Маркетинговый анализ спроса на продукцию и услуги предприятия

С помощью корреляции решаются две главные задачи: 
· составляется модель действующих факторов (уравнение регрессии); 
· дается количественная оценка тесноты связей (коэффициент корреляции).

Метод регрессионного анализа - наиболее совершенный из используемых нормативно-параметрических методов, эффективен при проведении расчетов на ЭВМ. Применение его включает следующие основные этапы: 
* определение классификационных параметрических групп изделий; 
* отбор параметров, в наибольшей степени влияющих на цену изделия; 
* выбор и обоснование формы связи изменения цены при изменении параметров; 
* построение системы нормальных уравнений и расчет коэффициентов регрессии. 
Основной квалификационной группой изделий, цена которых подлежит выравниванию, является параметрический ряд, внутри которого изделия могут группироваться по исполнению, различному в зависимости от степени применения, условий и требований эксплуатации и т.д. При формировании

                                                     19

параметрических рядов могут быть применены методы автоматической классификации, которые позволяют из общей массы продукции выделять ее однородные группы. Отбор технико-экономических параметров производится исходя из следующих основных требований: 
* в состав отобранных параметров включаются параметры, зафиксированные в стандартах и технических условиях; помимо технических параметров (мощность,

грузоподъемность, скорость и т.д.) используются показатели серийности продукции, коэффициенты сложности, унификации и др.; 
* совокупность отобранных параметров должна достаточно полно характеризовать конструктивные, технологические и эксплуатационные свойства изделий, входящих в ряд и иметь достаточно тесную корреляционную связь с ценой; 
* параметры не должны быть взаимозависимы.

Метод наименьших квадратов — один из методов регрессионного анализа для оценки неизвестных величин по результатам измерений, содержащих случайные ошибки.

Метод наименьших квадратов применяется также  для приближённого представления  заданной функции другими (более  простыми) функциями и часто оказывается  полезным при обработке наблюдений.

Когда искомая  величина может быть измерена непосредственно, как, например, длина отрезка или угол, то, для увеличения точности, измерение производится много раз, и за окончательный результат берут арифметическое среднее из всех отдельных измерений. Это правило арифметической середины основывается на соображениях теории вероятностей; легко показать, что сумма квадратов уклонений отдельных измерений от арифметической середины будет меньше, чем сумма квадратов уклонений отдельных измерений от какой бы то ни было другой величины. Само правило арифметической середины представляет, следовательно, простейший случай метода наименьших квадратов. 
 
 

                                               20

                Список используемой литературы