Передумови кореляційно-регресійного аналізу

Основні аналітичні технології у підтримці прийняття рішень

Основні види СППР

Є велика кількість СППР різного рівня, призначення, галузевої або функціональної приналежності.

СППР для вирішення складних комплексних завдань підприємства (наприклад, для вирішення завдань стратегічного планування), називають інституційною.

СППР для вирішення відносно нескладних одноразових проблем, називають "ad hoc" (спеціальні, для даного випадку).

СППР для вирішення проблем в конкретних галузях (машинобудування, банківська справа) відносять до галузевих або функціональних (фінанси, маркетинг).

Відомі також СППР державного рівня.

Можливе комбінування звичайних програмних продуктів, що випускають звіти, із СППР. Практично це може здійснюватися перемиканням в автономний режим роботи користувача, копіюванням ряду файлів бази даних і наданням користувачеві можливості вільного, інтерактивного аналітичного моделювання засобами бази моделей СППР.

Прикладом може служити нечітка технологія (Fuzzy-technology), реалізована в додатку МаркетЕффект (розробка компаній 1DM Co. Ltd і ІНЕКС (Україна). Додаток функціонує у складі системи автоматизації обліку і управління підприємством FinExpert, що використовує не лише точні дані про стан ринку, але і неповні, неточні відомості і припущення про його розвиток. Маркет-ефект дозволяє набувати не точних прогнозних значень величин, а їх діапазони відповідно до певної долі упевненості. Користувач має можливість оцінити міру ризику проекту в цілому і його окремих показників.

Сучасні СППР, що застосовуються в маркетингових дослідженнях, допомагають менеджерові з маркетингу будувати карту ринку, визначати ціну продукції, обсяги продажів, досліджувати канали просування, аналізувати вплив реклами, управляти асортиментом товарів. СППР можуть робити прогноз продажів і рентабельності, використовуючи внутрішні і зовнішні дані про покупців, конкурентів, продавців і іншу економічну і демографічну інформацію.

Економічні дані майже завжди представлені у вигляді таблиць. Числові дані, що містяться в таблицях, зазвичай мають між собою явні (відомі) або неявні (приховані) зв'язки.

Явно зв'язані показники, які отримані методами прямого рахунку, тобто обчислені за заздалегідь відомими формулами. Наприклад, відсотки виконання плану, рівні, питомі ваги, відхилення в сумі, відхилення у відсотках, темпи зростання, темпи приросту, індекси і так далі

Зв'язки ж другого типа заздалегідь невідомі. Проте люди повинні уміти пояснювати і передбачати (прогнозувати) складні явища для того, щоб управляти ними. Тому фахівці за допомогою спостережень прагнуть виявити приховані залежності і виразити їх у вигляді формул, тобто математично змоделювати явища або процеси. Одну з таких можливостей надає кореляційно-регресійний аналіз.

Звернемо увагу на те, що фахівці будують і використовують математичні моделі для трьох узагальнених цілей:

· для пояснення;

· для передбачення;

· для управління.

Надання економічних і інших даних в електронних таблицях в наші дні стало простим і природним. Оснащення ж електронних таблиць засобами кореляційно-регресійного аналізу сприяє тому, що з групи складних, глибоко наукових і тому рідко використовуваних, майже екзотичних методів, кореляційно-регресійний аналіз перетворюється для фахівця в повсякденний, ефективний і оперативний аналітичний інструмент. Проте, через його складність, освоєння його вимагає значно великих знань і зусиль, чим освоєння простих електронних таблиць.

Користуючись методами кореляційно-регресійного аналізу, аналітики вимірюють тісноту зв'язків показників за допомогою коефіцієнта кореляції. При цьому виявляються зв'язки, різні по силі (сильні, слабкі, помірні і ін.) і різні за напрямом (прямі, зворотні). Якщо зв'язки виявляться істотними, то доцільно буде знайти їх математичне вираження у вигляді регресійної моделі і оцінити статистичну значущість моделі. У економіці значиме рівняння використовується, як правило, для прогнозування явища, що вивчається, або показника.

Тому регресійний аналіз називають основним методом сучасної математичної статистики для виявлення неявних і завуальованих зв'язків між даними спостережень. Електронні ж таблиці роблять такий аналіз легко доступним. З безлічі видів цього аналізу ми розглянемо ті, які використовуються найчастіше як універсальні інструменти пізнання дійсності. При цьому передбачається, що студент знайомий з теоретичними основами кореляційно-регресійного аналізу з попередніх учбових дисциплін. Проте, на всяк випадок дещо нагадаємо.

Кореляційно-регресійний аналіз зв'язків між змінними показує, як один набір змінних (X) може впливати на інший набір (У). Ось декілька прикладів.

Приклад 1. Маркетологи, що вивчають шляхи просування товарів і втрати в дорозі, хочуть перевірити припущення про те, що число консервних банок, зіпсованих при перевезенні у вагонах, залежить від швидкості вагону при поштовхах. Це могло б дати інформацію перепроектування упаковки і розфасовки товарів, зміни способу доставки, визначення природного спаду. Зібрані дані про швидкість 13 вагонів (незалежна змінна X) і кількість зіпсованих банок в кожному з них (залежна змінна В). Якщо при обробці цих даних виявиться сильний зв'язок між X і В, то необхідно буде побудувати його математичну модель для прогнозування втрат при перевезеннях і нормування спаду.

Приклад 2. Хіромантія стверджує, що довжина "лінії життя" на лівій долоні людини пов'язана з тривалістю його життя. Медична наука за допомогою прямого наукового експерименту хоче перевірити, чи є це істиною. Методом прямого спостереження зібрані дані про дійсний вік 50 померлих і про довжину їх "лінії життя", аби за допомогою кореляційно-регресійного аналізу виміряти силу зв'язків і пролити наукове світло на затвердження хіромантії.

Приклад 3. Відмічено, що об'єм продажів залежить від площі торгівельного підприємства. На основі зібраних даних необхідно знайти надійне (статистично значиме) рівняння цієї залежності, аби за відомою площею універмагу (X) можна було планувати об'єм продажів у ньому (У). У останньому випадку важливо також мати дані про тип підприємства, оскільки цей зв'язок може бути неоднаковим для великих і малих підприємств.

Таким чином, регресійні обчислення і підбір кращих рівнянь - це коштовний, універсальний дослідницький інструмент в найрізноманітніших галузях ділової і наукової діяльності (маркетинг, торгівля, медицина і т.ін.). Маючи такий інструмент на своєму комп'ютері і засвоївши технологію використання цього інструменту, ви зможете застосовувати його в міру необхідності, отримуючи знання про приховані зв'язки, покращуючи аналітичну підтримку прийняття рішень і підвищуючи їх обґрунтованість.

У маркетингу широко застосовуються як однофакторні, так і множинні регресійні моделі. Кореляційно-регресійний аналіз вважається одним з головних методів в маркетингу, разом з оптимізаційними розрахунками, а також математичним і графічним моделюванням трендів (тенденцій).

Дата добавления: 2017-02-01; Просмотров: 76; Нарушение авторских прав?; Мы поможем в написании вашей работы!