第九章 物流成本分析、预测与决策.pptx

SUBTITLEHERE第九章物流成本分析、预测与决策

9.1物流成本分析与预测9.2物流成本决策CONTENTS

9.1物流成本分析与预测

9.1.1物流成本分析物流成本分析是在成本核算及其他有关资料的基础上，运用一定的方法，揭示物流成本水平的变动，进一步查明影响物流成本变动的各种因素。物流成本分析的主要目的是在实现既定的顾客服务水平的条件下降低企业的物流成本，提高企业的竞争能力。在实际工作中，物流成本分析可以采用对比分析法、比率分析法、因素分析法和作业成本分析法等方法。4

9.1.1物流成本分析1．对比分析法比较分析法是把两个经济内容相同、时间或空间地点不同的经济指标相减从而进行分析的一种方法。比较分析法是日常分析工作中最常用的一种方法。2．比率分析法比率分析法是通过计算各项指标之间的相对数，即比率，借以考察成本活动的相对效益的一种分析方法。比率分析法一般有以下三种形式。⑴相关指标比率分析法⑵结构比率分析法⑶趋势比率分析法5

9.1.1物流成本分析3．因素分析法因素分析法是将某一综合指标分解成若干个相互联系的因素，并分别计算、分析每个因素影响程度的一种方法。4．作业成本分析法作业成本法把直接成本和间接成本（包括期间费用）作为产品（服务）消耗作业的成本同等地对待，拓宽了成本的计算范围，使计算出来的产品（服务）成本更准确真实。6

9.1.2物流成本预测物流成本预测是根据有关成本数据和企业具体的发展情况，运用一定的技术方法，对未来的成本水平及其变动趋势作出科学的估计。成本预测是成本决策、成本计划和成本控制的基础工作，它可以提高物流成本管理的科学性和预见性，所以在物流成本管理的许多环节都存在成本预测问题，如仓储环节的库存预测、流通环节的加工预测、运输环节的货物周转量预测等。一般来说，物流成本有两类预测方法，分别为时间序列预测法和回归分析法。7

9.1.2物流成本预测1．时间序列预测法时间序列预测法的基本思路是把时间序列作为随机变量序列的一个样本，应用概率统计的方法，尽可能减少偶然因素的影响，做出在统计意义上较好的预测。时间序列预测法又分为趋势平均法和指数平滑法。⑴趋势平均法基本计算公式为：某期预测值=最后一期移动平均数+推后期数×最后一期趋势移动平均数。⑵指数平滑法设以Fn表示下期预测值，Fn?1表示本期预测值，Dn?1表示本期实际值，a为平滑数(其取值范围为0a1)，则Fn的计算公式为：Fn=Fn?1+a(Dn?1?Fn?1)=aDn?1+(1?a)Fn?18

9.1.2物流成本预测2.回归分析法回归分析法是通过对观察值的统计分析来确定它们之间的联系形式的一种有效的预测方法。回归分析法是一种从事物因果关系出发进行预测的方法。在实际操作中，根据统计资料求得因果关系的相关系数，相关系数越大，因果关系越密切。通过相关系数就可确定回归方程，预测今后事物发展的趋势。求一个变量对另一个变量的因果关系，叫一元回归分析；而求多个变量之间的因果关系，叫多元回归分析。回归分析法的主要步骤是：⑴相关行分析⑵确定预测模型⑶利用模型进行预测9

9.1.2物流成本预测以下仅就一元线性回归分析介绍回归分析法的主要步骤。⑴相关性分析。相关性的分析可以通过画散点图或计算相关系数r来判断自变量x和应变量y之间是否存在线性关系及其相关程度。散点图又称散点分布图，是以一个变量为横坐标，另一变量为纵坐标，利用散点（坐标点）的分布形态反映变量统计关系的一种图形。特点是能直观表现出影响因素和预测对象之间的总体关系趋势。10

9.1.2物流成本预测将散点图运用于相关性分析，大致可以分为完全正线性相关、完全负线性相关、正线性相关、负线性相关、非线性相关和不相关等六种类型。相关系数公式如下：r计算结果在-1和1之间，r=0时，变量之间不相关，r的绝对值越接近于1时，表明相关程度越高。经验数据表明，0|r|≤0.3为微弱相关，0.3|r|≤0.5为低度相关，0.5|r|≤0.8为显著相关，|r|0.8为高度相关。11

9.1.2物流成本预测⑵确定预测模型根据主要影响因素自变量的个数和自变量与因变量之间因果关系关联形态，以及搜集的资料，按照回归分析基本原理，建立回归方程预测模型。⑶参数估计假设预测目标因变量为y，影响它变化的一个自变量为x，因变量随自变量的增（减）方向的变化。一元线性回归分析就是要依据一定数量的观察样本（xi,yi），i=1，2…，n，找出回归直线方程：12

9.1.2物流成本预测线性回归分析中估计参数和常用的方法是最小二乘法。13⑷利用模型进行预测根据模型及确定的参数对某一变量下的应变量进行预测。⑸统计检验预测值是否可信，其波动范围如何，需要进行置信度检验，以对预测结果进行评定。

9.