餐饮业影响因素实证分析
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:
Y=C+β1x1+β2X2+β3x3+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 、β1、β2、β3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(1978——1997),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) R^2 =0.986064 F=377.3720
由F=377.372>F0.05(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X1,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 X3
X1 1.000000 0.998618 0.892967
X2 0.998618 1.000000 0.886325
X3 0.892967 0.886325 1.000000
由上表可以看出,解释变量X 1与X 2 、X 1与X 3 、 X 2与X 3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.+ 0.119993x2-289.3563x3
t = (5.3005) (19.8602) (-5.5085)
R^2=0.9845 F=538.2767
Y=-58298.9 +0.251898x2-947.7207x1 (-2.4730) (3.1598) (-2.0274) R^2=0.9651 F=235.3099
Y=--77977.08 +0.0905x2
(-3.3515) (19.9442) R^2=0.9567 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1978-1985,然后用ols 法求得:
Y=22801.01+0.038768x2
(8733.607) (0.007029)
R^2=0.835241 ∑e1^2=3.36e+08
Y =-277572.8+0.113425x2 (75883.50) (0.009234)
R^2=0.967922 ∑e2^2=2.65e+10
求F 统计量: F =∑e2^2/∑e1^2=78.86905
在给定显著性水平a =0.05时,比较得F =78.86905>4.28,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)
R^2=0.966738 F =523.1632
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d =0.400126,在显著水平 =0.05下,查表 n=20,k’=1时,DL =1.201,du=1.411,由于d=0.400126
-
ˆ=1-d/2=0.799937,下面用广义差分法进行修正,由d=0.400126,计算出 构造差分模型并估计,得DLY=-1.746574+1.387530DLX2
t=(-4.347077) (10.72852)
R 2=0.863741 F=115.1101 DW=1.996049
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1
obs
1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997
Y(万元)
41245 60989 51175 69097 73262 80374 94153 79348 96034 117778 151113 170102 195884 220437 259679 342233 476264 698435 942513 1198065
149.93 163.28 184.86 201.57 213.93 239.12 272.26 320.44 342.92 395.98 491.53 555.77 654.20 712.99 800.18 997.87 1330.19 1610.08 1859.92 2050.00 X1(元/人)
615837
774058 879090 1191331 1263139 1385766 1623342 1740025 2017754 2318403 3005535 3284198 3398651 3877233 4534259 5548467 7247408 9363651 10914485 12123699 X2(万元)
7071.9 7120.5 7154.8 7215.6 7300.4 7336.9 7364.0 7419.3 7511.9 7613.2 7716.4 7803.2 7892.5 7947.8 7992.2 8037.4 8098.7 8161.2 8215.4 8264.7 X3(万人)
附表2
Dependent Variable: Y Method: Least Squares Date: 05/20/05 Time: 22:44 Sample: 1978 1997 Included observations: 20
C X1 X2 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 1861350. -437.6427 0.192100 391927.4 321.9169 0.053366 4.749222 -1.359490 3.599652 0.0002 0.1928 0.0024 320910.0 24.27113 24.47027 377.3720 0.986064 Mean dependent var 270909.0 0.983451 S.D. dependent var 41282.61 Akaike info criterion 2.73E+10 Schwarz criterion -238.7113 F-statistic 附表3
Dependent Variable: Y Method: Least Squares Date: 05/21/05 Time: 09:43 Sample: 1978 1997 Included observations: 20
Variable
C X2 X3
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient
2025316. 0.119993 -289.3563
Std. Error 382098.2 0.006042 52.52932
t-Statistic 5.300512 19.86015 -5.508472
Prob. 0.0001 0.0000 0.0000 320910.0 24.28044 24.42980 538.2767 0.000000
0.984454 Mean dependent var 270909.0 0.982625 S.D. dependent var 42299.97 Akaike info criterion 3.04E+10 Schwarz criterion -239.8044 F-statistic 0.947258 Prob(F-statistic)
附表4
Dependent Variable: Y Method: Least Squares Date: 05/21/05 Time: 13:30 Sample: 1978 1997 Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C X1 X2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
-58298.90 -947.7207 0.251898
23574.56 467.4451 0.079719
-2.472958 -2.027448 3.159814
0.0243 0.0586 0.0057 320910.0 25.08809 25.23745 235.3099 0.000000
0.965137 Mean dependent var 270909.0 0.961035 S.D. dependent var 63346.03 Akaike info criterion 6.82E+10 Schwarz criterion -247.8809 F-statistic 0.671669 Prob(F-statistic)
附表5
Dependent Variable: Y Method: Least Squares Date: 05/21/05 Time: 09:52 Sample: 1978 1997 Included observations: 20
Variable C X2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -77977.08 0.090495
Std. Error 23266.21 0.004537
t-Statistic -3.351516 19.94420
Prob. 0.0036 0.0000 320910.0 25.20465 25.30423 397.7711 0.000000
0.956707 Mean dependent var 270909.0 0.954302 S.D. dependent var 68601.39 Akaike info criterion 8.47E+10 Schwarz criterion -250.0465 F-statistic 0.433612 Prob(F-statistic)
附表6
Method: Least Squares Date: 05/21/05 Time: 22:31 Sample: 1978 1985 Included observations: 8 Variable C X2
R-squared Adjusted R-squared S.E. of
0.835241 0.807782
Prob.
0.0401 0.0015
68705.38 17066.46 20.89081
Coefficient Std. Error t-Statistic 22801.01 8733.607 2.610721 0.038768 0.007029 5.515153
var
S.D. dependent var
Mean dependent
7482.401 Akaike info
regression Sum squared resid Log likelihood Durbin-Watson stat
criterion
3.36E+08 Schwarz criterion 20.91067 -81.5633 F-statistic 2.422685 Prob(F-statistic)
30.41691 0.001494
附表七
Dependent Variable: LY Method: Least Squares Date: 05/21/05 Time: 22:10 Sample(adjusted): 1993 1997
Included observations: 5 after adjusting endpoints Convergence achieved after 11 iterations
Variable C LX2 AR(2)
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
-11.1815 1.53898 -0.20765
9.763849 0.610742 2.81146
-1.14519 2.519854 -0.07386
13.40522 0.505785 -2.18878 80.93232 0.012205
-4.15921 1.09189
0.707612 0.047738
-5.87781 22.87276
11.99817 0.986819 -0.4433 -0.34373 Prob.
0 0
Prob.
0.3707 0.128 0.9478
Coefficient Std. Error t-Statistic
0.987795 Mean dependent var 0.97559 S.D. dependent var 0.012489 Schwarz criterion 7.886116 F-statistic 1.413427 Prob(F-statistic)
0.079023 Akaike info criterion -1.95445
附表八
Dependent Variable: LY Method: Least Squares Date: 05/21/05 Time: 22:46 Sample: 1978 1997
Included observations: 20
Variable C LX2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid
Coefficient Std. Error t-Statistic
0.966738 Mean dependent var 0.96489 S.D. dependent var 0.184906 Akaike info criterion 0.615422 Schwarz criterion
Log likelihood Durbin-Watson stat
6.43302 F-statistic 0.400126 Prob(F-statistic)
523.1632
附表九
Method: Least Squares Date: 05/21/05 Time: 23:06 Sample(adjusted): 1979 1997
Included observations: 19 after adjusting endpoints
Variable C DX2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient
-1.74657 1.38753
0.871311 0.863741 0.101728
0.175926 17.52041 1.996049 Std. Error t-Statistic
0.401781 -4.34708 0.129331
10.72852
Mean dependent var S.D. dependent var Akaike info criterion
Schwarz criterion F-statistic Prob(F-statistic)
Prob.
0.0004
2.556664 0.275586 -1.63373 -1.53431 115.1011