- •Глава 11. Маркетинговые исследования с использованием статистических методов
- •11.1. Прогнозирование объема продаж с использованием корреляционно-регрессионного анализа в системе statistica
- •11.2. Сегментирование конечного потребителя услуг кинотеатра с использованием кластерного анализа в системе statistica Игрунова о.М., Чекрышова и.И., Манакова е.В.
- •11.3. Исследование вкусовых предпочтений потребителей шоколада с использованием методов шкалирования Игрунова о.М., Виноградова и.Ю., Лаврентьева е.В.
- •Результаты «слепого» тестирования образца №1 по критериям «внешний вид» и «запах» (бренд Alpen Gold молочный)
- •11.4. Прогнозирование тенденций изменения спроса на потребительском рынке с использованием нейросетевого подхода Игрунова о.М.
- •Глава 12. Приложения моделей и методов статистического анализа в социально-экономической среде Платонова и.В., Соловьева ю.В., Иванова а.А.
- •12.1. Выбор зарубежного партнера с использованием многомерного регрессионного анализа
- •Коэффициенты модели
- •95% Доверительные границы
- •12.2. Выбор иностранного контрагента с использованием нелинейных моделей регрессионного анализа
- •95% Доверительные границы
- •95% Доверительные границы
- •95% Доверительные границы
- •95% Доверительные границы
- •12.3. Применение кластерного анализа для классификации потребителей снековой продукции
95% Доверительные границы
5,1146 0 13,956
−0,77547 1 −0,11342
18,555 43,553
Таблица 12.11
Дисперсионный анализ
|
Степени свободы |
Сумма квадратов |
Среднее квадратич. |
F-значение |
Вероятность |
Модель |
2 |
2282,5 |
1141,2 |
39,932 |
0,0000 |
Остатки |
9 |
257,21 |
28,579 |
|
0,0000 |
Всего |
11 |
2539,7 |
|
|
0,0000 |
= 0,8785; R2y(x) = 0,8987.
Рассмотрим данные по поступлению от экспорта за период сотрудничества ОАО «НИИМЭ и Микрон» с китайской компанией (табл. 12.12).
Таблица 12.12
Динамика отгрузки–поступлений 2004 год, в долл. США
n |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
x |
142680 |
142822 |
142965 |
143687 |
143967 |
144238 |
144987 |
145312 |
145697 |
145965 |
146304 |
146512 |
y |
97320 |
98293 |
99354 |
96450 |
90480 |
60000 |
48460 |
47630 |
46994 |
46750 |
45920 |
45015 |
Изобразим данные таблицы на рисунке.
Рисунок 12.3
Судя по графику, функция f(x; ) нелинейна, – следовательно, чтобы представить искомую зависимость в виде линейного соотношения между преобразованными переменными, необходимо провести линеаризацию.
Исходя из графического изображения зависимости y от x, наиболее подходящей моделью для описания данной зависимости будет функция:
y = a + be–x + , .
Линеаризация этой зависимости производится с помощью перехода к переменным и . Соответственно, вектор-столбец и матрица , участвующие в формулах МНК, определяются по исходным наблюдениям {(xi, yi)} i = 1, 2, … , n следующим образом:
; .
Таким образом, произведем замену переменных, обозначив t = e , следовательно, t будет независимой переменной.
Таблица 12.13
Коэффициенты модели
Переменная |
Коэффициент |
Стандартная ошибка |
t-значение |
Вероятность |
t |
7103,2 |
875,33 |
8,1149 |
0,0000 |
Константа |
−1604,5 |
206,2 |
−7,7816 |
0,0000 |
95% Доверительные границы
5160300 a 9061300
−2065900 b −1146900
Таблица 12.14
Дисперсионный анализ
|
Степени свободы |
Сумма квадратов |
Среднее квадратич. |
F-значение |
Вероятность |
Модель |
1 |
5929,8 |
5929,8 |
65,852 |
0,0000 |
Остатки |
10 |
900,48 |
90,048 |
|
|
Всего |
11 |
6830,3 |
|
|
|
= 0,8562; R2y(x) = 0,8682.
Значения коэффициента детерминации (R2), критерия Фишера (F) и t-статистики позволяют сделать вывод о том, что рассмотренная модель достаточно точно описывает зависимость, приведенную в таблице 12.13.
В ходе сотрудничества ОАО «НИИМЭ и Микрон» с американской компанией основной заказчик проекта (производитель сотовых телефонов) разместил заказ на поставку еще одного вида микросхем. Следовательно, проанализируем данные о производстве и продаже двух изделий за год (12 мес.).
Таким образом, х – объем затрат на производство и экспорт двух типов кристаллов, y – объем полученной прибыли за отчетный период (1 год); n = 12.
Таблица 12.15
Динамика отгрузки–поступлений за 2004 год, в долл. США
n |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
x |
1455,19 |
1468,52 |
1469,52 |
1479,83 |
1480,13 |
1499,43 |
1529,74 |
1550,04 |
1570,17 |
1589,49 |
1600,61 |
1641,03 |
y |
478,56 |
481,37 |
498,92 |
549,57 |
587,93 |
627,51 |
650,15 |
679,64 |
699,93 |
706,36 |
729,95 |
736,57 |
Изобразим данные таблицы на рисунке.
Рисунок 12.4
Исходя из графического изображения зависимости y от x, наиболее подходящей моделью для описания данной зависимости будет экспоненциальная функция: .
Действительно, чтобы пренебречь влиянием случайной остаточной компоненты (то есть предположить = 0), то непосредственные расчеты дают:
ln y = 0 + 1x + .
Легко увидеть, что переход к новой переменной ln y = z позволяет свести исследуемую зависимость к линейному виду:
= + 1 x.
Располагая наблюдениями (x1, y1), (x2, y2), … , (xn, yn) и формируя вектор-столбец из ln y1, ln y2, … , ln yn, получим систему нормальных уравнений:
n 0 + 1 xi= lnyi
0 xi + 1 xi2= xi lnyi
МНК применяется к ln yi, то есть выполняется
, а => смещенные оценки.
С помощью МНК мы можем построить оценки и параметров и 1, а затем получить оценку для параметра 0 исходного уравнения.
Таблица 12.16
Коэффициенты модели
Переменная |
Коэффициент |
Стандартная ошибка |
t-значение |
Вероятность |
t |
4,688 |
0,039208 |
119,57 |
0,0000 |
Константа |
−2,5457 |
0,05996 |
−42,457 |
0,0000 |