在現代競爭激烈的環境中，為了維持銷售市場，嬰兒手推車業者應當有更為先見且準確的競爭策略，故市場需求預測就變的相當重要。
本研究旨在建立A公司嬰兒手推車的市場需求預測模式，文中分別利用可顯現因果關係的迴歸預測模式，及可顯現資料過去需求特性的自我迴歸整合移動平均模式(Autoregressive Integrated Moving Average, ARIMA)來探討並推估A公司鋁製嬰兒車的未來需求量，以作為嬰兒手推車相關業者未來在決策生產量及市場對策的參考。本研究根據理論基礎選定11個解釋變數，以2001年1月到2005年10月為研究期間，用58筆月資料，利用兩種模式進行A公司嬰兒手推車的市場需求預測。迴歸模式的建立使用多項統計檢定及模式修正，包括單根檢定、共線性檢定、顯著性檢定、自我相關檢定及變異數不齊一檢定等。ARIMA模式之建立過程主要包含模式判定、參數估計及模式診斷部分。
迴歸分析結果顯示雖然台灣區的出生率逐年遞減，但A公司嬰兒手推車的市場需求卻有逐漸攀升的現象，此乃因為該公司的市場銷售定位為高消費能力族群，使得銷售量較不受到出生率的降低影響，而分析結果亦顯示消費者物價指數及薪資指數和銷售量較有關係。另一方面，經多種比較檢定後，自我迴歸整合移動平均模式以ARIMA(1,1,1)為較佳之暫訂模式，其檢定誤差相當符合理論基礎，為一適用於預測嬰兒手推車市場預測之模式。本文亦比較迴歸模式及ARIMA之對資料解釋能力的差異，結果發現具有解釋過去資料特性的ARIMA模式較佳，此乃因為手推車市場銷售的預測屬於企業面的小範圍需求預測，容易受到多種局部的市場因素影響，若以經濟面、人口結構、生產力等多項較大的指標性經濟因素不容易有良好的解釋結果，故建議A公司嬰兒手推車的市場需求預測以ARIMA(1,1,1)較佳，而本文亦利用該模式來預測未來幾年的嬰兒手推車市場增加的趨勢力道及量級。

In modern time, the competition among stroller manufactures becomes more and more serious. To maintain the development of the market, the manufactures should establish foresighted and accurate marketing strategies. Therefore, the demand forecasting becomes more important.
The aim of this thesis is to establish a suitable forecasting model for A-company’s strollers. At the beginning, a Linear Multiple Regression model (LMR) and an Autoregressive-Integrated-Moving-Average model (ARIMA) were respectively employed to predict the marketing demand for A-company’s strollers respectively. Fifty-eight monthly data samples from Jun. 2001 to Nov. 2005 were adopted to calibrate and verify the two models. Based on the reference document, eleven variables were chosen in the LMR. Several statistical verifications, including unit root test, multicollinearity test, nest hypothesis, autocorrelation test, and heteroscedasticity test, were utilized for revising the LMR model. On the other hand, the establishing process of ARIMA includes the model determination, parameter estimation, and model verification.
The analytic results of LMR model demonstrate that the birthrate of Taiwan decreases by years; however, the demand of A-company’s strollers increases gradually due to its marketing strategy focusing on the consumers with high-level consumptive ability. The results also represent that the changes in price-consumer price index (CPICP) and the employed persons by industry-manufacturing (EMFG) have significant influence on the demand forecasting. Otherwise, The ARIMA (1,1,1) is the superior model of ARIMA models. Comparing the predicting ability of LMR model with ARIMA (1,1,1), it is found that the ARIMA(1,1,1) is more suitable to forecast the marketing demand of A-company’s strollers. Because the demand forecasting is exclusively for a specific company’s product, the demand is difficult to be explained well by using such macroscopic economical indexes. Finally, the marketing demand of A-company’s strollers in following years were forecasted with the ARIMA(1,1,1) model.

第8章 參考文獻
一、中文部分
期刊
1.任眉眉、林億雄、林共進，「超大資料庫的迴歸分析」，中國統計學報，第37卷，第1期，頁19-35，1999年。
2.李堯賢、張靖，「遊覽車需求推估與預測模式之研究」，中華管理學報，第1卷，第1期，頁69-87，2000年3月。
3.貿易週刊，「美國高級嬰兒車市場」，貿易週刊，頁76，1983。
4.康信鴻、謝品朝，「台灣地區行動電話之需求預測：迴歸分析之應用」，中山管理學報，第3卷，第1期，頁108-123，1995年3月。
5.康信鴻、陳水蓮，「中國大陸汽車市場之需求預測：迴歸分析之應用」，臺大管理論叢，第7卷，第1期，頁31-43，1996年。
6.康信鴻、涂仁貞，「資訊產業之進出口分析：計量經濟模型」，交大管理學報，第16卷，第2期，頁139-168，1996年。
7.張雲，「淺談迴歸分析在市場預測中之問題」，主計月報，第70卷，第4期，頁23-32，1990年。
8.黃素貞，「迴歸分析自變數間相關性之探討」，中國統計學報，第37卷，第1期，頁19-35，1999年。
9.鄭天擇、時巧煒，「來華觀光客需求預測模式比較分析」，管理評論，第14卷，第1期，頁77-116，1995年1月。
10.顏榮祥、陳家榮，「嘉南高屏地區公用用水需求預測分析」，台灣銀行季刊，第52卷，第3期，頁161-195，2001年9月。
學位論文
1.王琇嫻，台灣連鎖便利超商市場需求預測--迴歸模型之應用，國立成功大學企業管理研究所碩士論文，2003年。
2.林永鴻，時間數列分析方法在預測電信產品需求上之應用，國立成功大學統計學研究所碩士論文，1994年。
3.陳錦花，應用時間序列分析法在兩岸進出口貿易值預測之研究，實踐大學貿易經營研究所碩士論文，2003年。
4.劉俞君，以產品設計企劃為導向建構產品評估知識庫─以嬰兒手推車為例，國立台北科技大學，2004年。
專書
1.周文賢，行銷管理：市場分析與策略規劃，智勝，1999年。
二、 英文部分
1.Bartlett, M.S. (1946), “On the theoretical specification of sampling properties of autocorrelated time series,” J. Roy. Stat. Soc., B, 8.
2.Box, G.E.P., and Pierce, D.A. (1970), “Distribution of residual autocorrelations in autoregressive-integrated moving average methods,” J.Amer. Stat. Assoc., Vol. 65, pp. 1509-1526.
3.Asteriou, Dimitrios (2006), “Applied econometrics: a modern approach using EViews and Microfit,” Palgrave Macmillan.
4.Frederick, H.dB. Harris, McGuigan, James R. & Moyer, R. Charles (2002), “Managerial Economics: Application, Strategy, & Tactics,” SOUTH-WESTERN, 9th edition.
5.Gujarati, Damodar (1999) “Essentials of Econometrics,” McGRAW-HILL, 2nd edition.
6.Harvey, A.C. (1990), “The econometric analysis of time series,” New York :Philip Allan, 2nd edition.
7.Maddala, G. S. (2001), Introduction to Economics, Wiley 3rd Edition.
8.Quenouille, M.H. (1949), “Approximate tests of correlation in time series.” J. Roy. Stat. Soc., B, 11.
9.Taylor, J.W. (2003) “Short-term electricity demand forecasting using double seasonal exponential smoothing” Journal of the Operational Research Society. Vol. 54, No. 8, pp. 799-805.
10.White, H. (1980) “A Heteroscedasticity-consistent covariance matrix estimator and a direct test for Heteroscedasticity” Econometrica, Vol.48, pp. 817-838.