Методические указания к решению задачи
1. Запустите модуль Множественная регрессия.
2. Введите исходные данные в файл STATISTICA с именем Beer (рисунок 7.1).
Рисунок 7.1 – Исходные данные
3. Для того, чтобы построить диаграммы, показывающие долю фирм в общем объеме продаж за 2001–2002 гг., необходимо на панели инструментов выбрать Graphs – 2D Graphs – Pie Chart Values – Variables (Объем продаж за 2001 и 2002 г.). На вкладке Advanced выбрать Pie Legend – Text and Percent.
4. Из полученных диаграмм можно заметить, что после появления фирм D и E происходит резкое снижение доли фирмы А.
5. На реальный объем продаж пива влияют также такие факторы, как число туристов и реклама. На рынке пивной продукции большую роль играет реклама. Мы будем считать, что основным показателем эффективности рекламы является повышение объема продаж. В таблице 7.2 представлены расходы на рекламу каждой фирмы и ее доля в рекламе.
Таблица 7.2 – Расходы на рекламу
|
Год/ фирма |
2010 |
2011 |
2012 |
2013 | |||||||
|
Значение |
% |
Значение |
% |
Значение |
% |
Значение |
% | ||||
|
А |
12,667 |
28,4 |
0,7 |
6,747 |
5 |
0,4 |
22,298 |
11,9 | |||
|
В |
13,897 |
31,2 |
0,6 |
38,174 |
28 |
1,2 |
43,079 |
22,9 | |||
|
С |
18,05 |
40,4 |
0,5 |
39,581 |
29 |
0,9 |
65,114 |
34,6 | |||
|
D |
0 |
0 |
0 |
21,34 |
15,7 |
3,6 |
20,687 |
11 | |||
|
E |
0 |
0 |
0 |
30,421 |
22,3 |
3,6 |
36,519 |
19,6 | |||
Понятно, что вхождение в отрасль фирм D и E требовало больших расходов на рекламу (в процентном отношении к объему продаж).
Фирма А в 2002 году резко снизила расходы на рекламу, что, возможно, стало причиной потери рынка.
6. Постройте диаграмму, отображающую долю расходов на рекламу фирм, самостоятельно.
7. В нашей модели теоретическая количественная зависимость основывается на предположении, что объем продаж за период t является функцией объема продаж за прошлый период расходов на рекламу в периоды t и t-1, числа туристов, температуры и индекса розничных цен:
,
где
– объем продаж (в драхмах);
–затраты на рекламу;
–число туристов в
момент времени t.
Мы построили модель зависимости, но коэффициенты этой модели неизвестны.
8. Оценим коэффициенты этого уравнения, используя реальные данные. В таблице 7.3 представлены реальные данные о месячных продажах за 2 года.
Таблица 7.3 – Данные о месячных продажах пива
|
S (объем продаж в месяце t) |
S1 (объем продаж в месяце t-1) |
A (расходы на рекламу в месяце t) |
A1 (расходы на рекламу в месяце t-1) |
Т (число туристов) |
|
1 |
2 |
3 |
4 |
5 |
|
8846,4 |
10132,0 |
288,5 |
200,0 |
1675,2 |
|
8774,7 |
8846,4 |
324,2 |
288,5 |
1404,7 |
|
9524,7 |
8774,7 |
332,2 |
324,2 |
722,6 |
|
11134,3 |
9524,7 |
439,2 |
332,2 |
2229,5 |
|
12239,8 |
11134,3 |
98,2 |
439,2 |
2614,8 |
|
8862,1 |
12239,8 |
212,8 |
98,2 |
3088,5 |
|
8646,9 |
8862,1 |
416,0 |
212,8 |
1741,5 |
|
11758,5 |
8646,9 |
327,7 |
416,0 |
2060,0 |
|
11867,2 |
11758,5 |
160,6 |
327,7 |
1777,8 |
|
9577,6 |
11867,2 |
403,1 |
160,6 |
1378,9 |
|
10898,4 |
9577,6 |
269,7 |
403,1 |
1253,3 |
|
9638,6 |
10898,4 |
280,5 |
269,7 |
794,0 |
|
9203,9 |
9638,6 |
335,1 |
280,5 |
1384,4 |
|
9231,1 |
9203,9 |
169,3 |
335,1 |
1392,5 |
|
7334,5 |
9231,1 |
206,0 |
169,3 |
2484,3 |
|
7467,0 |
7334,5 |
216,1 |
206,0 |
2777,5 |
|
7839,6 |
7467,0 |
322,2 |
216,1 |
3301,9 |
|
9787,0 |
7839,6 |
285,5 |
322,2 |
3635,9 |
|
9600,3 |
9787,0 |
79,2 |
285,5 |
3415,9 |
|
7199,9 |
9600,3 |
333,6 |
79,2 |
2606,8 |
|
9547,7 |
7199,9 |
293,1 |
333,6 |
2508,0 |
|
10187,5 |
9547,7 |
238,5 |
293,1 |
2834,1 |
|
9661,2 |
10187,5 |
255,4 |
238,5 |
2481,8 |
|
9189,2 |
9661,2 |
383,6 |
255,4 |
1474,4 |
9. Перенесите данные в новый файл программы Statistica.
10. Запустите модуль Множественная регрессия (Statistics – Multiple Regression).
11. На стартовой панели модуля выберите необходимые переменные. Задайте S в качестве зависимой переменной и S1–Т в качестве независимых переменных. Нажмите ОК. Результаты множественной регрессии представлены на рисунке 7.2.
Рисунок 7.2 – Результаты множественной регрессии
12. Во вкладке Advanced нажмите кнопку Summery. Regression results. Появится таблица результатов с подробными статистиками (рисунок 7.3).
Рисунок 7.3 – Итоги регрессии
13. Во вкладке Residuals/assumptions/prediction нажмите кнопку Predict dependent variable (Предсказать зависимую переменную).
14. Далее в полях A1 и S1 укажите значения текущего месяца, а в полях T и A – значения на следующий месяц (рисунок 7.4).
Рисунок 7.4 – Значение независимых переменных
15. Нажмите кнопку OK. Появится таблица результатов предсказания (рисунок 7.5).
Рисунок 7.5 – Результаты предсказания
16. Следовательно, уравнение регрессии будет иметь вид
.