基于组合预测法的新零售企业产品需求分析

宋奕飞，王杰，王陶陶

(安徽财经大学，安徽 蚌埠 233000)

随着我国消费市场的不断发展，消费模式已经逐步改变，新零售企业的生产模式为实体零售业突破困境提供了发展路径。企业通过整合创新供应链，依托互联网生产优质、多元的产品满足消费需求，形成产品的有效供给。在此背景下，零售行业出现了库存管理难度增大等问题。本文通过数据分析，运用多元回归分析法，定量分析影响产品需求量的主要因素及其影响程度，并借助组合预测方法，对新零售目标产品需求量进行精准预测，为企业调整产品结构、推动新零售行业发展和实现逆向营销提供现实依据。

一、模型设定

（一）影响产品需求量的主要因素

根据商品需求理论，影响新零售企业产品需求量的因素离不开购买欲望与购买能力。商品需求理论决定了产品的需求量，描述了影响产品需求量的各种因素以及它们之间的相互关系。在市场经济体制下，影响产品需求量的因素主要有以下五个方面。

1.产品价格

由商品价格规律可知，产品价格对供求关系具有反作用，商品的价格受供求关系的影响，以商品价值为中心上下浮动。因此，产品价格是决定产品销售量的关键性因素。

2.替代品价格

价格形成机制决定了产品的价格，描述了影响产品价格的各种因素以及它们之间的相互关系。产品之间的相互替代关系对产品的需求量产生相关影响。生产差异化的产品也是新零售企业满足消费者个性化、多元化需求的重要体现，是消费者愿意购买产品的重要原因。

3.节假日折扣

在春节、国庆节等节假日，零售企业处于产品需求的高峰期,消费者对季节性商品的价格弹性减小,对多元化、高质量的产品有明显偏好。在节假日，节假日折扣对消费者的吸引使得季节性商品的必需品属性和社会性属性价值得到充分发挥。由此可见，节假日折扣对产品销量的影响不可忽视。

4.居民可支配收入

居民可支配收入被认为是影响产品需求量的关键性因素，其能充分反映目前新零售行业销售现状。一般来说，在社会主义市场体制下，居民收入水平不断提高，消费者对产品的需求量就会增加；收入减少，则会导致产品需求量相应减少。

5.宏观经济环境。

经济发展水平与产品需求量存在着密切的关系。国民经济发展对新零售企业影响较大, 经济快速发展必然会带动产品需求量的迅速增长。

（二）变量选择

1.被解释变量。本文以安徽省某零售企业为例，选取安徽省某零售企业产品的销售量作为时间序列数据，充分反映产品需求量的变化情况。

2.解释变量。基于对上述产品需求量影响因素的定性分析，本文选取如下解释变量：产品价格（X1）、替代品价格（X2）、节假日折扣（X3），反映产品需求量的季节性波动；居民可支配收入（X4），反映居民对产品需求的购买能力；国内生产总值（X5），反映国民经济发展状况。

二、实证分析

（一）样本选取与数据处理

产品的需求量随时间变化而波动。为揭示产品需求的时间差异，以安徽省某新零售企业产品销售量为例，选取2019年1月至12月产品销售量的时间序列数据，来充分反映产品需求的变化情况，并选取2019年1月至12月产品价格、替代品价格、节假日折扣、安徽省居民可支配收入、安徽省GDP五个因素的时间序列数据。

（二）多元回归分析

为反映主要影响因素对产品需求的影响程度，建立双对数模型，模型的设定形式为：

其中，斜率βi表示自变量Y关于因变量Xi的弹性。通过比较斜率系数的大小，可以清晰地观测出各个因素对安徽省某新零售企业产品销售量影响程度的贡献率。

通过协整检验、时间序列数据的平稳性检验，表明序列之间有长期均衡关系。得到模型估计结果为：

在5%显著性水平下，模型拟合效果较好，估计的方程可以通过统计显著性和计量经济学检验。解释变量的系数绝对值越大，该变量对价格的影响越大。由此得到，各影响因素按照影响程度由大到小排序为：产品价格、可支配收入、节假日折扣、宏观经济环境与替代品价格。可见，产品价格是影响产品需求的关键因素，是决定企业供应链管理的核心内容，对销售量必然产生影响，且与产品销量呈反向变动关系。

（三）建立时间序列模型

因为时间序列分析模型是根据分析时序数据的历史规律来计算预测值，又由各因素与目标小类的时序图可得出各序列都为非平稳序列，且都有周期性。因此，建立简单季节性ARIMA模型，通过加法关系将序列中的季节效应和其他效应建立联系。

采用简单低阶差分提取趋势信息，周期步长差分提取趋势信息，之后进行拟合。

其中，D为周期步长，d为使之成为平稳时间序列所做的差分次数（阶数）。ΘB=1-θ1B-∧-θqBq为q阶气功平均系数多项式，Φ (B)=1-Φ1B-∧-ΦPBP为q阶自回归多项式；{εt}为白噪声序列，E(εt)=0,Var(εt)=σε2。 简单季节模型也可表示为ARIMA(P,(d,D),Q)。通过白噪声检验判断残差序列中是否存有信息，根据优良拟合模型应该提取时间序列中的较多信息的原则，残差序列应为白噪声序列。

（四）建立组合预测模型

由于不同的预测方法所包含的信息不一致，为了得到良好的预测效果，有必要对已有的预测模型进行分类和组合。本文将多元统计模型与时间序列模型构成一个组合模型，并且赋予两种预测值不相同的权数，即采用不等权组合的方法，使得组合模型的预测结果更加准确。

运用误差平方和倒数法，预测结果的误差平方和是衡量预测精度的指标之一。良好的预测模型应有一个较小的误差，因此模型的一般形式如下。

根据产品销售量的时序图进行差分运算，再根据差分后产品销售量的ACF图和PACF图进行定阶。使用MATLAB求解模型，比较各可能参数构成的模型的AIC，最终取得最小的AIC对应的参数。根据预测结果与真实值计算得到平均百分比误差，得到模型的拟合效果。

三、结论及建议

（一）结论

分析表明，产品价格对产品需求量的影响最为显著。在互联网经济背景下，新零售企业要提高企业竞争力，应从加强产品需求管理、多元化销售入手，实施供应链整合和创新战略。对于目前新零售企业来说，需求管理存在缺陷，运营效率低下，库存产品积压问题严重，在提高产品需求量预测的过程中要保持对产品质量的控制。消费市场目前正向多元化、自主化方向发展，新零售企业应根据自身的生产条件满足不同的市场需求，注重市场经营，提高企业自身应对市场风险的能力。在合理调整产品结构的基础上，企业要不断努力提升市场竞争力。

（二）建议

针对以上结论，为保障我国未来新零售市场的平稳发展，促进新零售企业的可持续发展，产品需求量公允反映市场变动，进一步推动实体商业创新转型，可从以下五个方面提出建议。

1.加快电子商务设施建设，推进实体经济转型

电子商务设施持续稳定的建设离不开相关资源的不断投入，要从总体上推动电子商务的稳定发展，为新零售行业注入源源不断的动力。需要逐步完善零售商业网络系统，建立高效物流数据平台，推动新零售企业效率的提高和产品结构的完善，提高消费者的购物体验感。加速发展新金融，紧系连接消费与零售的纽带，在零售过程中满足消费者的服务需求，借助大数据、物联网与云计算，不断升级消费服务，构建高效智能的零售服务体系，为实体经济转型提供路径。

2.给予行业优惠政策，培养新零售人才

在政策方面，应给予新零售行业相关政策优惠，根据企业规模与营业年收入，将新零售企业划分为若干等级，对不同等级规定相应税率，鼓励中小型零售企业发展，减轻新兴零售企业税收负担。随着人工智能和大数据时代的到来，新零售行业中许多职业岗位面临被取代的现状，数据获取与物流营运将被机器学习所替代，培养创新型人才，将推动新零售行业的升级，是实体零售转型发展的关键所在。创新企业内部管理机制和员工激励制度，为新零售企业的创新发展和科学管理提供生命力。

3.不断升级产业供应链，实现有效供给

供应链升级能有效促进零售产业转型，改善行业结构，实现有效供给起着重要作用。满足消费者的多元化需求，生产相匹配的产品，需要逐步加强对供应链的整合和拓展，实现上下游供产销一体化建设，提高新零售行业发展水平。借助电子商务的高效性，实现不同行业间资源的整合，从供应链角度改变零售产业的经营模式，推动新零售行业经济增长。

4.整合零售渠道，减少交易成本

整合零售渠道，实现区域业务融合，实现线上、线下高效互动，形成一体化战略布局，调整实体经营结构，由需求侧转向供给侧，形成实体门店智能化。同时，要拓展线上零售渠道，实现互联网经济与实体门店全覆盖，分析消费者购买数据，利用行为数据个性化推荐产品，使新零售行业面向未来。在监督和治理上，政府应重点加强对产品质量安全和环境保护的监管，借助监管体制改革创新，实现行政手段与法律、技术等手段并举，注重商品和服务，依托公开公平公正的市场竞争规则，建立良好的市场环境秩序。发挥鼓励与引导作用，补齐新零售行业发展的制度短板，从政府治理层面减少交易成本。

5.优化资源配置结构，提高企业经济效益

新零售行业发展受到地域经济发展水平的制约，存在地域差异。因此，要不断优化零售产业资源配置，改善资源配置的空间结构。东部沿海地区，在逐步提升电子商务资源质量的基础上，发展优质的零售服务；中西部地区，应优先推进电子商务设施建设，提高资源的投入效率，实现新零售行业与区域经济协调发展。良好的经济效益是新零售行业发展的目标，提高经济效益需要生产优质、多元的产品满足消费需求，加强库存管理，降低产品成本，提高销售能力，使得营业收入不断增长，经济效益逐步提升。