4198865.663.259.255.754.353.754.054.856.362.669.171.9720.4198972.570.36968.266.964.16767.96971.774.578.8839.9上表显示，鲜鱼成交量在10月份至翌年的元月份是销售旺季，从分年度看，1988年销售量1987年，而1989年又1988年，这说明鲜鱼成交量不仅在年内表现为有规律的季节变动，而且在年际间表现为呈上升的趋势变化。计算步骤：计算步骤：（1 1）首先用直线
14、趋势预测法求得趋势值，见计算表）首先用直线趋势预测法求得趋势值，见计算表年份t全年收购量（y)t2ty趋势值1987-1635.41-635.4629.6419880720.400731.9119891839.91839.9834.18合计02195.72204.52195.73求出 a=y/n=2195.7/3=931.9 b=ty/t2=204.5/2=102.25预测公式为：=731.9+102.25t1990年年成交量预测值 t=2=731.9+102.252=936.4由于要预测下一年各月的成交量，计算月平均月平均趋势值=936.4/12=78.033季节变差=同月平均数-月总平均数
15、（3）进行预测 各月预测值=月平均预测值+季节变差 下一年度元月份预测值=78.033+4.65=82.69 依次类推，得到1990年各月份预测值，填入表中。(2)计算季节变差，采用列表计算，见下表月份123456789101112平均198759.155.050.046.946.246.146.547.249.558.164.466.2198865.663.259.255.754.353.754.054.856.362.669.171.9198972.570.36968.266.964.16767.96971.774.578.8同月平均数65.7362.8359.4756.9356.9354
16、.6355.8356.6358.2764.1369.3372.361.08季节变差4.651.75-1.61-4.15-4.15-6.45-5.25-4.45-2.813.058.2511.22月预测值82.6979.7976.4373.8973.8971.5972.7973.5975.2381.0986.2989.26（四）因果预测法A、一元线性回归 1、什么叫回归 回归分析是研究变量和变量之间的依赖关系的一种数学方法。研究两个变量之间的关系一元回归分析。研究三个或三个以上变量间的关系多元回归分析。线性回归分析是（1）判别变量之间是否具有线性相关关系；（2）研究其线性相关的密切程度；（3）如
17、何确定变量之间的线性表达式的一种分析方法。2、一元线性回归的几何直观3、回归方程的求法 用（xi,yi)(i=1,2,N)表示N组经济数据，并用表示所要构造的回归方程。当x=xi时，y的实际值为yi，而利用这个 方程计算出来的值为如果令表示y的实际值与计算值之间的误差，即(i=1,2,N)定义总误差Q为它是N个实际数据与回归方程的计算值的误差平方和，而回归直线就是所有直线中，误差的平方和Q为最小的一条直线。要使Q值达到极小，其必要条件是它对a和b的一阶偏导数等于0，即也即-由式得到用X表示,Y表示XY表示故-若记的平均值为的平均值为，则式可以写为-由式可以得到故-若记；则式可写为-定义叫做X的
18、离差平方和。叫做X、Y的离差乘积之和。这样，就构造出来了。为计算方便，B、线性回归效果的检验1、方差分析 离差-总离差-定义总离差平方和 由于所以将右端展开，得可证明所以，为构造回归直线的总误差。表示因变量Y的实际值与回归方程的计算值间的误差平方和。除了X对Y线性影响之外的一切因素对Y的离差引起的。回归值与平均值之差的平方和。反映了总离差中由于X与Y的线性关系而引起的Y的变化部分。2、相关系数及显著性检验从U和Q的含义推论：在Lyy中，回归平方和所占比重越大，回归的效果越好。U回归效果好。Q回归效果差。令用r2表示回归平方和在总离差平方和中所占比重。由于 将代入 所以又由于U是Lyy的一部分，
19、而Q0，故ULyy因此，r21 是检验回归效果好坏的重要指标。在数理统计中一般使用指标r即-1r1-称为相关系数。实际问题提出后，在做回归之前，首先用r检验回归效果。讨论r取不同值的含义当r=+1或r=-1时，变量x和y完全线性相关。当xy x与y正相关；当xy x与y负相关。当r=0时，x与y完全没有线性相关关系，称完全线性不相关。这时因 故 b=0即所配回归直线与x轴平等。在大多数情况下，0r1，这就要在相关系数检验表中得到一个最低的标准。当实际问题中计算所得的r绝对值大于或等于表中相应的r最低标准时，说明这个实际问题可以构造出较好效果的回归直线方程。一般把相关的紧密程度分为：0r 0.4
20、 称为不相关或低度相关；0.4r0.7 称为中度相关；0.7 r 1 称为强相关。例 表中是关于11幢出租房屋的一个样本。年代x(年）31257819102215825每周租金y(元）5032403345133014285126在这里把年代作为自变量x,每周租金作为因变量y.作出散点图图中每一点都代表一个样本，从图中可以看出，当年代x租金y,它们之间大致有一个线性关系，它是一种带有随机性的线性关系。既然x与y有一种线性关系，则可用来近似表示两者之间的关系。本例经计算，回归方程为计算表年代X（年）31257819102215825134租金Y（元）503240334513301428512636
21、2XY1503842002313602473003084204086503658X29144254964361100484225646252150Y225001024160010892025169900196784260167613564由表计算相关系数及各个离差平方和，计算过程通过下表进行编号1234567891011-9.18182-0.18182-7.18182-5.18182-4.181826.81818-2.181829.818182.81818-4.1818212.8181817.09091-0.909097.90910.0909112.0909-19.9091-2.9091-18
22、.9091-4.90918.09091-6.9091-156.92560.1653-56.8017-0.4710-50.5620-135.74386.3471-185.6529-13.8347-75.6529-88.5621-757.694384.30580.0330651.578526.851317.487646.48764.760396.39677.942117.4876164.3057517.6363292.09920.826462.55390.0083146.1901396.37198.4628357.553724.0992327.281047.73551663.182从表中得到r2=
23、0.6668故房屋年代与租金的方差分析结果可以由下表表示离差名称平方和自由度方差总离差平方和N-1=10回归平方和1剩余平方和N-2=9C、化曲线为直线的回归问题在实际经济活动中，有时两个变量之间的相关关系不是线性的，而是非线性的。在很多情况下，非线性回归问题可以通过变量替换成形式上的线性回归问题。再把变量替换还原就可以得到所需的曲线方程。一、首先确定所要配的曲线类型1、根据理论分析及过去经验来确定变量X和Y之间的函数类型；2、根据变量X和Y的统计数据，利用计算机对各种函数类型一一进行试算，从中选择拟合程度最好的一种。3、利用作图方法，画出变量X和Y的散点图，然后由图形上分析哪种曲线最合适。（
24、在数据较少时使用）二、一些常用的曲线图型及相应变量替换公式列举如下：1、双曲线函数 Y=a+b/x 变量替换，令X*=1/X 则有Y=a+bX*2、指数函数 Y=debx 变量替换，令Y*=lny,a=lnd 则有Y*=a+bx3、指数函数 Y=de b/x 变量替换，令Y*=lnY,X*=1/X,a=lnd 则有 Y*=a+bX*4、对数函数 Y=a+blogX 变量替换，令X*=logX 则有 Y=a+bX*5、幂函数 Y=dXb 令Y*=logY,X*=logX,a=logd 则有 Y*=a+bX*6、S型曲线 Y=1/(a+be-x)变量替换，令Y*=1/Y,X*=e-x则有 Y*=a
25、+bX*D、多元线性回归1、多元线性回归方程的求法 设影响因变量的因素共有K个，共有N组数据，即Ys,X1s,X2s,Xks(s=1,2,N)b0为常数项，bi(i=1,2,k)分别为Y对X1,X2,Xk的回归系数。要确定b0,b1,b2,bk,使得总误差达到最小。根据极值原理，分别对b0,b1,bk求偏导数，并使之为零。令得-Lij,Liy都是已知数，由，式可以求出回归方程2、多元线性回归分析方差分析剩余平方和，除去K个自变量的线性影响之外的其它因素的影响。回归平方和，表示所有的K个自变量对Y的离差总影响。与一元线性回归一样，U/Lyy回归效果好。计算出的F值可以对整个回归进行显著性检验。将计算的F值与F分布表中的相应值进行比较，若FF（k,N-k-1)，则说明回归显著。显著水平：=0.1，=0.05，=0.013、相关系数复相关系数R反映Y与X1，Xk的线性关系密切程度。偏相关系数：在除去其它变量影响情况下，衡量变量Y与自变量X1，X2，Xk中某一个变量之间相关关系是否密切的一种指标。偏相关系数当K=2时，其计算公式如下Ry2.1表示在除去变量X1的影响以后，Y与X2之间的相关关系。Ry1.2表示在除去变量X2的影响以后，Y与X1之间的相关关系。