143 Таблица 3.5 Исходные данные для прогнозирования продаж фармацевтического препарата Кеторол / табл. №30 У Х х2 хз Х4 х5 Хб Месяц Продажи в месяц, уп. Спрос в аналогичный месяц год назад, уп. 1/Цена на товар, у.е. за уп. Объем дефицита, уп. Объем спроса, приходящийся на пик потребления (н-р вследствии эпидемии), уп. Объем спроса, обусловленны й сезонными продажами Общая численность клиентов Янв. 11 13327 13532 0,023492 0 0 0 632 Фев. 11 19511 13912 0,025854 0 2484 0 648 Мар. 11 36459 25634 0,025559 0 4484 0 646 Апр. 11 27280 19859 0,024547 0 0 0 636 Май 11 33710 29120 0,0252 0 3375 0 648 Июн.11 47020 24810 0,02538 0 3369 5840 655 Июл.11 23014 28516 0,024681 -5410 0 1127 635 Авг. 11 29439 33566 0,024728 0 0 1686 641 Сен. 11 34312 25219 0,025493 0 2820 1128 650 Окт. 11 19090 } 8920 0,025335 -4584 0 0 633 Ноя. 11 17664 25917 0,024594 * 0 0 0 634 Дек. 11 41609 38913 0,025515 -1366 0 9935 666 Янв. 12 прогноз 14410 13327 0,246156 0 0 0 627 Фев. 12 прогноз 17556 19356 0,022288 0 0 0 635 Мар. 12 прогноз 27304 36199 0,023039 0 0 0 637 Апр. 12 прогноз 27134 0,0224 -2576 1120 0 644 Для этого первоначально необходимо построить матрицу показателей корреляции для выявления степени тесноты связи между зависимой переменной У и каждым из факторов, а также наличия интеркорреляции между объясняющими переменными (таблица 3.6) Таблица 3.6 Показатели корреляции и автокорреляции факторов V Х х2 хз *4 х5 V 1 XI 0,63 1 Х2 -0,33 -0,38 1 ХЗ 0,14 -0,08 0,12 ! Х4 0,58 -0,01 -0,17 0,30 1 Х5 0,68 0,52 -0,12 -0,07 0,02 1 Х6 0,84" 0,52 осСП о'1 0,16 0,52 0,78 1 |
В таблице 3.5 приведены исходные данные для построения регрессионной модели спроса на пиво Согопа Ех1га по факторам, выделенным в пара]рафе 2.2 данной работы. Таблица 3.5 Исходные данные для прогнозирования продаж пива Согопа Ех(га У х1 х2 хЗ х4 х5 хб Месяц Продажи в месяц, уп. Спрос в аналогичный месяц год назад, уп. 1/Цепа на товар, руб. за уп. Объем дефицита, уп. Объем спроса, прихолящийся на рекламные акции, уп. Объем спроса, обусловленный предпраздничными и сезонными продажами Общая численность клиентов янв.07 11857 12039 0,0009 0 0 0 562 фев.07 17282 12322 0,0229 0 2200 0 574 мар.07 32524 22867 0,0228 0 4000 0 576 апр.07 24227 17637 0,0218 0 0 0 565 май.07 29964 25884 0,0224 0 3000 0 576 июн.07 41870 22093 0.0226 0 3000 5200 583 июл.07 20421 25303 0.0219 -4800 0 1000 563 авг.07 26191 29863 0,0220 0 0 1500 570 сен.07 30418 22357 0,0226 0 2500 1000 576 окт.07 16954 16803 0.0225 -4071 0 0 562 ноя.07 15729 23078 0,0219 0 0 0 565 дек.07 36855 34467 0,0226 -1210 0 8800 590 01.08 прогноз 12820 11857 0,0219 0 0 0 558 02.08 прогноз 15675 17282 0,0199 0 0 0 567 03.08 прогноз 24532 32524 0,0207 0 0 0 572 04.08 прогноз 24227 0,0200 -2300 1000 575 Далее с помощью инструментов анализа данных (корреляция, регрессия) пакета М$ Ехсе1 можно построить окончательную модель регрессии, включив в нее только те факторы, которые оказывают существенное влияние на результирующий показатель, оценить ее адекватность и значимость параметров. Для этого первоначально необходимо построить матрицу показателей корреляции для выявления степени тесноты связи между зависимой переменной У и каждым из факторов, а также наличия интеркорреляции между объясняющими переменными (таблица 3.6). 107 |