1、餐饮业区域市场潜力的影响因素分析沈枫霄 40205020 米积先 40205029 马如东 40205059 陆峰华 40205032 李奎 40205001 董根炜 40205015 【摘要】众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。对于一个企业来说，如果考虑对一个地区进行投资，那么该地区的区域市场潜力将是首要考虑的因素之一。本文旨在对近二十年我国四川省的餐饮业销售额及其影响因素进行实证分析来探索评估区域市场潜力的方法以为公司投资决策做参考。首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收
2、集了相关的数据，利用 EVIEWS 软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。【关键词】餐饮业零售额 居民消费水平 社会消费品零售总额 人口总数 EVIEWS软件 市场需求 一 引言我国提出西部开发已经有好几年了，现在，大多数行业在发展的同时都会特别提到西部地区的发展情况。西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。市场需求量的测量是企业制定正确营销战略的前提条件。在激烈市场竞争中，如果哪家企业能正确估
3、计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。而我们建模的目的就是通过对四川省某行业（餐饮业）的消费进行调查和预测以便于任何一家四川省的该行业企业或打算对四川该行业进行投资的企业做决策。另外，就某一行业分析，近几年四川省餐饮业市场红火。今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不
4、断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。因此，我们选择四川省的餐饮业进行建模。二 经济理论陈述本次建模我们主要运用市场需求理论，下面进行具体陈述：（1） 市场需求的层次在市场营销活动中常谈到一个产品是否“有市场” 。营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。这四个不同的市场名词各代表不同的含义及大小。依市场需求量的大小，其关系可表示为：潜在市场=有效市场=服务市场=渗透市场对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。（2） 市场需求
5、调查中的“需求”的含义某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。（3） 市场需求的基本内容 市场需求测量，可以根据测量所要达到的目的及所需的条件从多层次多侧面进行。在企业实践中，可以根据测量对象在发生时间上的不同，把需求测量分为两大类型，即对目前需求的估量和对未来需求的预测。通常情况下，对未来需求的预测比对目前需求的估量要复杂和困难的多，而且预测的时距越长越困难。三 计量经济模型的建立根据上述需求理论中的基本概念，我们分析影响区域市场潜量的主要因素有区域社会消费品零售总额，区域人均消费水平和区域总人口数。由此建立了如下的计量经济学模型：
6、Y=C+1x1+2X2+3x3+Ui其中 Y 表示四川省餐饮业零售额，x1 表示四川省人均消费水平，x2 表示社会消费品零售总额，x3 表示四川省人口数，单位分别为万元、元/人、万元和万人。C、1、2、3 表示要估计的参数，Ui 表示随机扰动向扰动项，代表了影响 Y 的其他因素。四 相关数据收集1 数据来源说明：本文数据除 1986 年外均摘自1998 年四川统计年（因 1986 年数据缺失，而采用了1991 年四川统计年鉴的 86 年数据进行换算） ，数据口径基本一致。2 数据的收集情况：采用时间序列数据（19781997） ，具体情况见附表 1。 五 模型的参数估计、检验及修正1. 模型的
7、参数估计及其经济意义、统计推断的检验我们用 EVIEWS 软件和最小二乘法对数据进行回归分析(见附表二)，可得方程如下：Y = 1861350 - 437.6427X1 + 0.1921X2 265.5488X3 + Ui(391927.4) (321.9169) (0.053366) (54.17442)t=（4.749222） （-1.35949 ） （3.599652） （-4.901738）R2 =0.986064 F=377.3720由 F=377.372F0.05(3,16)=3.24(显著性水平 a=0.05),表明模型从整体上看四川省餐饮销售量与解释变量之间线性关系显著。但 X
8、1，X3 系数的符号与经济意义相悖，从经济意义上讲，餐饮业区域销售量应随着区域总人口和区域人均消费水平的增加而增加。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。2. 计量经济学检验 （1）多重共线性检验用 EVIEWS 软件，得相关系数矩阵表X1 X2 X3X1 1.000000 0.998618 0.892967X2 0.998618 1.000000 0.886325X3 0.892967 0.886325 1.000000由上表可以看出，解释变量 X1 与 X2 、X 1 与 X3 、 X2 与 X3 之间的相关系数都较大，可见存在严重的多重共线性。在经济
9、意义上，人均消费水平，区域社会消费品零售总额，人口多寡都与经济的发展密切相关，这使得他们之间的相关性很强。下面我们利用逐步回归法（变量剔除法）进行修正（见附表三、四、五）：Y=2025316.+ 0.119993x2-289.3563x3t (5.3005) (19.8602) (-5.5085)R2=0.9845 F=538.2767Y=-58298.9 +0.251898x2-947.7207x1(-2.4730) (3.1598) (-2.0274)R2=0.9651 F=235.3099Y=-77977.08 +0.0905x2(-3.3515) (19.9442) R2=0.9567
10、 F=397.7711此时，修正可决系数开始下降，但所有参数的 t 值都已经比较显著，故不再删除变量，选择此模型为修正后的模型。（2） 异方差检验（Goldfeld-Quandt 检验，具体数据见附表六，七）在 procs 中选定 sort series,键入 x2.。在 sample 中定义时间为19781985，然后用 ols 法求得：Y=22801.01+0.038768x2(8733.607) (0.007029)R2=0.835241 e12=3.36e+08Y-277572.8+0.113425x2(75883.50) (0.009234)R2=0.967922 e22=2.65e
11、+10求 F 统计量： Fe22/e12 78.86905在给定显著性水平 a0.05 时，比较得 F78.869054.28，则表明存在异方差。下面我们用对数变换法进行修正（见附表八）修正后的方程为：Y -4.159209+1.091890x2（0.707612） （0.047738）R20.966738 F523.1632此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及 F 值也稍有提高。（3）自相关检验由附表八得 d0.400126，在显著水平 =0.05 下，查表 n=20，k=1 时，DL =1.201，du=1.411 ，由于 d=0.400126DL=1.201，表明
12、该模型中的误差序列存在一阶自相关。下面用广义差分法进行修正，由 d=0.400126，计算出 =1-d/2=0.799937，构造差分模型并估计，得 DLY=-1.746574+1.387530DLX2t=(-4.347077) (10.72852) =0.863741 F=115.1101 DW=1.9960492R发现经过广义差分法修正后，DW 值有所提高，不存在自相关六 结论可见，由模型得出，尽管从经济背景分析来看，居民人均消费水平和区域人口总数会影响区域餐饮业销售额，但实证分析表明，四川省餐饮业销售额主要取决于四川省社会消费品零售总额。 附表 1obs Y(万元) X1（元/人） X2
13、（万元） X3（万人）1978 41245 149.93 615837 7071.91979 60989 163.28 774058 7120.51980 51175 184.86 879090 7154.81981 69097 201.57 1191331 7215.61982 73262 213.93 1263139 7300.41983 80374 239.12 1385766 7336.91984 94153 272.26 1623342 7364.01985 79348 320.44 1740025 7419.31986 96034 342.92 2017754 7511.91987
14、 117778 395.98 2318403 7613.21988 151113 491.53 3005535 7716.41989 170102 555.77 3284198 7803.21990 195884 654.20 3398651 7892.51991 220437 712.99 3877233 7947.81992 259679 800.18 4534259 7992.21993 342233 997.87 5548467 8037.41994 476264 1330.19 7247408 8098.71995 698435 1610.08 9363651 8161.21996
15、942513 1859.92 10914485 8215.41997 1198065 2050.00 12123699 8264.7附表 2Dependent Variable: YMethod: Least SquaresDate: 05/20/05 Time: 22:44Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 1861350. 391927.4 4.749222 0.0002X1 -437.6427 321.9169 -1.359490 0.1
16、928X2 0.192100 0.053366 3.599652 0.0024X3 -265.5488 54.17442 -4.901738 0.0002R-squared 0.986064 Mean dependent var 270909.0Adjusted R-squared 0.983451 S.D. dependent var 320910.0S.E. of regression 41282.61 Akaike info criterion 24.27113Sum squared resid 2.73E+10 Schwarz criterion 24.47027Log likelih
17、ood -238.7113 F-statistic 377.3720Durbin-Watson stat 1.165475 Prob(F-statistic) 0.000000附表 3Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 09:43Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 2025316. 382098.2 5.300512 0.0001X2 0.119993 0
18、.006042 19.86015 0.0000X3 -289.3563 52.52932 -5.508472 0.0000R-squared 0.984454 Mean dependent var 270909.0Adjusted R-squared 0.982625 S.D. dependent var 320910.0S.E. of regression 42299.97 Akaike info criterion 24.28044Sum squared resid 3.04E+10 Schwarz criterion 24.42980Log likelihood -239.8044 F-
19、statistic 538.2767Durbin-Watson stat 0.947258 Prob(F-statistic) 0.000000附表 4Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 13:30Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C -58298.90 23574.56 -2.472958 0.0243X1 -947.7207 467.4451 -2.02
20、7448 0.0586X2 0.251898 0.079719 3.159814 0.0057R-squared 0.965137 Mean dependent var 270909.0Adjusted R-squared 0.961035 S.D. dependent var 320910.0S.E. of regression 63346.03 Akaike info criterion 25.08809Sum squared resid 6.82E+10 Schwarz criterion 25.23745Log likelihood -247.8809 F-statistic 235.
21、3099Durbin-Watson stat 0.671669 Prob(F-statistic) 0.000000附表 5Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 09:52Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C -77977.08 23266.21 -3.351516 0.0036X2 0.090495 0.004537 19.94420 0.0000R-squ
22、ared 0.956707 Mean dependent var 270909.0Adjusted R-squared 0.954302 S.D. dependent var 320910.0S.E. of regression 68601.39 Akaike info criterion 25.20465Sum squared resid 8.47E+10 Schwarz criterion 25.30423Log likelihood -250.0465 F-statistic 397.7711Durbin-Watson stat 0.433612 Prob(F-statistic) 0.
23、000000附表 6Method: Least SquaresDate: 05/21/05 Time: 22:31Sample: 1978 1985Included observations: 8Variable Coefficient Std. Error t-Statistic Prob. C 22801.01 8733.607 2.610721 0.0401X2 0.038768 0.007029 5.515153 0.0015R-squared 0.835241 Mean dependent var 68705.38Adjusted R-squared 0.807782S.D. dep
24、endent var 17066.46S.E. of regression 7482.401Akaike info criterion 20.89081Sum squared resid 3.36E+08 Schwarz criterion 20.91067Log likelihood -81.5633 F-statistic 30.41691Durbin-Watson stat 2.422685 Prob(F-statistic) 0.001494附表七Dependent Variable: LYMethod: Least SquaresDate: 05/21/05 Time: 22:10S
25、ample(adjusted): 1993 1997Included observations: 5 after adjusting endpointsConvergence achieved after 11 iterationsVariable Coefficient Std. Error t-Statistic Prob. C -11.1815 9.763849 -1.14519 0.3707LX2 1.53898 0.610742 2.519854 0.128AR(2) -0.20765 2.81146 -0.07386 0.9478R-squared 0.987795 Mean de
26、pendent var 13.40522Adjusted R-squared 0.97559 S.D. dependent var 0.505785S.E. of regression 0.079023Akaike info criterion -1.95445Sum squared resid 0.012489 Schwarz criterion -2.18878Log likelihood 7.886116 F-statistic 80.93232Durbin-Watson stat 1.413427 Prob(F-statistic) 0.012205附表八Dependent Varia
27、ble: LYMethod: Least SquaresDate: 05/21/05 Time: 22:46Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C -4.15921 0.707612 -5.87781 0LX2 1.09189 0.047738 22.87276 0R-squared 0.966738 Mean dependent var 11.99817Adjusted R-squared 0.96489 S.D. dependent var 0
28、.986819S.E. of regression 0.184906 Akaike info criterion -0.4433Sum squared resid 0.615422 Schwarz criterion -0.34373Log likelihood 6.43302 F-statistic 523.1632Durbin-Watson stat 0.400126 Prob(F-statistic) 0附表九Method: Least SquaresDate: 05/21/05 Time: 23:06Sample(adjusted): 1979 1997Included observa
29、tions: 19 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob. C -1.74657 0.401781 -4.34708 0.0004DX2 1.38753 0.129331 10.72852 0R-squared 0.871311 Mean dependent var 2.556664Adjusted R-squared 0.863741 S.D. dependent var 0.275586S.E. of regression 0.101728Akaike info criterion -1.63373Sum squared resid 0.175926 Schwarz criterion -1.53431Log likelihood 17.52041 F-statistic 115.1011Durbin-Watson stat 1.996049 Prob(F-statistic) 0
