- •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
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
Любое предприятие, занимающееся внешнеэкономической деятельностью согласно международному стандарту ISO 9001:2000 по процессу закупок п. 7.4.1, должно определять требования к поставляемой продукции и к поставщикам (в том числе и критерии оценки). Однако стандарт не определяет, как предприятие обязано это делать: метод оценки поставщика выбирает сама организация. Таким образом, целесообразно будет установить требования как к закупаемой продукции, так и к поставщикам.
В процедуре входного контроля необходимо установить критерии оценки закупаемой продукции, а кроме того, создать базу данных поставщиков. Главная проблема в том, что организация должна периодически оценивать поставщиков. Критерии оценки и их количество должны быть рассчитаны так, чтобы максимально избежать личного участия «делающего расчет».
Сейчас нет общепринятой методики оценки поставщиков по заданным критериям. Факторы, влияющие на выбор контрагента, дифференцируются в зависимости от отрасли, в которой функционирует предприятие, характера деятельности, целей организации.
В данной статье исследовано влияние ряда переменных, характеризующих различные экономические факторы конкурентоспособности компании (товара), на решение о выборе зарубежного партнера. В качестве примера методики выбора зарубежной компании рассмотрим модель, которая включает поставщиков оборудования для обслуживания аэродрома, в количестве 21 (n = 21), и четыре критерия, оказывающих влияние на выбор того или иного контрагента. В качестве факторов в модель будут включены переменные, принимающие количественные значения (x1, x2, x3, x4). Вместе с тем, переменная y рассматривается как дихотомическая переменная, принимающая всего два значения: 1 и 0. Если принято решение о сотрудничестве с конкретной фирмой, значение y считается равным 1, а при отказе от заключения контракта y принимает нулевое значение.
В результате, качественная переменная преобразуется в количественную посредством ее кодирования с помощью присвоения «цифровых меток» [5].
Получаем следующие исходные данные (табл. 12.1):
y – принятое решение о выборе поставщика (дихотомическое значение);
x1 – стоимость предмета контракта (тыс. долл. США);
x2 – срок поставки (мес.);
x3 – стоимость запасных частей к оборудованию (тягачам), тыс. долл. США;
x4 – оценка долговечности (надежности) оборудования, согласно международному рейтингу компаний отрасли (в баллах).
Таблица 12.1
Сравнительная таблица поставщиков тягачей
№ |
Компания |
Стоимость изделия (тыс. долл. США) |
Срок поставки (мес.) |
Стоимость запчастей (тыс. долл. США) |
Место в международном рейтинге |
Выбор партнера |
n |
– |
x1 |
x2 |
x3 |
x4 |
y |
1 |
Douglas Equipment Ltd. |
481,000 |
7 |
15,342 |
7 |
0 |
2 |
CETCO Steward & Stevenson |
413,000 |
4 |
12,548 |
7 |
1 |
3 |
SCHOPF |
428,000 |
4 |
17,207 |
10 |
1 |
4 |
LIFTEC |
414,000 |
5 |
16,105 |
10 |
1 |
5 |
Koejer Consulting |
428,000 |
5 |
10,726 |
9 |
1 |
6 |
STARS Berlin GmbH |
412,000 |
4 |
14,545 |
9 |
1 |
7 |
Drumstar Ltd. (UK) |
474,010 |
6 |
16,254 |
7 |
0 |
8 |
H. Mullins (Earby) Ltd. |
441,058 |
5 |
15,658 |
6 |
0 |
9 |
Frank Brown & Son (Luton) Ltd. |
436,000 |
4 |
17,985 |
6 |
0 |
10 |
S2 Aerospace Ltd. |
427,639 |
7 |
14,897 |
6 |
0 |
11 |
General Dynamics UK |
434,759 |
6 |
17,654 |
7 |
0 |
12 |
Field Intertional Ltd |
428,000 |
5 |
12,635 |
9 |
1 |
13 |
D & J Exports Ltd. |
418,050 |
6 |
17,698 |
10 |
1 |
14 |
Goldhofer |
412,635 |
4 |
14,654 |
10 |
1 |
15 |
SUPAR GmBH Airline Support Service |
415,895 |
6 |
16,987 |
7 |
1 |
16 |
GHH Fahrzeuge GmbH |
420,100 |
6 |
17,321 |
6 |
0 |
17 |
Rofan GmBH |
414,574 |
5 |
10,635 |
10 |
1 |
18 |
Lectro Inc. (US) |
458,698 |
7 |
14,987 |
6 |
0 |
19 |
Saab Contracting AB |
420,475 |
5 |
16,754 |
6 |
0 |
20 |
Cavotec Sverige AB |
467,854 |
5 |
18,968 |
7 |
0 |
21 |
AerotechTelub AB (Sweden) |
412,356 |
4 |
12,352 |
10 |
1 |
На первом этапе рассмотрим модель множественной линейной регрессии зависимости переменной y от факторных признаков x1, x2, x3, x4.
В рассматриваемом случае взаимодействующих факторов достаточно много, это говорит о том, что целесообразно применить модели многофакторного регрессионного анализа, который призван решать следующие задачи:
определить влияние и воздействие факторных признаков на исследуемый показатель;
определить воздействие и влияние каждого фактора на результативный признак путем исследования многомерной регрессии. При этом можно определить изменения и направления изменения результатов признака при изменении каждого из признаков-факторов;
определить степень и тесноту взаимосвязи (количественная оценка) между результативным признаком и признаками-факторами, то есть необходимо наилучшим образом подобрать подходящую функцию y = f (x1, x2, … , xn), которая бы давала достаточно хорошие результаты с реальными данными.
Включение в уравнение множественной регрессии того или иного набора факторов связано, прежде всего, с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям.
Они должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность (например, надежность оборудования задается в виде баллов; компании могут быть проранжированы соответственно оценке экспертами их репутации на рынке и т. д.).
Факторы не должны быть мультиколлинеарными и, тем более, не должны находиться в точной функциональной связи.
Включение в модель факторов с высокой интеркорреляцией, когда , для зависимости у = а + b1 ∙ x1 + b2 ∙ х2 + может привести к нежелательным последствиям: система нормальных уравнений может оказаться плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии.
Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель – и параметры уравнения регрессии оказываются неинтерпретируемыми.
Так, в уравнении у = а + b1 ∙ x1 + b2 ∙ х2 + предполагается, что факторы х1 и х2 независимы друг от друга, то есть .
Тогда можно говорить, что параметр b1 измеряет силу влияния фактора х1 на результат у при неизменном значении фактора х2. Если же , то с изменением фактора х1 фактор х2 не может оставаться неизменным. Отсюда b1 и b2 нельзя интерпретировать как показатели раздельного влияния х1 и х2 на у.
Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором р факторов, то для нее рассчитывается показатель детерминации R2, который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии р факторов.
.
Прирост объясненной дисперсии за счет включения фактора хi показывает критерий Фишера, определяемый по формуле:
.
Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической незначимости параметров регрессии по t-критерию Стьюдента:
.
Таким образом, хотя теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов производится на основе качественного теоретико-экономического анализа.
Однако теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель. Поэтому отбор факторов обычно проводят в две стадии:
подбирают факторы исходя из сущности проблемы;
на основе матрицы показателей корреляции определяют t-статистики для параметров регрессии.
Коэффициенты интеркорреляции (то есть корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, то есть находятся между собой в линейной зависимости, если .
Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то есть , коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии. Предпочтение при этом отдается не фактору, более тесно связанному с результатом, а фактору, который при достаточно тесной связи с результатом менее всего связан с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
Используя метод многомерного регрессионного анализа, получим с помощью ППП «МЕЗОЗАВР» следующие параметры описанной выше модели.
Таблица 12.2