对于尝试-重购新产品扩散模型的改进:logit模型及NILS估计

在现有的尝试-重购模型的基础上,本文构建了一个更加合理的logit形式的尝试-重购模型。发展出一套适用于该模型的估计方法和检验方法,并用Monte Carlo随机模拟实验对此方法的有效性进行验证。经检验,随着样本数据量的增加和样本标准差的减小,无论是模型参数的估计误差,还是单参数显著性检验的效力,以及犯第一类错误的可能性都表现出合理的变化趋势。该模型可以用于快速消费品新产品的销量预测和营销组合分析。

具备重复购买机制的新产品扩散模型:理论模型与非线性最小一乘估计

经典的Bas模型不适用于刻画与消费者的重复购买行为(repeat purchase)密切相关的快速消费品新产品的扩散过程。因此,如何对其进行合理的改进,使之能够描述消费者的重复购买现象和快速消费品新产品的扩散模式,一直是过去新产品扩散模型研究的重要内容。本文尝试从不同于前人的研究角度出发,在经典的Bass模型中引入重复购买系数,从而建立一个具备重复购买机制的新产品扩散模型,该模型能够把产品的销量表示为时间£的显函数。为了能够更加有效地估计模型中的各个参数,本文还提出了非线性最小一乘估计方法(nonlinear least absolute deviation estimator,NLAD),以取代传统的非线性最小二乘估计(nonlinear least squares,NLS)。与NLS相比,该方法的最大优点就是对数据中的离群值(outliers)非常不敏感。对于快速消费品新产品(以牛奶为例)的实证分析表明:利用非线性最小一乘方法对模型进行估计,模型的预测精度可以获得显著的提高,而且具备重复购买机制的新产品扩散模型的预测精度也明显高于经典的Bass模型的预测精度。