Главная страница

Эконометрика КТ3. Эконометрические методы в маркетинге


Скачать 47.47 Kb.
НазваниеЭконометрические методы в маркетинге
Дата22.12.2022
Размер47.47 Kb.
Формат файлаdocx
Имя файлаЭконометрика КТ3.docx
ТипДокументы
#859033


1. "Эконометрические методы в маркетинге"
Эконометрика использовалась в рекламе на протяжении десятилетий. Поскольку реклама стала более сложной с ростом цифровых каналов, эконометрика только увеличила свою ценность.

Эконометрика — это создание и использование математических моделей для представления экономических систем в реальном мире в масштабах всей экономики, отрасли или отдельной компании. Она также помогает определить факторы, которые стимулируют рост, эффективность маркетинга и факторы, снижающие спрос на продукт или услугу.

В рамках маркетинга эконометрика часто понимается как моделирование маркетингового микса, то есть набор методов статистического анализа, применяемых к данным маркетинга или продаж для прогнозирования эффективности различных маркетинговых мероприятий.

Например, маркетолог может захотеть показать взаимосвязь между тем, сколько они тратят на телевизионную рекламу и ростом продаж. В этом им поможет эконометрика.

Эконометрика использует регрессии (статистический метод) для поиска и описания взаимосвязей в данных. Регрессия анализирует исторические данные, чтобы показать, как на результат (например, продажи продукта) повлияли другие факторы (например, расходы на телерекламу).

Затем рекламодатели могут использовать эконометрические модели, чтобы предсказать, как изменения в их маркетинговой стратегии могут повлиять на продажи или другие результаты. Например, бренд может использовать эконометрическое моделирование, чтобы спрогнозировать, что, если они увеличат свои расходы на телевизионную рекламу на 200 миллионов рублей, они должны ожидать увеличения общих продаж на 400 миллионов рублей.
Рекламодатель может захотеть запустить регрессию для создания моделей на основе собственных данных. Или компании и организации могут использовать отраслевые данные для создания моделей, которые могут использоваться всей отраслью. Например, эконометрика использовалась для ответа на вопросы о том, как долго длится эффект от рекламной кампании и даже о том, эффективна ли вообще реклама, какие каналы дают наибольшую отдачу.

Регрессии можно использовать для измерения воздействия нескольких каналов одновременно, показывая, как каждый конкретный канал повлиял на конечный результат. Вот почему эконометрику в рекламе часто называют «моделированием медиа-микса» или «моделированием маркетингового микса».

Эти модели маркетингового комплекса позволяют рекламодателям оценивать свои прошлые кампании, показывая, какие каналы оказывают наибольшее влияние на результаты. Кроме того, модели можно использовать для оптимизации, помогая рекламодателям понять, на что им следует тратить бюджет в будущем.

Эконометрика помогает избавиться от догадок в рекламе, давая брендам направление, куда им следует распределять свои рекламные расходы. Она также помогает доказать ценность новых каналов и форматов (после накопления определенной базы данных), обосновывая инвестиции в них.

2. Прожиточные минимумы и средняя зарплата по регионам РФ в 2021 г.

Субъект РФ

Прожиточный минимум
2021 г.. x

Средняя заработная плата 2021 г.. y

 Алтайский край 

9573

33872

 Амурская область

11272

59098

 Архангельская область

12014

60885

 Астраханская область

9621

42096

 Белгородская  область

8659

41775

 Брянская область

9860

35582

 Владимирская область

9800

39550

 Волгоградская область

9020

45463

 Республика Татарстан

8423

45800

 Республика Башкортостан

9605

42848

* Прожиточный минимум в субъекте РФ на 2021 год (Источник: https://pfr.gov.ru/grazhdanam/pensionres/soc_doplata/

7905)

* Средняя зарплата по регионам России по данным Росстат в 2021 году

(Источник: https://visasam.ru/russia/rabotavrf/zarplaty-v-rossii.html)


  1. Построить поле корреляции и сформулировать гипотезу о форме связи.

  2. Рассчитать параметры уравнений линейной и любой из нелинейных парных регрессий.

  3. Оценить тесноту связи с помощью показателей корреляции и детерминации.

  4. Оценить качество уравнений с помощью средней ошибки аппроксимации.

  5. С помощью F-критерия Фишера оценить статистическую надежность результатов регрессионного моделирования. Выбрать лучшее уравнение регрессии и дать его обоснование.

  6. Рассчитать прогнозное значение результата, при условии, что прогнозное значение фактора увеличится на 25% от его среднего уровня. Определить доверительный интервал прогноза для уровня значимости 0,05.



Анализ поля корреляции показывает наличие близкой к прямолинейной зависимости, так как точки расположены практически по прямой линии.


№ субъекта

x

y





xy









A(%)

 1 

9573

33872

91642329

1147312384

324256656

117178460

44816,89

62544,72

822124872,2

0,85

2

11272

59098

127057984

3492573604

666152656

207391681

2212061,3

71957,18

165358510,3

0,22

3

12014

60885

144336196

3706983225

731472390

262054582

4969778,5

76067,86

230519237,8

0,25

 4

9621

42096

92563641

1772073216

405005616

6764680,8

26797,69

62810,64

429096310,3

0,49

 5

8659

41775

74978281

1745150625

361729725

8537499,6

1267200,5

57481,16

246683461,9

0,38

 6

9860

35582

97219600

1266078724

350838520

83081402

5670,09

64134,7

815256677,3

0,80

 7

9800

39550

96040000

1564202500

387590000

26490580

234,09

63802,3

588174055,3

0,61

8

9020

45463

81360400

2066884369

410076260

586909,21

584766,09

59481,1

196507127,6

0,31

 9

8423

45800

70946929

2097640000

385773400

1216829,6

1854226,9

56173,72

107614066,6

0,23

 10

9605

42848

92256025

1835951104

411555040

3418431,2

92256025

62722

394975876

0,46

Сумма

97847

446969

968401385

20694849751

4434450263

716721055

103221577




3996310195

4,59

Среднее

9784,7

44696,9

96840139

2069484975

443445026

71672105

10322158




399631019,5

45,9%

σ

1048,7

8465,938

























σ2

1099784,4

71672105



























ɑ = - = 44696,9 – 5.54*9784,7 = 9510.3

Тогда линейное уравнение парной регрессии имеет вид



Оно показывает, что с увеличением прожиточного минимума на 1 руб. средняя зарплата возрастает в среднем на 5.54 руб.

Тесноту линейной связи оценим с помощью линейного коэффициента парной корреляции



Найдем коэффициент детерминации



Это означает, что 49% вариации заработной платы у объясняется вариацией фактора х –прожиточного минимума.

Для оценки качества полученной модели найдем среднюю ошибку аппроксимации


В среднем, расчетные значения отклоняются от фактических на 45.9%. Качество построенной модели оценивается как плохое, т.к. значение А менее 8 %.

Рассчитаем фактическое значение F – критерия при заданном уровне значимости  = 0,05





написать администратору сайта