![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Модели причинного прогнозирования обычно содержат ряд переменных, которые имеют отношение к предсказываемой переменной. Как только эти переменные будут найдены, строится статистическая модель, которая используется для прогноза интересующей нас переменной. Этот подход является более мощным, чем методы временных серий, которые используют прошлые значения для прогнозируемой переменной.
Многие факторы могли бы рассматриваться в причинном анализе. Например, продажи товара могут быть связаны с расходами фирмы на рекламу, с назначаемой ценой, с делами конкурентов и стратегиями продвижения товаров или даже с экономическими условиями и безработицей. В этом случае продажи будут называться зависимой переменной, а другие переменные будут называться независимыми переменными. Работа менеджеров заключается в установлении наилучшей статистической зависимости между продажами и независимыми переменными. Наиболее общей количественной моделью причинного прогнозирования является модель линейного регрессионного анализа.
Использование регрессионного анализа для прогнозирования. Мы можем использовать такие математические модели, которые применяли как метод наименьших квадратов в трендовом проектировании, преобразовав их к моделям линейной регрессии. Зависимая переменная, которую мы хотим спрогнозировать, будет обозначаться у. Но теперь независимая переменная х – это не время.
у = а + bх,
где у – значение зависимой переменной, здесь – объем продаж;
a – отрезок, отсекаемый на оси у;
b – наклон линии регрессии;
х – независимая переменная.
Дата публикования: 2015-03-29; Прочитано: 128 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!