Эконометрика КТ3. Эконометрические методы в маркетинге

• Название: Эконометрические методы в маркетинге
• Дата: 22.12.2022
• Размер: 47.47 Kb.
• Имя файла: Эконометрика КТ3.docx
• Тип: Документы; #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