ресії, за винятком того, що використовується більш ніж одна змінна. Під цим кутом зору злегка змінюється термінологія і статистичні розрахунки [4, с.37].
Багатофакторне рівняння множинної регресії має наступний вигляд
, (1.3)
де y - залежна або прогнозована змінна;
xi - незалежна змінна;
a - вільний член рівняння;
bi - коефіцієнт умовно-чистої регресії;=1, m; - число незалежних змінних (факторних ознак).
Термін «коефіцієнт умовно-чистої регресії" означає, що кожна з величин b вимірює середнє по сукупності відхилення залежної змінної (результативної ознаки) від її середньої величини при відхиленні залежної змінної (фактора) x від своєї середньої величини на одиницю її виміру і за умови, що всі інші фактори, що входять в рівняння регресії, закріплені на середніх значеннях, не змінюються, що не варіюються.
Обмеженням прогнозування на основі регресійного рівняння, тим більше парного, служить умова стабільності чи принаймні малої мінливості інших факторів і умов досліджуваного процесу, не пов'язаних з ними. Якщо різко зміниться «зовнішнє середовище» протікає процесу, колишнє рівняння регресії результативної ознаки на факторний втратить своє значення.
Слід дотримуватися ще одне обмеження: не можна підставляти значення факторної ознаки, що значно відрізняються від вхідних у базисну інформацію, по якій обчислене рівняння регресії. При якісно інших рівнях фактора, якщо вони навіть можливі в принципі, були б іншими параметри рівняння. Можна рекомендувати при визначенні значень факторів не виходити за межі третини розмаху варіації, як за мінімальне, так і за максимальне значення ознаки-фактора, наявне у вихідній інформації.
Прогноз, отриманий підстановкою в рівняння регресії очікуваного значення фактора, називають крапковим прогнозом. Імовірність точної реалізації такого прогнозу вкрай мала. Необхідно супроводити його значення середньою помилкою прогнозу чи довірчим інтервалом прогнозу, в який з досить великою ймовірністю потрапляють прогнозні оцінки. Середня помилка є мірою точності прогнозу на основі рівняння регресії. Існують удосконалені методи парної регресії, в якійсь мірі долають його недоліки.
Найпростішими методами прогнозування попиту на основі статистичної маркетингової інформації є екстраполяційні методи, засновані на аналізі часових рядів.
Тренд характеризує загальну тенденцію в змінах показників ряду. Ті чи інші якісні властивості розвитку виражають різні рівняння трендів: лінійні, параболічні, експонентні, логарифмічні, логістичні та ін Після теоретичного дослідження особливостей різних форм тренда необхідно звернутися до фактичного тимчасового ряду, тим більше що далеко не завжди можна надійно встановити, якою має бути форма тренда з чисто теоретичних міркувань. За фактичному динамічному ряді тип тренда встановлюють на основі графічного зображення, шляхом осереднення показників динаміки, на основі статистичної перевірки гіпотези про сталість параметра тренда.
Одним з найбільш поширених методів вивчення попиту є оперативний метод, який заснований на застосуванні спеціальних многосчетчікових касових апаратів. У якості інформації для вивчення попиту можуть служити дані, отримані в результаті застосування касових апаратів, що дозволяють постійно враховувати щоденну реалізацію товарів за кількістю, сумі, структурі, в тому числі за асортиментом і навіть по окремих товарах. ...
