Прогнозирование. Построение линии тренда
На основании полученных данных с помощью методов регрессионного анализа можно сделать прогноз о тенденции изучаемого показателя. По дискретным данным строится аппроксимирующая функция и рассматриваются ее значения на участке, где фактические сведения отсутствуют. Эта операция называется построением тренда. В стандартные математические пакеты Matlab, MathCad, Statistica и в Excel встроены соответствующие функции. На рисунке ниже показан пример построения линейного и экспоненциального трендов объема продаж по неделям в программе Excel. Величина R2, называемая коэффициентом регрессии, отражает степень достоверности аппроксимации. Чем ближе этот параметр к единице, тем точнее аппроксимирующая функция описывает фактические данные. В приведенном на рисунке примере показана динамика продаж по неделям и прогноз, откуда следует, что точнее оказывается линейная аппроксимация.
В статистике используется и понятие множественной регрессии, когда тренд строится по нескольким переменным. Общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона в 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также, предикторами) и зависимой переменной. Например, агент по продаже недвижимости мог бы вносить в реестр индивидуального жилья размер дома (в квадратных метрах), число спален, средний доход населения в этом районе в соответствии с данными переписи и субъективную оценку привлекательности дома. Как только эта информация собрана для различных домов, было бы интересно посмотреть, связаны ли и каким образом эти характеристики дома с ценой, по которой он был продан. Например, могло бы оказаться, что число спальных комнат является лучшим предсказывающим фактором (предиктором) для цены продажи дома в некотором специфическом районе, чем «привлекательность» дома (субъективная оценка). Могли бы также обнаружиться и «выбросы», т.е. дома, которые могли бы быть проданы дороже, учитывая их расположение и характеристики.
Специалисты по кадрам обычно используют процедуры множественной регрессии для определения вознаграждения адекватного выполненной работе. Можно определить некоторое количество факторов или параметров, таких, как «размер ответственности» (Отв) или «число подчиненных» (Сотр), которые, как ожидается, оказывают влияние на стоимость работы. Кадровый аналитик затем проводит исследование размеров окладов (Оклад) среди сравнимых компаний на рынке, записывая размер жалования и соответствующие характеристики (т.е. значения параметров) по различным позициям. Эта информация может быть использована при анализе с помощью множественной регрессии для построения регрессионного уравнения в следующем виде:
Оклад = Отв + Сотр
Коэффициенты и могут определяться по результатам обследования рынка труда с помощью метода наименьших квадратов. Как только эта так называемая линия регрессии определена, аналитик оказывается в состоянии построить график ожидаемой (предсказанной) оплаты труда и реальных обязательств компании по выплате жалования. Таким образом, аналитик может определить, какие позиции недооценены (лежат ниже линии регрессии), какие оплачиваются слишком высоко (лежат выше линии регрессии), а какие оплачены адекватно. В отличие от одномерной задачи в программы статистического анализа заложено построение только линейных многомерных трендов. Специализированные программы для маркетинговых следований, такие как Marketing Expert, Forecast Expert, Nova Plan Write Business Plan Writer Deluxe позволяют при построении тренда явным образом учитывать сезонность.
Дата добавления: 2016-07-18; просмотров: 1724;