学位论文 > 优秀研究生学位论文题录展示

基于蚁群算法的扩展Bass模型及其应用研究

作　者: 杨积云
导　师: 董景荣
学　校: 重庆师范大学
专　业: 管理科学与工程
关键词: 广告因素扩展Bass模型参数估计蚁群算法
分类号: F274
类　型: 硕士论文
年　份: 2010年
下　载: 72次
引　用: 1次
阅　读: 论文下载

内容摘要

为了抢占市场份额,掠夺超额利润以及保持竞争优势,企业通常会运用各种营销手段促使新产品在市场中进行快速扩散。从营销学的视角来看,作为一种行之有效的营销手段,广告在提升产品销售业绩、改善企业文化形象以及活跃市场经济氛围等方面扮演着举足轻重的角色。既有的营销调查报告表明,作为营销手段的广告因素,对新产品市场扩散的影响非常突出。因此,若将广告因素引入到创新扩散模型之中,便能够使得理论模型更加贴切实际情境,进而有助于管理者提高新产品市场扩散量的预测精度,把握最新的市场动向,掌控企业的市场格局以及做出符合实情的市场决策。创新扩散模型是用来模拟和预测新产品或新技术市场扩散的重要模型,而在创新扩散模型中,经典Bass模型又是应用最广泛的模型,比如Eastman、Kodak、IBM、Sear和Hewlett-Packard等企业都利用经典Bass模型对新产品或新技术的市场扩散进行建模和预测,为其制定相应的市场营销决策提供技术支持。虽然经典Bass模型已成功应用于各个领域,但其还存在一定的局限性,例如未考虑广告因素对新产品市场扩散的影响,而事实上,企业营销行为对新产品的市场扩散具有重要影响,对于推动新产品市场扩散起重要作用。因此,若在新产品市场扩散模型中考虑广告因素的影响作用,就更能科学合理地反映出新产品市场扩散的真实规律。基于上述考虑,本文在经典Bass模型的基础上,给出了考虑广告因素的扩展Bass模型。同时鉴于模型的复杂性,以及现有扩散模型参数估计方法的局限性——要求扩散模型有解析解或具有离散形式,本文进一步采用一种新的参数估计方法即蚁群算法对考虑广告因素的扩展Bass模型参数进行估计。该算法不仅能克服现有算法存在的局限性,而且还具有以下优点:(1)正反馈；(2)并行分布式计算；(3)具有很强的鲁棒性,且易与其他算法相结合。本文以中国移动通讯技术的市场扩散为例进行了实证研究,比较了蚁群算法与普通最小二乘法、极大似然估计法、非线性最小二乘法对考虑广告因素的扩展Bass模型的估算效果,发现在历史数据较少的情况下采用蚁群算法效果更好；同时也将考虑广告因素的扩展Bass模型的实证研究结果与Bass模型的实证研究结果进行了比较,研究结果表明：考虑广告因素的扩展Bass模型比其他扩散模型有更好的拟合优度和预测精度。

全文目录

中文摘要  4-6
英文摘要  6-10
1 绪论  10-16
  1.1 研究背景及意义  10-11
  1.2 国内外研究现状综述  11-13
  1.3 研究方法  13
  1.4 研究内容及创新之处  13-16
2 新产品市场扩散的基本理论  16-22
  2.1 新产品市场扩散的基本概念  16-17
  2.2 新产品市场扩散的代表性理论  17-19
    2.2.1 新产品市场扩散的传播论  17
    2.2.2 新产品市场扩散的学习论  17-18
    2.2.3 新产品市场扩散的替代论  18
    2.2.4 新产品市场扩散的博弈论  18-19
  2.3 新产品市场扩散的过程  19-22
    2.3.1 供给子过程  19-20
    2.3.2 采用子过程  20-21
    2.3.3 交流子过程  21-22
3 基于市场营销组合变量的扩展Bass模型  22-31
  3.1 Bass模型  22-26
    3.1.1 外部影响模型(External-influence Model)  22-23
    3.1.2 内部影响模型(Internal-influence Model)  23-24
    3.1.3 混合影响模型(Mixed influence Diffusion Model)——Bass模型  24-26
  3.2 基于广告因素的扩展Bass模型  26-31
    3.2.1 引入广告因素的方式  27-28
    3.2.2 扩展Bass模型的提出  28-29
    3.2.3 涵盖广告因素的扩展Bass模型  29-31
4 扩散模型的参数估计方法  31-41
  4.1 数据充足时的参数估计方法  31-34
    4.1.1 时间不变的参数估计方法  31-33
    4.1.2 时间变化的参数估计方法  33-34
  4.2 数据不足时的参数估计方法  34-35
    4.2.1 判断法  34-35
    4.2.2 类比法  35
  4.3 蚁群算法  35-41
    4.3.1 蚁群算法的基本原理  36-37
    4.3.2 蚁群算法的数学模型  37-38
    4.3.3 蚁群算法的实现步骤及流程  38-40
    4.3.4 蚁群算法的应用  40
    4.3.5 蚁群算法的优缺点  40-41
5 中国移动通讯技术市场扩散的实证研究  41-49
  5.1 数据选取  41
  5.2 基于蚁群算法的扩展Bass模型参数估计算法  41-42
  5.3 各种算法估计扩展Bass模型参数的结果比较  42-45
  5.4 各种模型的拟合与预测结果比较  45-48
  5.5 实证评述  48-49
6 结论与展望  49-51
  6.1 全文总结  49
  6.2 研究不足  49-50
  6.3 研究展望  50-51
参考文献  51-54
在攻读硕士学位期间发表的论文目录、科研情况  54-55
致谢  55-56

基于蚁群算法的扩展Bass模型及其应用研究

内容摘要

全文目录

相似论文