Page 77 - 4230

У разі використання кореляційно-регресивного аналізу для прогнозування
попиту завдання маркетингової служби полягає у встановленні найбільш точного
статистичного зв'язку між продажем і незалежними змінними.
Регресивний аналіз може бути використаний для прогнозування місткості ринків
та обсягів збуту. Моделі, отримані в результаті методу регресивного аналізу,
базуються на статистичному зв'язку і не використовують функціональних
залежностей.
Обмеження застосування регресивного аналізу вимагає стабільності інших
зовнішніх факторів. Саме тому найточніші результати можна отримати за умов
стабільної кон'юнктури ринку. А застосування цього методу за умов нестабільності є
проблематичним.
Результати кореляційного аналізу не залежать від форми динаміки попиту і дають
змогу визначити щільність зв'язку між обсягом збуту та зовнішніми незалежними
факторами:
обсяг збуту — відсоток за кредит;
обсяг збуту — дохід споживачів;
обсяг збуту — витрати на рекламу;
обсяг збуту — ціна товару.
Недоліки методу:
порівняно з даними про збут за попередні роки не завжди легко і своєчасно
може бути отримана інформація про зовнішні фактори (відсоток за кредит в умовах
нестабільної економіки, дані про погоду тощо);
метод дорогий, вимагає спеціальних комплексних досліджень,
проведення яких з огляду на значні витрати не завжди виправдане.
Багатофакторна регресивна модель дає змогу визначити взаємозв'язок між
попитом і кількома факторами, на відміну від рівняння парної регресії, де
враховується лише одна змінна.
Це пояснює, чому багатофакторна модель точніше характеризує реальність. Для
опису залежності результативної ознаки (попиту) від кількох факторів використовують
багатофакторну регресивну модель:

Y = F (х 1, х 2, х 3, х n) . (5.5)

Через труднощі обґрунтування форми зв'язку частіше використовують
багатофакторні лінійні рівняння і рівняння, що приводяться до лінійного виду
відповідними перетвореннями, тобто:

Y = F а + b 1х 1 + b 2х 2 + b 3х 3 + ... + b nх n . (5.6)

Параметр рівняння називають частковим коефіцієнтом регресії, який показує,
як у середньому зміниться результативна ознака у в разі зміни факторної ознаки х на
одиницю за умови, що інші факторні ознаки залишаються незмінними.
При відборі факторів слід враховувати:
не рекомендується включати до моделі фактори, які слабко пов'язані з
результативною ознакою у, але тісно, пов'язані з іншими факторами;

76