- •МаркетингОві дослідження ринку
- •Передмова
- •1. Маркетинг як об'єкт застосуВання методів економіко-МатематиЧного моделювання
- •2. Балансові моделі в маркетингу
- •2.1. Загальне поняття балансового методу і принципова схема міжгалузевого балансу
- •2.2. Застосування моделі міжпродуктового балансу у маркетингу
- •3. Методи і моделі управління товарними запасами у маркетингу
- •3.1. Класична задача управління запасами
- •3.2. Принципові системи регулювання товарних запасів
- •3.3. Модель економічно вигідних розмірів партій заказу
- •4. Регресійні однофакторні моделі
- •4.1. Лінійне рівняння регресії. Метод найменших квадратів
- •4.2. Нелінійні однофакторні моделі регресії
- •Параболічне рівняння регресії
- •5. Багатофакторні регресійні моделі, їх специфікація та аналіз
- •5.1. Лінійні багатофакторні моделі
- •5.2. Нелінійна багатофакторна модель
- •5.3. Мультиколінеарність факторів
- •6. Моделювання попиту в задачах маркетингу
- •7. Методи експертних оцінок в маркетингових дослідженнях
- •7.1. Основні ідеї методів експертних оцінок
- •7.2. Кореляція рангів та її вимірювання
- •7.3. Випадок двох експертів
- •7.4. Випадок багатьох експертів. Методи визначення середніх рангів
- •8. Комп'ютерна підтримка розрахунків в пакеті excel
- •Література
- •Предметний покажчик
- •Розподіл Фішера при
- •Продовження значень розподілу Фішера при
- •Квантілі розподілу Стьюдента
- •Продовження квантілей розподілу Стьюдента
- •Значення критерію Пірсона
Параболічне рівняння регресії
Часто залежності між узагальнено-економічними показниками можна описати рівнянням параболи
. (4.15)
Система нормальних рівнянь для визначення параметрів буде мати вигляд
(4.16)
Приклад 4.3. На підставі вибірки з десяти спостережень встановити залежність у вигляді параболічної функції між – товарообігом на 1 працівника (тис.грн.) і – площею торгових залів приміщення на 1 робоче місце (м2).
Розв’язок: Всі розрахунки зведені в допоміжну таблицю 4.6.
таблиця 4.6 – Розрахункова таблиця для приклада 4.3
|
|
|
|
|
|
|
|
|
|
|
1 |
10 |
1 |
1 |
1 |
100 |
10 |
10 |
6,98 |
9,12 |
0,3 |
2 |
12 |
4 |
8 |
16 |
144 |
24 |
48 |
16,45 |
19,8 |
0,37 |
3 |
28 |
9 |
27 |
81 |
784 |
84 |
252 |
26,3 |
2,89 |
0,06 |
4 |
40 |
16 |
64 |
156 |
1600 |
160 |
640 |
36,53 |
12,04 |
0,087 |
5 |
42 |
25 |
125 |
625 |
1764 |
210 |
1050 |
47,14 |
26,42 |
0,12 |
6 |
52 |
36 |
216 |
1296 |
2704 |
312 |
1872 |
58,13 |
37,58 |
0,12 |
7 |
70 |
49 |
343 |
2401 |
4900 |
490 |
3430 |
69,5 |
0,25 |
0,01 |
8 |
91 |
64 |
512 |
4096 |
8281 |
728 |
5824 |
81,25 |
95,06 |
0,11 |
9 |
95 |
81 |
729 |
6561 |
9025 |
855 |
7695 |
93,38 |
2,62 |
0,02 |
10 |
100 |
100 |
1000 |
10000 |
10000 |
1000 |
10000 |
105,89 |
34,69 |
0,06 |
55 |
540 |
385 |
3025 |
25333 |
39302 |
3873 |
30821 |
|
240,48 |
1,25 |
В останньому рядку записані суми по стовпцях.
Система рівнянь (4.16) має вигляд
В результаті її розв’язання одержимо: . Отже, рівняння регресії згідно відношенню (4.15) має вигляд
. (4.17)
Рисунок 4.2 – Графік і рівняння параболічної залежності
Оцінка точності рівняння параболи (4.17) становить і вказує на дуже високу ступінь адекватності знайденого рівняння регресії.
Середнє квадратичне залишкове відхилення для рівняння регресії (4.17) дорівнює (тут , бо модель (4.15) залежить від
трьох параметрів , , ).
Дисперсія показника дорівнює . Кореляційне відношення вказує на дуже тісний кореляційний зв'язок між показниками та .
Адекватність моделі перевіряємо за допомогою критерію Фішера (4.9):
; . Маємо , отже, модель адекватно описує залежність між товарообігом на одного працівника та площею торгових залів приміщення на одне робоче місце.
Експоненціальне рівняння регресії
Для моделювання деяких економічних явищ чи процесів в якості функції регресії застосовують експоненціальну залежність
, (4.18)
яка визначається двома параметрами і .
Щоб застосувати метод найменших квадратів до підбору коефіцієнтів, в цьому випадку потрібно зробити наступні попередні перетворення: прологарифмувати рівність (4.18), ввести нову змінну , тоді одержане рівняння
(4.19)
буде рівнянням прямої, для якого невідомі параметри і обчислюють за відомими формулами МНК.
Співвідношення (4.19) є лінеаризированим рівнянням експоненти. До нього застосовують метод найменших квадратів. Система нормальних рівнянь при цьому має вигляд або
(4.20)
Приклад 4.4. Проведено сім спостережень за економічними показниками: – об’єм продажу меблів на душу населення по Донецькій області і – товарообіг на 1 робітника (тис. грн.). За даними вибірки (табл. 4.7) скласти рівняння регресії в формі експоненти (4.18).
Таблиця 4.7 – Дані приклада 4.4
Товарообіг на 1 робітника |
20 |
70 |
120 |
170 |
220 |
270 |
320 |
Об’єм продажу меблів на душу населення |
17,8 |
21,6 |
23,9 |
24,8 |
27,2 |
29,2 |
30,2 |
Розв’язок: Усі допоміжні розрахунки зведено в таблицю 4.8.
Таблиця 4.8 – Допоміжна розрахункова таблиця
|
|
|
|
|
|
|
|
|
20 |
17,8 |
2,88 |
400 |
57,6 |
18,99 |
-1,19 |
1,42 |
6,69 |
70 |
21,6 |
3,07 |
4900 |
214,9 |
20,68 |
0,92 |
0,85 |
4,26 |
120 |
23,9 |
3,17 |
14400 |
380,4 |
22,52 |
1,38 |
1,90 |
5,77 |
170 |
24,8 |
3,21 |
28900 |
545,7 |
24,51 |
0,29 |
0,08 |
1,17 |
220 |
27,2 |
3,30 |
48400 |
726 |
26,69 |
0,51 |
0,26 |
1,88 |
270 |
29,2 |
3,37 |
72900 |
909,9 |
29,06 |
0,14 |
0,02 |
0,48 |
320 |
30,2 |
3,41 |
102400 |
1091,2 |
31,63 |
-1,43 |
2,05 |
4,74 |
|
174,2 |
22,41 |
272300 |
3925,7 |
|
|
6,58 |
24,99 |
З системи (4.21) визначаємо значення параметрів і . Отже, регресійне рівняння має вигляд або
. (4.21)
Деяка розбіжність оцінок параметрів регресійного рівняння пояснюється розрахунковою погрішністю проведених обчислень (див. рис. 4.3).
Оцінка точності одержаного експоненціального рівняння регресії вказує на задовільну адекватність моделі.
Рисунок 4.3 – Побудова експоненціальної залежності
Залишкове среднєквадратичне відхилення і дисперсія вибірки обумовлюють спостережене значення критерію Фішера . За таблицями критичних точок розподілу Фішера знаходимо критичне значення . Тут виконується умова , тому одержане рівняння експоненти адекватно описує економічний процес.