注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

零售创新,创新那些事儿,SPSS,VBA

零售创新

 
 
 

日志

 
 
关于我

新浪微博,零售创新 研究经理,数据分析师 希望和市场研究和零售业的同事共同进步! 本博客发表的都是免费或试用的资料,如果有版权问题请发邮件wangli12a@163.com联系删除。 spss excel vba blog

网易考拉推荐

回归分析法  

2013-09-27 22:36:47|  分类: spss学习 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
 

 回归分析法,是在分析市场现象自变量和因变量之间相关关系的基础上,建立变量之间的回归方程,并将回归方程作为预测模型,根据自变量在预测期的数量变化来预测因变量关 系大多表现为相关关系,因此,回归分析法是一种重要的市场预测方法,当我们在对市场现象未来发展状况和水平进行预测时,如果能将影响市场预测对象的主要因 素找到,并且能够取得其数量资料,就可以采用回归分析法进行预测。它是一种具体的、行之有效的、实用价值很高的常用市场预测方法。

回归分析法的分类:回归分析法有多种类型,依据相关关系中自变量的个数不同分类,可分为一元回归分析法和多元回归分析法。在一元回归分析法中,自变量只有一个,而在多元回归分析法中,自变量有两个以上。依据自变量和因变量之间的相关关系不同,可分为线性回归预测和非线性回归预测。

回归分析法的步骤:

1、根据预测目标,确定自变量和因变量;明确预测的具体目标,也就确定了因变量。如预测具体目标是下一年度的销售量,那么销售量Y就是因变量。通过市场调查和查阅资料,寻找与预测目标的相关影响因素,即自变量,并从中选出主要的影响因素。

2、建立回归预测模型:依据自变量和因变量的历史统计资料进行计算,在此基础上建立回归分析方程,即回归分析预测模型。

3、进行相关分析:回归分析对具有因果关系的影响因素(自变量)和预测对象(因变量)所进行的数理统计分析处理。只有当变量与因变量确实存在某种关系时,建立的回归方程才有意义。因 此,作为自变量的因素与作为因变量的预测对象是否有关,相关程度如何,以及判断这种相关程度的把握性多大,就成为进行回归分析必须要解决的问题。进行相关 分析,一般要求出相关关系,以相关系数的大小来判断自变量和因变量的相关的程度。

4、检验回归预测模型,计算预测误差:回归预测模型是否可用于实际预测,取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验,且预测误差较小,才能将回归方程作为预测模型进行预测。

5、计算并确定预测值:利用回归预测模型计算预测值,并对预测值进行综合分析,确定最后的预测值。

回归分析法时应注意的问题:

应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系,对这些变量应用回归预测法就会得出错误的结果。

用定性分析判断现象之间的依存关系;

避免回归预测的任意外推;

应用合适的数据资料;

 

销售预测分析

  销售预测分析是指通过市场调查,以有关的历史资料和各种信息为基础,运用科学的预测方法或管理人员的实际经验,对企业产品在计划期间的销售量或销售额作出预计或估量的过程。企业在进行销售预测时,应充分研究和分析企业产品销售的相关资料,如产品价格、产品质量、售后服务、推销方法等。此外,对企业所处的市场环境、物价指数、市场占用率及经济发展趋势等情况也应进行研究分析。

  销售预测的方法有很多种,主要包括定性分析法和定量分析法。

  (一)销售预测的定性分析法

  定性分析法,即非数量分析法,是指由专业人员根据实际经验,对预测对象的未来情况及发展趋势作出预测的一种分析方法。它一般适用于预测对象的历史资料不完备或无法进行定量分析时,主要包括推销员判断法、专家判断法和产品寿命周期分析法。

  1.推销员判断法

  推销员判断法,又称意见汇集法,是由企业熟悉市场情况及相关变化信息的经营管理人员对由推销员调查得来的结果进行综合分析,从而作出较为正确预测的方法。这种方法用时短、耗费小,比较实用。在市场发生变化的情况下,能很快地对预测结果进行修正。

  2.专家判断法

  专家判断法,是由专家根据他们的经验和判断能力对特定产品的未来销售量进行判断和预测的方法,主要有以下三种不同形式:

  (1)个别专家意见汇集法,即分别向每位专家征求对本企业产品未来销售情况的个人意见,然后将这些意见再加以综合分析,确定预测值。

  (2)专家小组法,即将专家分成小组,运用专家们的集体智慧进行判断预测的方法。此方法的缺陷是预测小组中专家意见可能受权威专家的影响,客观性较德尔菲法差。

  (3)德尔菲法,又称函询调查法,它采用函询的方式,征求各方面专家的意见,各专家在互不通气的情况下,根据自己的观点和方法进行预测,然后由企业把各个专家的意见汇集在一起,通过不记名方式反馈给各位专家,请他们参考别人的意见修正本人原来的判断,如此反复数次,最终确定预测结果。

  3.产品寿命周期分析法

  产品寿命周期分析法就是利用产品销售量在不同寿命周期阶段上的变化趋势,进行销售预测的一种定性分析方法,它是对其他预测分析方法的补充。产品寿命周期是指产品从投入市场到退出市场所经历的时间,一般要经过萌芽期、成长期、成熟期和衰退期四个阶段。判断产品所处的寿命周期阶段,可根据销售增长率指标进行。一般地,萌芽期增长率不稳定,成长期增长率最大,成熟期增长率稳定,衰退期增长率为负数。

  (二)销售预测的定量分析法

  定量分析法,也称数量分析法,是指在预测对象有关资料完备的基础上,运用一定的数学方法,建立预测模型作出预测。它一般包括趋势预测分析法和因果预测分析法两大类。

  1.趋势预测分析法

  趋势预测分析法主要包括算术平均法、加权平均法、移动平均法和指数平滑法等。

  (1)算术平均法,即将若干历史时期的实际销售量或销售额作为样本值,求出其算术平均数,并将该平均数作为下期销售量的预测值。其计算公式为:

  

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

  式中:

  Y——预测值;

  Xi——第i期的实际销售量;

  n——期数。

  算术平均法适用于每月销售量波动不大的产品的销售预测。

  (2)加权平均法,同样是将若干历史时期的实际销售量或销售额作为样本值,将各个样本值按照一定的权数计算得出加权平均数,并将该平均数作为下期销售量的预测值。一般地,由于市场变化较大,离预测期越近的样本值对其影响越大,而离预测期越远的则影响越小,所以权数的选取应遵循“近大远小”的原则。其计算公式为:

   回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

  式中:

  Y——预测值;

  Wi——第i期的权数 (0

  Xi——第i期的实际销售量;

  n——期数。

  (3)移动平均法,是从n期的时间数列销售量中选取m期(m数值固定,且m

  

  为了使预测值更能反映销售量变化的趋势,可以对上述结果按趋势值进行修正,其计算公式为:

  

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

  由于移动平均法只选用了n期数据中的最后m期作为计算依据,故而代表性较差。此法适用于销售量略有波动的产品预测。

  (4)指数平滑法,实质上是一种加权平均法,是以事先确定的平滑指数a及(1-a)作为权数进行加权计算,预测销售量的一种方法。其计算公式为:

  

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

  式中:

  Yn+1——未来第n+1期的预测值;

  Yn——第n期预测值,即预测前期的预测值;

  Xn——第n期的实际销售量,即预测前期的实际销售量;

  a——平滑指数;

  n——期数。

  一般地,平滑指数的取值通常在0.3~0.7之间,其取值大小决定了前期实际值与预测值对本期预测值的影响。采用较大的平滑指数,预测值可以反映样本值新近的变化趋势;采用较小的平滑指数,则反映了样本值变动的长期趋势。因此,在销售量波动较大或进行短期预测时,可选择较大的平滑指数;在销售量波动较小或进行长期预测时,可选择较小的平滑指数。

  该方法运用比较灵活,适用范围较广,但在平滑指数的选择上具有一定的主观随意性。

  2.因果预测分析法

  因果预测分析法是指通过影响产品销售量(因变量)的相关因素(自变量)以及它们之间的函数关系,并利用这种函数关系进行产品销售预测的方法。因果预测分析法最常用的是回归分析法,本章主要介绍回归直线法。

  回归直线法,也称一元回归分析法。它假定影响预测对象销售量的因素只有一个,根据直线方程y=a+bx,按照最小二乘法原理,来确定一条误差最小的、能正确反映自变量x和因变量y之间关系的直线,其常数项a和系数b的计算公式为:

  

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

  待求出a、b的值后,代入y = a+bx,结合自变量x的取值,即可求得预测对象y的预测销售量或销售额。

 

因子分析和聚类分析的应用
时间: 2007-08-11 01:31:03 | [<<] [>>]
因子分析与聚类分析在消费者生活形态研究中的应用
作者: 南京雅兴 时间: 2005-11-19 09:45:39 | [回复][发表][<<][>>]

  我们都知道,消费者的生活方式与他们对商品的选择是密切相关的,根据生活方式将消费者进行分类,可以为产品的市场细分以及市场定位提供技术指导。在现代消费者行为与心理研究中,评价消费者生活方式的方法有许多,比较广泛应用的细分系统如价值及生活方式系统(VALS: Value and Life System),根据消费者对生活的观点以及通常的行为方式将消费者分成几个不同方式的群体系统。但由于各地区文化背景的差异,不同地区的消费者生活模式也存在较大的差异,消费者的分类也应考虑各地的具体情况。
  下面本文主要介绍如何通过因子分析和聚类分析方法来对消费者进行分类。

一、研究的基本方法
  由于缺乏基础性的资料可以参考,考虑到对消费者进行分类时样本量的充足性,因此研究一般要求采取较为充足的样本(本例样本总量为3000个),样本的分布根据人口比例分布在A城市的14个城区。本例中我们选定的样本对象为:15岁以上具有独立购买能力的消费者。样本的抽取采用随机方法,采用Kish表(随机表)决定家庭中的受访者,以保证样本的代表性。
  研究消费者的生活方式,我们通常采用心理描述测试法,即采用一系列关于对社会活动、价值观念等内容的陈述,请消费者根据自己的情况做出评价。调查中采用7分评价法, 1分表示“非常同意”,7分表示“非常不同意”。经事先的小样本测试筛选,最终的测试语句为:
  我喜欢购买新潮的东西
  在其他人眼中我是很时髦的
  我用穿着来表达个人性格
  我对自己的成就有很大期望
  生命的意义是接受挑战和冒险
  我会参加/自学一些英语和电脑课程来接受未来的挑战
  我习惯依计划行事
  我喜欢品味独特的生活
  放假时我喜欢放纵自己,什么事都不做
  无所事事会使我感到不安
  我的生活节奏很紧凑
  优柔寡断不是我的处事方式
  经济上的保障对我来说是最重要的
  我选择安定和有保障的工作
  我宁愿少休息多工作,以多挣些钱
  我很容易与陌生人结交
  我活跃于社交活动
  我对朋友有很大影响力
  我很注意有规律的饮食习惯
  我定期检查存款余额,以免入不敷出

二、消费者分类的分析方法
  对于以上测试数据,我们采用了一系列的数理统计方法进行处理,主要思想是:
  1.通过因子分析,将测试语句进行分组。即:将这一系列的语句进行综合,根据消费者的回答情况,将这些语句分为几大类,根据实际情况,找出每一类型中的共同因子,对这些类型的含义进行合理解释。
  2.利用因子分析的结果,对样本的回答按照新的类型进行重新评估打分,然后根据这些评价进行聚类分析,根据统计原则以及在现实中容易解释的原则,确定最终采用的分类个数。
  3.根据分类结果对每一样本判别其所属类别,然后对各类型消费者的背景进行交叉分析。

下面向读者介绍具体的分析方法:

三、因子分析方法
  由于测试的语句实际上是一系列相关因素的陈述,很多语句之间存在一定的相关性,所以我们不能采用简单的回归方法进行分析。通过因子分析则可以将系列相关因素综合为一个因子,因此,研究中我们首先采用因子分析来对20个陈述进行分析(因子分析的原理请参考有关数理统计书籍)。

表1:因子分析的结果

组合因子 因子中包含的陈述(相关系数大于0.5) 因子含义
因子1 A、B、C、H 对时尚的观点
因子2 D、E、F、J、K 个人的事业性与进取性
因子3 M、N、O 对经济利益的看法
因子4 P、Q、R 社交能力与影响力
因子5 S、G、I 生活的计划性

  利用统计软件(SPSS)进行因子分析后我们发现:这些陈述大致可以综合为5个因子。为了进一步发现其中每一个因子的实际含义,我们对因子进行正交旋转,最终形成5个组合因子,这些因子其实是20个陈述的一个线性组合。对于每一组合因子,选取其中对因子呈现较强相关(相关系数大于0.5)的陈述,其余的陈述予以剔除,以便一目了然地发现因子的实际意义,实际研究结果见下表。仔细考察这5个因子中所包含陈述的实际意义,我们对每一因子进行命名,以便实际分析时方便引用。(注:读者可能发现,有两个陈述没有被包括在5个组合因子中,可能是该陈述不符合国情。)

四、聚类分析方法
  因子分析后每一因子可以表示为一系列陈述语句的线性函数,因此我们首先利用这些因子函数,根据消费者对各陈述的打分,求出他们对每一因子的评价。然后根据消费者对因子的评价,对样本进行聚类分析,从而对消费者的生活方式进行分类。本例中,在模型通过统计检验的情况下,我们根据聚类的实际含义,最后选择了有6个中心的聚类分析,也就是说将消费者的生活方式分为6个模式。这6个聚类中心(类别)如下:(注:表中数据的得分值越低,表示消费者对该指标的认同程度越高,0表示中性)

表2:聚类分析的中心

因子

类别

1 2 3 4 5 6
1、追求时尚新潮 -1.20913 .50717 .77936 .07717 .43515 -.02990
2、积极的生活态度 .00178 -.18146 .10136 -1.45683 .88757 .27268
3、注重经济利益与保障 -.32459 -.83205 -.53811 .79861 1.06779 .03286
4、社交能力与影响力 -.17170 1.06183 -1.18052 .01572 .34527 -.15137
5、生活有计划 -.39631 -.26929 -.54317 -.01171 -.36465 1.11666
类别的实际意义 非常重视时尚 社交影响能力不强,注重经济保障 社交影响能力强,不大注重时尚 生活态度积极,不注重经济利益 不注重经济利益,态度消极 生活没有计划,平庸 ?
消费者的分类 时尚型 自保型 领袖型 上进型 迷茫型 平庸型

  根据每一类消费者的因子的特征,我们最终将消费者的生活方式分为6个类别,即:时尚型、自保型、领袖型、上进型、迷茫型(缺乏生活目标型)和平庸型。

五、研究结果的应用分析

  1. 各类型消费者的特征

  在得到消费者生活方式的分类以后,我们对各类型的消费者背景进行分析,以判断这些分类是否符合我们通常的认识类别。以下是我们的实际统计结果:
  时尚型:这类消费者约占样本量的约21%,主要背景特征为:年龄相对较轻,平均年龄在35岁左右,最主要在25-44岁之间,教育程度相对较高,一般具有高中以上的文化程度,虽然平均家庭月收入较好,平均在2200元左右,但同时也是分散程度最高的,表明喜爱时尚并不是高收入者的专利。与其他类型相比,这一类型中的三资企业员工的比例最大,未婚的比例较大,约占1/4,女性的比例为55%,高于男性。
  自保型:这类消费者占16%,他们更多的是为自己的生计考虑,考虑自己能否有稳定的经济来源,维持家庭的经济保障是他们最关心的问题,而对于他人的影响力较弱。这些人的平均受教育程度较低,中年人的比例较高,平均年龄在44岁左右,家庭月收入较低,平均在1600元左右,国营企业员工以及离退休人员的比例较高。女性的比例高于男性。
  领袖型:这类消费者占13%。教育程度处于社会平均水平,也主要为中年人,有较多的生活阅历,多在45-54岁之间,平均年龄45岁。家庭月平均收入一般在1800元左右。在职业上没有显著特征。他们绝大多数已婚,已婚比例是各类消费者中最高的,这似乎表明有稳定的家庭也是成为领袖的一个条件。男性比例占55%,高于女性。
  上进型:这类消费者占消费者总人数的不到13%。他们对生活的态度积极,大多为未婚青年,平均年龄在28岁左右,25岁以下的占40%,单身未婚的比例占1/2以上。职业上的显著特征是:1/3为学生,三资企业员工的比例达1/10,都显著高于其他类型。在性别上,男性的比例(56%)高于女性。同时,这类消费者是受教育程度最高的,由于年轻,他们不注重经济保障,但是他们的平均家庭收入却是最高的,月平均收入在2300元左右。
  迷茫(缺乏生活目标)型:约占15%,他们既不注重经济保障,也不会去参加什么培训,学习新知识,生活节奏较缓慢。详细的数据表明,这类消费者主要为退休人员,约占该类型人员的2/3,剩下的主要为国营企业员工。他们的年龄是各类型消费者中最高的,平均年龄在50岁以上,45岁以下的比例很小。他们的教育程度是最低的,家庭收入也是最低的,平均不到1600元,在婚姻状态中,丧偶的比例最高,约占15%,而其他消费者类型的比例均低于7%。在性别分布上,女性的比例远远高于男性,占62%。
  平庸型:这类消费者约占23%,他们最大的特点是生活没有计划,日常生活没有规律,而其他指标则均处于中间状态。这类消费者在年龄上比较分散,从15岁到54岁之间的各年龄段均有相当比例, 平均教育程度一般,家庭月平均收入中等,在1900元左右。在职业上没有显著特征,但待岗人员的比例稍高于其他各类型。在性别上,男性稍高于女性。

  2. 消费者购物与生活方式

  研究表明:消费者的生活方式与消费者的购物方式有着很高的相关程度。
  购物半径:我们这里的购物是指购买食品与日杂用品,不包括衣着与耐用品。调查显示:时尚型的消费者购物半径最大,平均购物半径为4.5公里,其次是领袖型,4.2公里,缺乏目标型的购物半径最小,仅为2.6公里。
  愿意花费在购物上的最长时间:不出所料,时尚型的消费者是愿意在购物上花费时间最长的,平均为74分钟,而缺乏目标型的消费者时间最短,为56分钟,其他类型的均在65分钟左右。
  购物交通费:时尚型的消费者愿意为购物花费最多的交通费,平均为7.9元,缺乏目标型为3.4元,其他类型的在4.2-5.6元之间。

财务预测:利用线性回归分析法预测资金需求量
作者:钭志斌  发表时间:2009-3-8 14:40:11  浏览次数:1256  审核:叶伟媛
财务预测:利用线性回归分析法预测资金需求量

一、任务要求

请根据上市公司或你实习的单位近年来销售额,资金占用量,及其预计资产负债率情况下,利用回归分析法进行资金需求量的预测。

注:资金占用量,可能根据资产总额反映。可以按总额进行资金预测,也可以按货币资金、应收帐款等分项预测资金需求。

二、任务目的

掌握线性回归预测方法;

掌握EXCEL在资金预测中的应用;

三、工作步骤

1、根据历史资料,统计出历年销售额X及其对应的资金需要量Y;

2、利用EXCEL中的数据分析功能求解,求出A与B值;

3、根据Y=A+BX进行在特定销售额的情况下,资金需求量;

提示:当数据不存在线性关系时,利用EXCEL回归分析方法有不妥之处。

四、考核要点

1、掌握线性回归预测的基本原理Y=A+Bx;

2、掌握EXCEL在预测的应用;

五、参考资料

某企业产销量和资金变化情况如表所示。2007年预计销售量为150万件,试计算2007年的资金需要量。

年度 2001 2002 2003 2004 2005 2006
 产销量(Xi)(万件) 120 110 100 120 130 140
 资金占用(Yi)(万元) 100 95 90 100 105 110

 

操作步骤:

将上列数据复制到EXCEL中,画折线图,看图形判断是否属呈现线性关系。

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

 

2、打开“工具”,选择“数据分析”

 3、选择“回归”

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

 

4、在相应的格内输入数据来源,如图:

 

 

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

 

5、得出结果如下,即Y=40+0.5x.

 

 

回归分析法 - 和平 - 零售创新,创新那些事儿,SPSS,VBA

 

 

 

6、根据公式进行预测。
 

本文来自:钭志斌《公司理财》精品课程详细出处参考:http://dzb.lszjy.com/Article/info_284.html

  评论这张
 
阅读(4996)| 评论(1)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017