卷煙市場(chǎng)狀態(tài)綜合評(píng)價(jià)指數(shù)構(gòu)建

許 泓 秦 琴

(1.廈門(mén)市煙草公司思明分公司，福建 廈門(mén) 361000;2.福建省煙草公司廈門(mén)市公司，福建 廈門(mén) 361000)

0 引言

隨著國(guó)內(nèi)卷煙銷(xiāo)售工作市場(chǎng)化進(jìn)程不斷深入，區(qū)域卷煙市場(chǎng)狀態(tài)在卷煙貨源組織、策略制定、銷(xiāo)售引導(dǎo)等方面的作用越發(fā)顯著。在此背景下，準(zhǔn)確評(píng)價(jià)卷煙市場(chǎng)狀態(tài)是實(shí)現(xiàn)卷煙市場(chǎng)可量、可控的基礎(chǔ)，如何有效提高卷煙市場(chǎng)狀態(tài)評(píng)價(jià)精度，并依此對(duì)不同的卷煙市場(chǎng)狀態(tài)采取針對(duì)性的合理措施，成為一個(gè)重要課題。

2012年，上海網(wǎng)建會(huì)對(duì)卷煙市場(chǎng)狀態(tài)提出松、稍松、平衡、稍緊、緊的五級(jí)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)并在全國(guó)廣泛推廣使用。煙草行業(yè)近幾年對(duì)卷煙市場(chǎng)狀態(tài)進(jìn)行了許多研究，漳州市煙草公司提出以五要素分析法為基礎(chǔ)的市場(chǎng)狀態(tài)調(diào)控方式，在上海的市場(chǎng)狀態(tài)五級(jí)評(píng)價(jià)標(biāo)準(zhǔn)的基礎(chǔ)上引入了訂足率的指標(biāo)，提出了卷煙市場(chǎng)狀態(tài)的判定與卷煙策略執(zhí)行狀態(tài)的對(duì)應(yīng)問(wèn)題，提升了卷煙市場(chǎng)狀態(tài)在貨源投放銜接上的有效性。趙峰等[1]根據(jù)卷煙品牌的特點(diǎn)，借鑒品牌生態(tài)的相關(guān)理論，構(gòu)建基于生態(tài)學(xué)的品牌競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系，并運(yùn)用層次分析法和模糊綜合評(píng)價(jià)模型對(duì)廣西中煙的“真龍”品牌進(jìn)行實(shí)證分析。張紅梅等[2]提出了使用粗集和熵值的卷煙市場(chǎng)狀態(tài)評(píng)價(jià)方法，并構(gòu)建了簡(jiǎn)單的評(píng)價(jià)模型，提高了評(píng)價(jià)質(zhì)量。李智文等[3]使用灰色層次分析法，從卷煙市場(chǎng)品牌維度、零售客戶維度、市場(chǎng)維度，提出了卷煙市場(chǎng)狀態(tài)評(píng)價(jià)的新思路。

上述公司與部分學(xué)者對(duì)我國(guó)的卷煙市場(chǎng)狀態(tài)評(píng)估研究與應(yīng)用做了許多積極的貢獻(xiàn)，但是，已有研究還存在許多明顯不足，如卷煙市場(chǎng)狀態(tài)的評(píng)價(jià)仍屬于定性評(píng)價(jià)，難以對(duì)統(tǒng)一狀態(tài)內(nèi)的卷煙進(jìn)行橫向?qū)Ρ?；卷煙市?chǎng)狀態(tài)評(píng)級(jí)劃分以經(jīng)驗(yàn)判斷為主，缺乏客觀的評(píng)價(jià)標(biāo)準(zhǔn)；對(duì)卷煙市場(chǎng)狀態(tài)的長(zhǎng)期觀測(cè)跟蹤存在難度。對(duì)此，本文首先使用Lasso變量選擇法在國(guó)家局指標(biāo)庫(kù)中選擇與卷煙市場(chǎng)狀態(tài)相關(guān)的指標(biāo)，再分別使用熵值法、變異系數(shù)法將指標(biāo)降維為量、價(jià)、存三個(gè)分指標(biāo)，最后以幾何平均原則構(gòu)建卷煙市場(chǎng)狀態(tài)綜合評(píng)價(jià)模型，并最終得出卷煙市場(chǎng)狀態(tài)綜合指數(shù)定量評(píng)價(jià)區(qū)域卷煙市場(chǎng)狀態(tài)，以期提升卷煙市場(chǎng)狀態(tài)評(píng)價(jià)準(zhǔn)確性。

1 模型方法概述

構(gòu)建市場(chǎng)狀態(tài)綜合指數(shù)分為兩個(gè)步驟，第一步是選取和構(gòu)建分項(xiàng)指標(biāo)，第二步是利用分指標(biāo)構(gòu)建市場(chǎng)狀態(tài)綜合指數(shù)。本節(jié)介紹市場(chǎng)狀態(tài)綜合指數(shù)構(gòu)建所用到的模型和方法。

1.1 分項(xiàng)指標(biāo)構(gòu)建方法

1.1.1 Lasso變量選擇方法

Lasso變量選擇方法是Tibshirani[7]在1996年提出的一種方法。這種方法是利用模型的系數(shù)絕對(duì)值函數(shù)作為懲罰來(lái)壓縮模型系數(shù)，使取值較小的系數(shù)壓縮為0，從而能夠做到同時(shí)進(jìn)行變量選擇和參數(shù)估計(jì)。相比于零回歸，這種方法能夠?qū)⒉恢匾淖兞繅嚎s為0，因此Lasso方法對(duì)變量的解釋能力更好。相比于子集選擇的方法，Lasso對(duì)于具有多重共線性數(shù)據(jù)的解釋能力更強(qiáng)。

Lasso方法的基本思想是在回歸系數(shù)的絕對(duì)值之和小于一個(gè)常數(shù)的約束條件下，使得殘差平方和最小，從而達(dá)到變量選擇與參數(shù)估計(jì)同時(shí)進(jìn)行的一種方法[6]。這種方法實(shí)際上是在對(duì)線性模型進(jìn)行參數(shù)估計(jì)時(shí)采用如下(1)式的方法，在普通最小二乘估計(jì)的基礎(chǔ)上添加了一個(gè)懲罰項(xiàng)，常數(shù)s的大小能夠決定參數(shù)壓縮的程度。在本文中，我們采用的是基于Cp準(zhǔn)則來(lái)決定壓縮常數(shù)s的值。

(1)

(2)

1.1.2 SCAD變量選擇方法

SCAD變量選擇方法[8]是Runze Li提出的一種方法，這種方法的罰函數(shù)是對(duì)稱且非凹的，并且可處理奇異陣以產(chǎn)生稀疏解。此外，這種方法提出了一種算法用于優(yōu)化對(duì)應(yīng)的帶懲罰項(xiàng)的似然函數(shù)。這種方法具有廣泛的適用性，可以應(yīng)用于廣義線性模型、強(qiáng)健的回歸模型。借助于波和樣條，還可用于非參數(shù)模型。更進(jìn)一步地，本文證明該方法具有Oracle性質(zhì)。模擬的結(jié)果顯示，該方法相比主流的變量選擇模型具有優(yōu)勢(shì)。并且，模型的預(yù)測(cè)誤差公式顯示，該方法實(shí)用性較強(qiáng)。

1.1.3 逐步回歸法

逐步回歸分為前向逐步回歸、后向逐步回歸以及雙向逐步回歸。本文采用的是基于AIC準(zhǔn)則的后向逐步回歸。這種方法在效率上優(yōu)于最優(yōu)子集回歸，我們只需要測(cè)試1+p(p+1)/2個(gè)模型。該方法的基本思想是首先將變量全部引入模型，然后每次刪除一個(gè)變量，每次刪除一個(gè)變量都要檢驗(yàn)AIC值的變化，若刪除變量可以使AIC明顯減小，則刪除這個(gè)變量，以確保刪除變量后回歸模型中只包含顯著性變量。直到?jīng)]有新的變量從回歸方程中剔除為止。這種方法的特點(diǎn)是變量選擇所保留下來(lái)的都是影響顯著的變量。

這種方法的優(yōu)點(diǎn)是效率高，能夠篩選出影響顯著的變量。缺點(diǎn)是對(duì)共線性明顯的變量有時(shí)不能準(zhǔn)確篩選，同時(shí)對(duì)于每個(gè)變量的刪減或者保留會(huì)受到原模型的影響，從而導(dǎo)致不重要因素的保留。另一方面，逐步回歸還存在不穩(wěn)定缺點(diǎn)，當(dāng)數(shù)據(jù)發(fā)生微小改變時(shí)，對(duì)于回歸模型的變量選擇改變很大。

1.1.4 最優(yōu)子集選擇法

最優(yōu)子集選擇是擬合多元線性回歸模型的一種方法，這種方法是將所有解釋變量的子集全部進(jìn)行試驗(yàn)，并依據(jù)多種信息準(zhǔn)則選取最佳的模型。這種方法的計(jì)算量大，在變量過(guò)多時(shí)無(wú)法使用，屬于N-P難問(wèn)題。

這種方法的優(yōu)點(diǎn)是能夠考慮到所有可能的模型，相比于逐步回歸的方法更為準(zhǔn)確，并根據(jù)多種信息準(zhǔn)則來(lái)篩選變量，但缺點(diǎn)是效率低，同時(shí)對(duì)存在多重共線性的變量不能準(zhǔn)確選擇。

1.2 分項(xiàng)指標(biāo)選擇準(zhǔn)則

1.2.1 調(diào)整后擬合優(yōu)度

擬合優(yōu)度是指回歸直線對(duì)于觀測(cè)結(jié)果的擬合程度，通常情況下用R2來(lái)度量，反映了回歸方程能夠解釋的因變量所占的百分比，范圍在0到1之間。然而采用這一準(zhǔn)則來(lái)進(jìn)行模型比較存在明顯不足，因?yàn)樵谶@種標(biāo)準(zhǔn)下，增加解釋變量的個(gè)數(shù)會(huì)明顯增大R2的值，但是通常情況下，并不是解釋變量的數(shù)量越多模型越好，在建立模型的過(guò)程中，我們希望得到的是用一種盡可能簡(jiǎn)單的模型來(lái)盡可能包含所有信息。因此這里采用調(diào)整后擬合優(yōu)度來(lái)進(jìn)行選擇，這一指標(biāo)是指經(jīng)過(guò)自由度修正后的擬合優(yōu)度，這種方式可以剔除變量個(gè)數(shù)對(duì)于擬合優(yōu)度的影響，調(diào)整后擬合優(yōu)度的公式為：

R2=SSR/SST

1.2.2 Mallows Cp準(zhǔn)則

Mallows Cp準(zhǔn)則是馬洛斯1964年提出的一種選擇回歸自變量的方法，是一種考慮了當(dāng)前模型以及當(dāng)前變量個(gè)數(shù)的一種信息選擇準(zhǔn)則，通常情況下判斷Cp值達(dá)到最小的模型為最優(yōu)模型。計(jì)算公式為：

其中k為當(dāng)前模型的自變量個(gè)數(shù)，n表示樣本個(gè)數(shù)，SSEk表示當(dāng)前模型的殘差平方和，SSEf表示全回歸模型的殘差平方和。

1.2.3 貝葉斯信息準(zhǔn)則

貝葉斯信息準(zhǔn)則也稱為BIC準(zhǔn)則，是Akaike于1976年提出的一種信息準(zhǔn)則，修正了AIC準(zhǔn)則中擬合模型不收斂于真實(shí)模型的不足。這種信息準(zhǔn)則同樣是在考慮擬合殘差的同時(shí)，依自變量個(gè)數(shù)施加“懲罰”。公式為：

其中k為當(dāng)前模型的自變量個(gè)數(shù)，n表示樣本個(gè)數(shù)，SSEk表示當(dāng)前模型的殘差平方和，SSEf表示全回歸模型的殘差平方和。

1.3 分項(xiàng)指標(biāo)的降維方法

1.3.1 熵值法

熵值法是信息論中的一種經(jīng)典算法，熵是對(duì)不確定性的一種度量。信息量越大，不確定性就越小，熵也就越??；信息量越小，不確定性就越大，熵也越大。根據(jù)熵的特性，我們可以通過(guò)計(jì)算熵值來(lái)判斷一個(gè)方案的隨機(jī)性及無(wú)序程度，也可以用熵值來(lái)判斷某個(gè)指標(biāo)的離散程度，指標(biāo)的離散程度越大，該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大。因此，可根據(jù)各項(xiàng)指標(biāo)的變異程度，利用信息熵這個(gè)工具，計(jì)算出各個(gè)指標(biāo)的權(quán)重，為多指標(biāo)綜合評(píng)價(jià)提供依據(jù)。熵值法確定各指標(biāo)的權(quán)系數(shù)步驟如下：

(1)原始數(shù)據(jù)的非負(fù)數(shù)據(jù)化處理

由于熵值法計(jì)算采用的是各個(gè)方案某一指標(biāo)占同一指標(biāo)值總和的比值，因此不存在量綱的影響，不需要進(jìn)行標(biāo)準(zhǔn)化處理，若數(shù)據(jù)中有負(fù)數(shù)，就需要對(duì)數(shù)據(jù)進(jìn)行非負(fù)數(shù)據(jù)化處理。此外，為了避免求熵值時(shí)對(duì)數(shù)的無(wú)意義，需要進(jìn)行數(shù)據(jù)平移：

(2)計(jì)算第i項(xiàng)指標(biāo)下第j個(gè)方案占該指標(biāo)的比重

(3)第i個(gè)評(píng)價(jià)指標(biāo)輸出的熵:

計(jì)算各目標(biāo)的熵權(quán)系數(shù):

1.3.2 變異系數(shù)法

變異系數(shù)法(Coefficient of variation method)是直接利用各項(xiàng)指標(biāo)所包含的信息，通過(guò)計(jì)算得到指標(biāo)的權(quán)重，是一種客觀賦權(quán)的方法。此方法的基本做法是：在評(píng)價(jià)指標(biāo)體系中，指標(biāo)取值差異越大的指標(biāo)，也就是越難以實(shí)現(xiàn)的指標(biāo)，這樣的指標(biāo)更能反映被評(píng)價(jià)單位的差距。由于評(píng)價(jià)指標(biāo)體系中的各項(xiàng)指標(biāo)的量綱不同，不宜直接比較其差別程度。為了消除各項(xiàng)評(píng)價(jià)指標(biāo)的量綱不同的影響，需要用各項(xiàng)指標(biāo)的變異系數(shù)來(lái)衡量各項(xiàng)指標(biāo)取值的差異程度。各項(xiàng)指標(biāo)的變異系數(shù)公式如下：

該式中，Vi是第i項(xiàng)指標(biāo)的變異系數(shù)(也稱為標(biāo)準(zhǔn)差系數(shù))，σi是第i項(xiàng)指標(biāo)的標(biāo)準(zhǔn)差，avg(xi)是第i項(xiàng)指標(biāo)的平均數(shù)。

1.4 綜合指數(shù)的構(gòu)建方法

1.4.1 綜合指數(shù)的構(gòu)建原則

指數(shù)的構(gòu)建需要遵從科學(xué)性原則、普適性原則、系統(tǒng)性原則，下面分別從這三個(gè)方面論證本文所提出的市場(chǎng)狀態(tài)綜合指數(shù)的合理性。

首先，指標(biāo)體系的構(gòu)建應(yīng)遵循客觀規(guī)律，采用科學(xué)的方法和手段。選取的指標(biāo)必須是能夠通過(guò)觀察、測(cè)試等方式得出明確結(jié)論的定性或定量指標(biāo)，指標(biāo)體系需較為客觀和真實(shí)地反映產(chǎn)品狀態(tài)。我們選取的指標(biāo)，根據(jù)客觀的評(píng)價(jià)準(zhǔn)則，經(jīng)實(shí)證檢驗(yàn)，證明是能有效反映市場(chǎng)狀態(tài)的指數(shù)體系。

第二，指標(biāo)體系的構(gòu)建應(yīng)具備普適性，適用于所有的卷煙產(chǎn)品(某一具體的品牌規(guī)格)或產(chǎn)品類別(某一類產(chǎn)品，如進(jìn)口煙)、所有的客戶(某一個(gè)采購(gòu)單位)或客戶群(按等級(jí)、區(qū)域劃分的客戶群體)。構(gòu)建市場(chǎng)狀態(tài)指數(shù)的重要目標(biāo)是反映市場(chǎng)全貌，以實(shí)現(xiàn)投放量在產(chǎn)品、客戶之間的合理調(diào)配。如果一套指數(shù)構(gòu)建的方法只適用于一部分卷煙產(chǎn)品，無(wú)法衡量全部卷煙產(chǎn)品的市場(chǎng)狀態(tài)，或者只適用于一部分客戶，無(wú)法衡量全部客戶的市場(chǎng)狀態(tài)，那么市場(chǎng)狀態(tài)綜合指數(shù)的價(jià)值就十分有限。因此，市場(chǎng)綜合指數(shù)的成分必須有普適性。我們選取了“量”“價(jià)”“存”三個(gè)維度，這三個(gè)維度具有高度的普適性。比如需求滿足率，既可以計(jì)算某一產(chǎn)品的需求滿足率，也可以計(jì)算某一區(qū)域的需求滿足率，需求滿足率對(duì)所有的產(chǎn)品、產(chǎn)品類別、客戶、客戶群體都適用，符合普適性原則。

第三，指標(biāo)體系的構(gòu)建應(yīng)綜合平衡各要素，要考慮周全、統(tǒng)籌兼顧，通過(guò)多參數(shù)、多標(biāo)準(zhǔn)、多尺度的分析、衡量，從整體的聯(lián)系出發(fā)，注重多因素的綜合性分析,獲得一個(gè)最佳的綜合效果。本文所構(gòu)建的市場(chǎng)狀態(tài)綜合指數(shù)將10個(gè)細(xì)分指標(biāo)預(yù)處理成“量”“價(jià)”“存”三個(gè)大類指標(biāo)，并按照幾何平均法構(gòu)建綜合指數(shù)，符合系統(tǒng)性原則。

1.4.2 綜合指數(shù)的合成方法

對(duì)“量、價(jià)、存”指數(shù)與市場(chǎng)狀態(tài)的影響關(guān)系分析發(fā)現(xiàn)，這三者之間存在相互影響、互為校驗(yàn)的關(guān)系，由于行業(yè)內(nèi)仍未有關(guān)于市場(chǎng)狀態(tài)量化的成功案例，在參考了行業(yè)外其他綜合指數(shù)的構(gòu)建方式并排除了幾種明顯不符合行業(yè)實(shí)際的算法后，我們找到了兩種較為可行的方案：加法合成法和乘法合成法，它們分別適用于不同場(chǎng)合，詳見(jiàn)表1。

表1 綜合評(píng)價(jià)指數(shù)合成法比較

綜上表所述，乘法合成法不僅能夠反映指標(biāo)之間的相關(guān)性、減弱權(quán)重的影響，而且能夠靈敏反映指標(biāo)變動(dòng)的影響，促進(jìn)市場(chǎng)狀態(tài)的均衡發(fā)展，因而我們采用乘法合成法構(gòu)造市場(chǎng)狀態(tài)綜合指數(shù)，計(jì)算公式如下：

市場(chǎng)狀態(tài)綜合指數(shù)的理論取值范圍為0～100，指數(shù)越大，表明市場(chǎng)狀態(tài)越緊，指數(shù)越小，表明市場(chǎng)狀態(tài)越松。

2 實(shí)證分析

2.1 數(shù)據(jù)來(lái)源及分布

在實(shí)證方面，我們采用了福建省廈門(mén)市煙草公司2015—2016年能夠采集到市場(chǎng)狀態(tài)的26款卷煙產(chǎn)品，以每周的實(shí)際銷(xiāo)售數(shù)據(jù)作為樣本，如表2所示。數(shù)據(jù)主要來(lái)源于煙草公司數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)內(nèi)包含各規(guī)格104個(gè)時(shí)間節(jié)點(diǎn)的29個(gè)指標(biāo)。

表2 樣本情況

2.2 分項(xiàng)指標(biāo)的選取

在構(gòu)建市場(chǎng)狀態(tài)過(guò)程中，需要對(duì)采集到市場(chǎng)狀態(tài)的這26款卷煙產(chǎn)品的29個(gè)不同指標(biāo)進(jìn)行篩選，去除重復(fù)變量的同時(shí)選出對(duì)市場(chǎng)狀態(tài)有較大影響的指標(biāo)，全部29個(gè)指標(biāo)如表3所示。市場(chǎng)狀態(tài)的值采用上海煙草公司市場(chǎng)狀態(tài)給定的5個(gè)不同區(qū)間，將這五個(gè)不同的狀態(tài)區(qū)間離散化處理，使其按照緊俏程度由緊到松量化為1、2、3、4、5等五個(gè)序數(shù)型數(shù)據(jù)。

表3 指標(biāo)選取

將所有指標(biāo)以及已有的上海市市場(chǎng)狀態(tài)指數(shù)值分別帶入Lasso變量選擇模型、SCAD變量選擇模型、逐步回歸以及最優(yōu)子集選擇模型當(dāng)中，然后取該集合的并集作為最終選擇的指標(biāo)，共選出需求滿足率、策略訂足率、動(dòng)銷(xiāo)比、重需率、消化率、脫銷(xiāo)面、上柜率、價(jià)格指數(shù)(條)、價(jià)格指數(shù)(包)、客戶存銷(xiāo)比等10個(gè)重要指標(biāo)。

2.3 分項(xiàng)指標(biāo)的構(gòu)建

2.3.1 指標(biāo)分類

考慮到市場(chǎng)狀態(tài)主要由“量、價(jià)、存”這三個(gè)最主要因素決定，在指標(biāo)構(gòu)建方面，我們將這10個(gè)指標(biāo)進(jìn)一步分類，具體分為銷(xiāo)量指數(shù)、價(jià)格指數(shù)、庫(kù)存指數(shù)，并將這些指標(biāo)進(jìn)行調(diào)整與合并。

表4 指標(biāo)分類

2.3.1.1 銷(xiāo)量指數(shù)

銷(xiāo)量指數(shù)是通過(guò)熵值法將與“量”有關(guān)的指標(biāo)賦以不同權(quán)重得到的，首先在煙草商業(yè)公司數(shù)據(jù)庫(kù)中選取所有反映卷煙銷(xiāo)售表現(xiàn)的指標(biāo)，經(jīng)過(guò)相關(guān)性分析，去除了相關(guān)性過(guò)強(qiáng)的重復(fù)項(xiàng)，最終保留了需求滿足率、策略訂足率、動(dòng)銷(xiāo)比、重需率、消化率、脫銷(xiāo)面、上柜率等5個(gè)指標(biāo)來(lái)計(jì)算銷(xiāo)量指數(shù)。再通過(guò)熵值法獲取每個(gè)變量的權(quán)重。

2.3.1.2 價(jià)格指數(shù)

在價(jià)格指數(shù)方面，經(jīng)過(guò)分析，主要采用零售價(jià)格指數(shù)(條)、零售價(jià)格指數(shù)(包)來(lái)量化這一指標(biāo)，并通過(guò)變異系數(shù)法將這兩個(gè)指標(biāo)綜合起來(lái)，從而構(gòu)建價(jià)格指數(shù)綜合指標(biāo)，即：

(i=1,2,…,m)

其中，CV是變異系數(shù)，價(jià)格指數(shù)(包)和價(jià)格指數(shù)(條)的計(jì)算方式為：

式中，Pr為零售價(jià)格指數(shù)；Qit為卷煙品牌規(guī)格i在t周期的市場(chǎng)銷(xiāo)量；Pit為卷煙品牌規(guī)格i在t周期的市場(chǎng)零售價(jià)格；Pi0為卷煙品牌規(guī)格i的指導(dǎo)零售價(jià)格。

2.3.1.3 庫(kù)存指數(shù)

通過(guò)對(duì)煙草商業(yè)公司數(shù)據(jù)庫(kù)各項(xiàng)指標(biāo)的分析，選取“社會(huì)存銷(xiāo)比”這一綜合指標(biāo)來(lái)量化庫(kù)存指數(shù)，即：

其中，本期樣本客戶的市場(chǎng)銷(xiāo)量為“上期樣本客戶庫(kù)存+本期樣本客戶訂單-本期樣本客戶庫(kù)存”，人工采集時(shí)本期樣本客戶庫(kù)存的計(jì)算方法為:

這一指標(biāo)反映了當(dāng)前社會(huì)庫(kù)存水平可維持銷(xiāo)售的程度。

2.3.2 分項(xiàng)指標(biāo)的構(gòu)建與標(biāo)準(zhǔn)化

為使市場(chǎng)狀態(tài)評(píng)價(jià)與現(xiàn)行市場(chǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)能有更高的適應(yīng)性，本文使用了上海臨界點(diǎn)數(shù)據(jù)作為標(biāo)準(zhǔn)化依據(jù)，主要包括價(jià)綜合指數(shù)的標(biāo)準(zhǔn)化以及存綜合指數(shù)的標(biāo)準(zhǔn)化，經(jīng)過(guò)對(duì)樣本數(shù)據(jù)的分析，我們用0.9、1.08作為價(jià)綜合指數(shù)標(biāo)準(zhǔn)化的分界點(diǎn)，用0.25、3.5作為存綜合指數(shù)標(biāo)準(zhǔn)化的分界點(diǎn)。

對(duì)于“量”這一指標(biāo)，采用標(biāo)準(zhǔn)正態(tài)分布的標(biāo)準(zhǔn)化方法，將變量值依據(jù)其均值與方差進(jìn)行標(biāo)準(zhǔn)化，具體的標(biāo)準(zhǔn)化過(guò)程如下所示：

其中，x表示8個(gè)不同的量指標(biāo)，avg(x)表示樣本均值,s2表示樣本方差。

2.4 綜合指數(shù)的有效性

構(gòu)建市場(chǎng)狀態(tài)綜合指數(shù)的目的是客觀反映卷煙的市場(chǎng)狀態(tài)。卷煙零售商是卷煙零售市場(chǎng)的參與者，其對(duì)市場(chǎng)狀態(tài)的主觀感受也能反映卷煙的市場(chǎng)狀態(tài)。實(shí)踐中，可以以卷煙零售商的主觀感受作為參照，來(lái)評(píng)價(jià)綜合指數(shù)構(gòu)建的有效性。

具體來(lái)說(shuō)，可以向市場(chǎng)參與者(如客戶、消費(fèi)者)發(fā)放問(wèn)卷，調(diào)查市場(chǎng)參與者對(duì)市場(chǎng)狀態(tài)的主觀感受，讓市場(chǎng)參與者給市場(chǎng)狀態(tài)打分，然后評(píng)估市場(chǎng)參與者的感受與構(gòu)建的市場(chǎng)狀態(tài)指數(shù)是否吻合。市場(chǎng)參與者的打分基于市場(chǎng)參與者主觀標(biāo)準(zhǔn)，與市場(chǎng)狀態(tài)指數(shù)不能直接比較。這里采用Kendall Tau系數(shù)比較法來(lái)進(jìn)行比較：先將不同規(guī)格、時(shí)間的市場(chǎng)狀態(tài)，按照市場(chǎng)參與者的打分和市場(chǎng)狀態(tài)指數(shù)兩種標(biāo)準(zhǔn)分別進(jìn)行排序，然后計(jì)算兩個(gè)排序的相似性(即Kendall Tau系數(shù))。

按照上述方法，我們?cè)O(shè)計(jì)了實(shí)證檢驗(yàn)，來(lái)評(píng)價(jià)市場(chǎng)狀態(tài)指數(shù)的有效性。

(1)市場(chǎng)參與者樣本

在廈門(mén)市煙草專賣(mài)局的客戶中，按照分層抽樣的方法抽取了100家零售網(wǎng)點(diǎn)。在2016年6月、2016年9月、2016年12月，分別向消費(fèi)者發(fā)放了市場(chǎng)狀態(tài)調(diào)查問(wèn)卷。

(2)問(wèn)卷設(shè)計(jì)

問(wèn)卷涉及28種主要規(guī)格的卷煙產(chǎn)品，零售網(wǎng)點(diǎn)(市場(chǎng)參與者)根據(jù)問(wèn)卷發(fā)放時(shí)對(duì)這28種規(guī)格的卷煙產(chǎn)品的市場(chǎng)狀態(tài)松緊的主觀感受，按1～10分進(jìn)行打分。問(wèn)卷簡(jiǎn)單介紹了松、緊的定義，即市場(chǎng)狀態(tài)為緊時(shí)，產(chǎn)品供不應(yīng)求。問(wèn)卷中沒(méi)有明確定義某種市場(chǎng)狀態(tài)所對(duì)應(yīng)的得分，但要求問(wèn)卷填寫(xiě)人在每次作答問(wèn)卷時(shí)與評(píng)分標(biāo)準(zhǔn)一致。

(3)問(wèn)卷數(shù)據(jù)的描述性統(tǒng)計(jì)量

表5 問(wèn)卷數(shù)據(jù)的描述性統(tǒng)計(jì)

(4)Kendall Tau檢驗(yàn)

我們將每次調(diào)查涉及的28個(gè)規(guī)格按調(diào)查結(jié)果和市場(chǎng)狀態(tài)指數(shù)分別進(jìn)行排序，然后計(jì)算Kendall Tau系數(shù)。Kendall Tau系數(shù)檢驗(yàn)結(jié)果見(jiàn)表6。將三次調(diào)查的數(shù)據(jù)統(tǒng)一排序(即每種規(guī)格包含了三個(gè)時(shí)間點(diǎn)的市場(chǎng)狀態(tài)感受)，以此來(lái)檢驗(yàn)市場(chǎng)狀態(tài)指數(shù)和調(diào)查所獲得的市場(chǎng)狀態(tài)得分在時(shí)間趨勢(shì)上是否一致。

表6 Kendall Tau系數(shù)檢驗(yàn)結(jié)果

經(jīng)檢驗(yàn)，市場(chǎng)狀態(tài)指數(shù)和人的主觀感受符合程度很高，且Kendall Tau值時(shí)序穩(wěn)定。

(5)結(jié)論

經(jīng)以上檢驗(yàn)，我們得出結(jié)論：綜合指數(shù)能有效反映卷煙的市場(chǎng)狀態(tài)。

2.5 信息損失

評(píng)價(jià)指數(shù)構(gòu)建是否合理的另一個(gè)重要方面，是指數(shù)的信息損失。構(gòu)建綜合指數(shù)的目的是以一個(gè)單一指標(biāo)來(lái)描述市場(chǎng)狀態(tài)，這勢(shì)必會(huì)造成信息損失。但是采取不同的指數(shù)編制方法，信息損失的程度也不同。在只用一個(gè)單一指標(biāo)的約束下，如何最小化信息損失是指數(shù)構(gòu)建的核心。

最小化信息損失包含兩個(gè)方面。第一個(gè)方面是指數(shù)的敏感度。指數(shù)對(duì)市場(chǎng)狀態(tài)反應(yīng)越敏感，信息損失越小。舉例來(lái)說(shuō)，在一個(gè)市場(chǎng)投放周期后，我們可以通過(guò)市場(chǎng)狀態(tài)指數(shù)的微小變化來(lái)判斷調(diào)整策略是否有效。如果市場(chǎng)狀態(tài)指數(shù)不夠敏感，市場(chǎng)狀態(tài)的意義和價(jià)值將大打折扣。所以，市場(chǎng)狀態(tài)某一方面的微小變動(dòng)能否被綜合指數(shù)捕捉，是衡量信息損失的一個(gè)重要標(biāo)準(zhǔn)。

本文構(gòu)建的綜合指數(shù)對(duì)市場(chǎng)狀態(tài)進(jìn)行了定量描述，減小了信息損失?，F(xiàn)行市場(chǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)只將市場(chǎng)狀態(tài)分為了五個(gè)大類(松、稍松、平衡、緊、稍緊)，屬于定性描述；而本文構(gòu)建的市場(chǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)是0～100間一個(gè)具體的數(shù)字，實(shí)現(xiàn)了對(duì)市場(chǎng)狀態(tài)的定量描述，其優(yōu)點(diǎn)在于，分項(xiàng)指標(biāo)的微小變化可以被綜合指數(shù)捕捉，即從敏感性的角度上要優(yōu)于定量描述，達(dá)到了更小的信息損失。

最小化信息損失的第二個(gè)方面是信息來(lái)源的廣度。綜合指數(shù)的分項(xiàng)指標(biāo)來(lái)自于量、價(jià)、存三類10個(gè)分項(xiàng)指標(biāo)，數(shù)據(jù)來(lái)源的廣度要優(yōu)于現(xiàn)行評(píng)價(jià)體系，因而能捕捉更多信息。因?yàn)樾畔⒌膩?lái)源更廣，相當(dāng)于在市場(chǎng)狀態(tài)的各個(gè)方面上都裝上了“傳感器”。這個(gè)多維監(jiān)測(cè)系統(tǒng)的信息損失程度自然也要低于現(xiàn)行體系。

2.6 綜合指數(shù)的一致性

通過(guò)一致性檢驗(yàn)來(lái)評(píng)價(jià)綜合指數(shù)對(duì)市場(chǎng)狀態(tài)的評(píng)價(jià)標(biāo)準(zhǔn)能否和現(xiàn)行體系保持一致。在設(shè)定了松、稍松、平衡、緊、稍緊之間的閾值之后，本文構(gòu)建的市場(chǎng)狀態(tài)綜合指數(shù)也可以對(duì)應(yīng)到原市場(chǎng)狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)的五個(gè)大類中去。分類閾值詳見(jiàn)表7。

表7 分類閾值

上述閾值是以與現(xiàn)行體系保持最大重合度為依據(jù)來(lái)設(shè)定的。按照這個(gè)閾值標(biāo)準(zhǔn)，以2015年、2016年的廈門(mén)市卷煙銷(xiāo)售數(shù)據(jù)作為驗(yàn)證，將市場(chǎng)狀態(tài)綜合指數(shù)映射到五個(gè)大類中去，和現(xiàn)行市場(chǎng)狀態(tài)標(biāo)準(zhǔn)進(jìn)行比較，重合率達(dá)到85.2%。在不重合的樣本中，92.7%的樣本偏離程度為1個(gè)檔位(如緊和稍緊之間差一個(gè)檔位)，6.8%的樣本偏離程度為2個(gè)檔位，只有0.5%的樣本偏離程度大于2個(gè)檔位。本文構(gòu)建的市場(chǎng)狀態(tài)綜合指數(shù)在實(shí)現(xiàn)了比現(xiàn)行市場(chǎng)狀態(tài)評(píng)價(jià)體系更低信息損失的同時(shí)，又與現(xiàn)行市場(chǎng)狀態(tài)在評(píng)價(jià)標(biāo)準(zhǔn)上保持了一致。

3 結(jié)論與展望

卷煙市場(chǎng)狀態(tài)綜合評(píng)價(jià)指數(shù)的構(gòu)建以卷煙市場(chǎng)狀態(tài)中相關(guān)指標(biāo)的內(nèi)在性質(zhì)關(guān)聯(lián)為切入點(diǎn)，通過(guò)對(duì)量、價(jià)、存三個(gè)類別指標(biāo)相互關(guān)系的分析，實(shí)現(xiàn)對(duì)卷煙市場(chǎng)狀態(tài)的量化評(píng)價(jià)。在數(shù)據(jù)選取和指標(biāo)設(shè)定層面去除了主觀賦權(quán)的過(guò)程，評(píng)價(jià)指標(biāo)更為客觀科學(xué)，也避免了因?yàn)椴煌酥饔^認(rèn)知的不統(tǒng)一而出現(xiàn)指數(shù)的差異。分析結(jié)果表明，市場(chǎng)狀態(tài)綜合評(píng)價(jià)指數(shù)能有效反映卷煙市場(chǎng)狀態(tài)，提高了卷煙市場(chǎng)狀態(tài)評(píng)價(jià)的精度，并具有較高靈敏性。根據(jù)廈門(mén)煙草在實(shí)例驗(yàn)證階段得到的相應(yīng)數(shù)據(jù)表現(xiàn)，可以認(rèn)為市場(chǎng)狀態(tài)綜合評(píng)價(jià)指數(shù)能夠較好地反映市場(chǎng)狀態(tài)，更為有效地指導(dǎo)卷煙貨源投放工作，通過(guò)分別構(gòu)建量、價(jià)、存三個(gè)類別的指標(biāo)并使用乘法合成法構(gòu)建的市場(chǎng)狀態(tài)評(píng)價(jià)指數(shù)在煙草行業(yè)是可行的。

卷煙市場(chǎng)狀態(tài)的評(píng)價(jià)是卷煙市場(chǎng)化取向改革的重要基礎(chǔ)，對(duì)市場(chǎng)化的卷煙貨源組織、策略制定起到了指導(dǎo)性作用，由此凸顯了量化評(píng)價(jià)卷煙市場(chǎng)狀態(tài)的重要意義。本文研究案例為卷煙這類銷(xiāo)售行為較為特殊的行業(yè)，銷(xiāo)售指標(biāo)固定，未對(duì)是否適用于其他行業(yè)商品的市場(chǎng)狀態(tài)評(píng)價(jià)做出分析，應(yīng)用于其他行業(yè)時(shí)，筆者建議針對(duì)不同的銷(xiāo)售指標(biāo)使用Lasso變量選擇后，在類別的選擇上需要重新進(jìn)行判斷，不應(yīng)局限于量、價(jià)、存三個(gè)類別指標(biāo)，以免出現(xiàn)偏差。