Регрессионный анализ исходных данных о тестах IQ, опыте работы и индексе эффективности 30 сотрудников компании Joseph Machine Company. Прогноз и исследование динамики объема продаж, страница 2

Задача 2.3

Регрессионный анализ находит широкое применение в маркетинговых исследованиях, когда изучается взаимосвязь двух и более переменных. Рассмотрим изготовителя шариковых ручек Click, который заинтересован в исследовании эффективности маркетинговых усилий своей фирмы. Компания использует оптовых торговцев для реализации продукции Click и в дополнение к их усилиям прибегает к персональным продажам и коротким рекламным телероликам. Компания планирует использовать в качестве меры оценки эффективности ежегодный объем продаж по территориям. ( Г.А. Черчилль «Маркетинговые исследования»)

Территория

Продажа

(тыс. долларов)

Телевизионная реклама (число показов в месяц)

Число торговых представителей

005

019

033

039

061

082

091

101

115

118

133

149

162

164

178

187

189

205

222

237

242

251

260

266

279

298

306

332

347

358

263,9

283,5

277,8

415,1

432,6

317,8

568,7

576,8

424,8

313,9

405,2

223,0

341,8

648,5

520,4

329,5

426,0

341,8

451,9

425,8

241,1

503,9

372,3

265,5

620,9

450,5

270,5

368,0

556,1

570,0

6

8

6

10

13

7

13

17

13

7

11

5

9

17

19

9

11

8

13

14

7

16

8

5

19

18

4

7

12

13       

2

4

3

4

5

4

6

7

3

4

6

4

4

8

7

3

6

2

5

5

4

6

5

3

5

5

3

6

7

6

Парные линейные регрессии

Построим парную линейную регрессию показателя  на каждый из факторов  и . Уравнения регрессий имеют следующий вид.

Фактор  

Фактор

t-статистика коэффициента а

5.20365

2.61169

t-статистика коэффициента b

9.71981

6.69245

F-статистика

94.4746

44.7888

F табличное

4.19597

t табличное

2.04841

Коэффициенты a и b являются статистически значимыми. Обе модели регрессии также являются статистически значимыми. Это означает, что продажи зависят как от телевизионной рекламы, так и от числа торговых представителей.

Множественная линейная регрессия

Уравнение множественной линейной регрессии имеет следующий вид.

t-статистика коэффициента a

2.96024

t-статистика коэффициента b1

6.08374

t-статистика коэффициента b2

3.32316

F статситискика

69.7027

t табличное

2.05183

F табличное

3.35413

На основе t и F статистик можно сделать вывод о том, что коэффициенты и модель в целом являются статистически значимыми.

Из диаграммы видно, что уравнение множественной линейной регрессии лучше моделирует исходные данные. Следовательно, лучше учитывать оба фактора вместе.

Прогноз показателя

Построим прогноз объемов продаж для значений факторов на 235% превышающих средние значения факторов, используя парные и множественную регрессии.

Фактор

Фактор

Среднее значение

10.83

4.73

Значение фактора

36.30

15.86

Значение прогноза

1013.16

1085.11

Ошибка точечного прогноза

60.18

77.82

Доверительный интервал

889.90

925.69

1136.42

1244.52

Прогноз с помощью множественной линейной регрессии

1152.19