Содержание



Введение

В настоящее время проблема маркетинговых исследований рынка является чрезвычайно актуальной для любой фирмы, даже не очень крупной. Переход экономических отношений на международный, всемирный уровень привёл к тому, что маркетинговые исследования стали неотъемлемой частью маркетинговой деятельности любой фирмы, нацеленной на получение значительной прибыли, то есть фактически каждой более или менее видной фирмы. Если её руководство заинтересовано в увеличении прибыли, оно в современных условиях должно переориентировать производственную деятельность своей фирмы, нацеливая её на большее соответствие нуждам потребителей. Для этого необходимо исследовать текущую ситуацию на рынке, включая изучение предпочтений потребителей и их отношение к товарам конкурирующих фирм. Для изучения рыночной ситуации и организуются маркетинговые исследования рынка, в результате которых руководство фирмы получает информацию об отношении потребителей к её продукции и, исходя из неё, может принять решение о дальнейшем поведении фирмы на рынке.

Цель работы: изучить зависимость объемов продаж от полученной прибыли. Для решения поставленной цели предстоит решить следующие задачи:

• 
  привести пример табулирования и шкалирования данных на основе анкет;
  
• 
  осуществить группировку данных по 20 наименованиям, разделение провести на 5 групп,;
  
• 
  создать рисунки вариационных рядов;
  
• 
  провести корреляционный и регрессивный анализ,;
  
• 
  сделать выводы по имеющимся данным.
  



Глава 1. Подготовка данных для маркетинговой информации, критерии выбора шкал

Обработка и анализ маркетинговой информации представляют собой серьезный этап статистической обработки полученных результатов. От того, насколько правильно и качественно будет произведена обработка данных, зависит достоверность принимаемых выводов и последующих практических решений.

Анализ информации – извлечение из совокупности полученных данных наиболее важных сведений и результатов. [1, 238]

Обработка и анализ маркетинговой информации включает: предварительные этапы (редактирование, кодирование, табулирование и представление табулированных данных); оценку различий (проверка согласия, проверка Колмогорова-Смирнова, анализ средней выборки); выбор методов исследования (простой регрессионный и корреляционный анализ).

Процесс подготовки данных маркетинговых исследований включает проверку анкет, редактирование, кодирование, преобразование, очищение данных, статистическую корректировку данных, выбор стратегии анализа данных. [1, 240]

Проверка анкет – проверка на полноту заполнения и качество проведенного исследования.

Редактирование призвано выявлять несоответствие маркетингового исследования каким-либо требованиям или стандартам, включат в себя просмотр, изучение и исправление ошибок в регистрации наблюдений.

Кодирование данных – это определенный технический прием, с помощью которого данные распределяются по категориям, т.е. способ представления полученной информации в виде символов, знаков, цифр с целью удобства ее использования для компьютерной или другой обработки.



Преобразование данных – этот этап заключается в переносе закодированных данных из анкеты или кодировочной таблицы через клавиатуру в компьютер.

Очищение данных – представляет этап всесторонней проверки состоятельности собранных данных и работы с пропущенными ответами.

Статистическая корректировка данных представляет собой предзаключительную процедуру подготовки маркетинговой информации. Она включает взвешивание, переопределение переменной и преобразование шкалы измерений.

Взвешивание – метод корректировки данных, при котором каждому наблюдению или респонденту в базе данных присваивается весовой коэффициент, отражающий степень его значимости по сравнению с другими наблюдениями или респондентами.

Операция переопределения переменной заключается в преобразовании данных для создания новых переменных либо измерения существующих с тем, чтобы они точнее соответствовали основным задачам исследования. «Шкалирование» отражает попытку определить количественные измерители субъективных и иногда абстрактных понятий.

Выделяют четыре типа шкал, при помощи которых характеристики могут быть измерены, а именно: номинальную, порядковую, интервальную и относительную. Их от

носительная характеристика дается в табл. 1.1. [2, 130]

Таблица 1.1
Характеристика шкал различного типа

Уровень измерений	Характеристики шкал
	описание	порядок	расстояние	наличие начальной точки
Шкала наименований	*
Шкала порядка	*	*
Интервальная шкала	*	*	*
Шкала отношений	*	*	*	*



Рассмотрим характеристики шкал на примере ООО компьютерный салон «Главный». Данная организация появилась на рынке г. Калуги с 2006. При образовании главной идеей было позиционирование на рынке, как компании с максимально низкими ценами. Салон торгует только новой техникой. Располагает тремя точками продаж.

Шкала наименований обладает только характеристикой описания, она ставит в соответствие описываемым объектам только его название, никакие количественные характеристики не используются. Объекты измерения распадаются на множество взаимоисключаю

щих и исчерпывающих категорий. Шкала наименований устанавливает отношения равенства между объектами, которые объединяются в одну категорию. Каждой категории дается название, численное обозначение которого является элементом шкалы. Очевидно, что измерение на этом уровне всегда возможно. «Да», «Нет» и «Согласен», «Не согласен» явля

ются примерами градаций таких шкал. [3,79]

Примеры вопросов для шкалы наименований:

1. 
   Пожалуйста, укажите Ваш пол: мужской/ женский
   
2. 
   Какие марки ноутбуков вы выберете:
   

- Aser

- Asus

-Toshiba

- Lenovo

- Sony

- Apple

3. Согласны ли Вы с утверждением, ноутбуки фирмы Aser наиболее выгодно в отношении цена-качество представлены на рынке: согласен/ не согласен.

Шкала порядка разрешает ранжировать респондентов или их отве

ты. Она имеет свойства номинальной шкалы в сочетании с отношением порядка. Иными словами, если каждую пару категорий шкалы наимено

ваний 

упорядочить относительно друг друга, то получится порядковая шкала. Для того чтобы шкальные оценки отличались от чисел в обыден

ном понимании, их на порядковом уровне называют рангами. Например, частоту покупки определенного товара (раз в неделю, раз в месяц или чаще). Однако такая шкала указывает только относительную разницу между измеряемыми объектами. (Зачастую предполагаемого четкого различения оценок не наблю

дается и респонденты не могут однозначно выбрать тот или иной ответ, т.е. некоторые соседние градации ответов накладываются друг на друга. Такую шкалу называют полуупорядоченной; она находится между шка

лами наименований и порядка.) [2,134]

Примеры вопросов для шкалы порядка:

1. 
   Пожалуйста проранжируйте фирмы-производители ноутбуков в соответствии с системой Вашего предпочтения. Поставьте «1» фирме, которая занимает первое место в системе Ваших предпочтений, «2» - второй и т.д.:
   

- Aser

- Asus

-Toshiba

- Lenovo

- Sony

- Apple

2. Какой из компьютерных магазинов Вы выберете для покупки ноутбука:

- «ООО Олерон»

- Магазин «Технопарк»

- Магазин «Белый ветер»

- Магазин «Эльдорадо»

- Сеть компьютерных салонов «Главный»

- компания «Апгрейд»

- Магазин «Техносила»



3. Что Вы можете сказать о ценах на ноутбуки в компьютерных салонах «Главный»:

- Они выше, чем в остальных магазинах;

- Они ниже, чем в остальных магазинах;

- Они такие же, как в остальных магазинах.

Интервальная, шкала обладает также характеристикой расстояния между отдельными градациями шкалы, измеряемого с помощью опреде

ленной единицы измерений, т.е. используется количественная информа

ция. На этой шкале уже не бессмысленны разности между отдельными градациями шкалы. В данном случае можно решить, равны они или нет, а если не равны, то какая из двух больше. Шкальные значения признаков можно складывать. Обычно предполагается, что шкала имеет равномер

ный характер (хотя это предположение требует обоснования). Например, если оцениваются продавцы магазина по шкале, имеющей градации: чрезвычайно дружественен, очень дружественен, в известной мере дру

жественен, в известной мере недружественен, очень недружественен, чрезвычайно недружественен, то обычно предполагается, что расстояния между отдельными градациями являются одинаковыми. [3, 84]

Примеры вопросов для шкалы интервалов: Пожалуйста, проранжируйте каждую марку товара с точки зрения его качества:

Шкала отношений является единственной шкалой, имеющей нуле

вую точку, поэтому можно проводить количественное сравнение полу

ченных 

результатов. Такое дополнение позволяет вести речь о соотноше

нии (пропорции) а:b для шкальных значений а и b. Например, респон

дент может быть в 2,5 раза старше, тратить в три раза больше денег, ле

тать самолетом в два раза чаще по сравнению с другим респондентом. [2, 135]

Пример вопросов для шкалы отношений:

1. 
   Пожалуйста, укажите ваш возраст: ____лет
   

   1

   2

   3

   4

   5

   6

   Другое число раз _______________

2. 
   Приблизительно укажите, сколько раз за последний год вы делали покупки в сети компьютерных слонов «Главный» :
   

3. 
   Какова вероятность того, что при решении купить какую-либо компьютерную технику, Вы сделаете это в сети компьютерных салонов «Главный»: _______ процентов
   



Глава 2. Сводки и группировки данных, анализ вариационных рядов, табулирование данных

2.1 Табулирование
Табулирование – это процесс обработки информации, заключающийся в подсчете числа событий попавших в ячейки ответов на вопросы. [4,178]

Для проведения табулирования данных была составлена анкета, представленная в Приложении 1. Опрос проводился в устной форме, среди жителей г. Калуги, в опросе приняло участие 40 человек.

Таблица 2.1. Табулирование ответов

1. У вас дома есть персональный компьютер?

Есть

60%

Нет

10%

Планирую приобрести

30%

2. Для каких целей Вы используете/ хотели бы использовать персональный компьютер?

Для работы

30%

Для развлечения

60%

Для самообразования

6%

Нет ответов

4%

3. Каков Ваш доход?

До 7 тыс.

10%

От 7 тыс. до 15 тыс.

65%

Свыше 15 тыс.

25%

Какие интересы у Вас в сфере компьютерного мира?

Игры

20%

Обучение, самообразование

10%

Компьютерная графика, творчество (музыка, рисование ...)

15%

Компьютерные сети

50%

Другое

5%

Сколько времени Вы проводите за компьютером в день?

Менее 5 часов

30%



Продолжение таблицы 2.1. Табулирование ответов

От 5 до 12 часов

65%

Свыше 12 часов

5%


На основании данных табулирования можно определить, что у 60 % опрошенных есть компьютер, 65% проводит за компьютером от 5 до 12 часов, интерес данных респондентов представляют собой компьютерные сети. Эти данные можно использовать для разработки плана продаж для компьютерного салона.



2.2 Теоретические основы понятий сводки и группировки, виды группировок
В результате статистического наблюдения получают большое количество первичных, разрозненных сведений об отдельных единицах объекта исследования. В дальнейшем главная задача заключается в том, чтобы привести эти материалы в определенный порядок, систематизировать и на этой основе дать сводную характеристику всей совокупности фактов при помощи обобщающих статистических показателей, отражающих сущность социально-экономических явлений и определенные статистические закономерности. Это достигается в результате сводки.

Сводка – стадия статистического исследования, в ходе которой систематизируются первичные материалы статистического наблюдения, производятся группировка данных, составление таблиц, подсчет групповых и общих итогов, расчет средних и относительных величин. [6,189]

Группировки – это объединение единиц совокупности в некоторые группы, имеющие свои характерные особенности, общие черты и сходные размеры изучаемого признака. [6, 189]

Признак, который кладется в основу образования групп в процессе статистической группировки, называется группировочным или основанием группировки. Он может быть количественным (возраст) и атрибутивным (уровень образования), в том числе альтернативным (пол).Метод статистических группировок позволяет разрабатывать первичный статистический материал. На основе группировки рассчитываются сводные показатели по группам, появляется возможность их сравнения, анализа причин различий между группами, изучение взаимосвязей между признаками. Расчет сводных показателей в целом по совокупности позволяет изучить ее структуру. Кроме того, группировка создает основу для последующей сводки и анализа данных. Этим определяется роль группировок как научной основы сводки. Метод группировок применяется 

для решения задач, возникающих в ходе научного статистического исследования: выделение социально-экономических типов явлений; изучение структуры явления и структурных сдвигов, происходящих в нем; изучение связей и зависимостей между отдельными признаками явления.

В зависимости от цели исследования группировки бывают типологическими, структурными, аналитическими. [7, 207]

Типологическая группировка – разделение качественно разнородной совокупности на качественно однородные группы (классы, типы), при этом под однородностью понимается подчинение всех единиц совокупности одному закону развития в отношении рассматриваемого свойства. Такие группировки дают возможность в составе массового явления выделить те его части, которые однородны по качеству и условиям развития, в которых действуют одни и те же закономерности, на которые влияют одни и те же факторы.

Структурной группировкой называется группировка, в которой происходит разделение выделенных с помощью типологической группировки типов явлений, однородных совокупностей на группы, характеризующие их структуру по какому-либо варьирующему признаку. [7, 208]

С помощью структурных группировок изучается состав населения по полу, возрасту, месту проживания; состав предприятий по стоимости основных фондов, численности занятых; структура основных фондов по степени их изношенности.

Анализ структурных группировок, взятых за ряд периодов или моментов времени, показывает изменение структуры изучаемых явлений, т.е. структурные сдвиги. В изменении структуры общественных явлений отражаются важнейшие закономерности их развития.



Структурные группировки являются описательными, так как при их помощи нельзя объяснить причины выявленных закономерностей и их изменения во времени и пространстве. Эти задачи статистика решает другими методами, среди которых основным считается метод аналитических группировок.

Для того, чтобы ориентироваться в сложных причинно-следственных связях, статистика концентрирует свое внимание на изучении связей между главными, решающими факторами и результативными показателями в однородной совокупности. Группировки, применяемые для решения этой задачи, называются аналитическими.

Признак, значения которого влияют на значения другого признака, называется факторным. Зависимый признак называется результативным.

Группировка производится по факторному признаку, рядом с которым фиксируются значения результативного. Производится анализ поведения результативного признака при изменении факторного.

Разделение на три вида, в зависимости от решаемых задач, носит относительный характер, так как группировка нередко бывает универсальной, одновременно выделяя типы, показывая структуру совокупности и отражая закономерности изменения значений одного признака в зависимости от другого.

В зависимости от степени сложности массового явления и от задач анализа группировки могут производиться по одному или нескольким признакам. Если группы образуются по одному признаку, группировка называется простой (например, распределение населения по возрастным группам).

Группировка по двум или нескольким признакам называется сложной. [7, 210]



Сложные группировки, в свою очередь, бывают комбинационными (два – четыре признака) и многомерными (любое число признаков свыше четырех). [7, 210]

Комбинационная группировка позволяет выявить и сравнить различия и связи между исследуемыми признаками, которые нельзя обнаружить на основе изолированных группировок по ряду группировочных признаков. Однако при изучении влияния большого числа признаков применение комбинационных группировок становиться невозможным, поскольку чрезмерное дробление информации затушевывает проявление закономерностей. Даже при наличии большого массива первичной информации приходится ограничиваться двумя – четырьмя признаками.

Использование в статистических исследованиях ЭВМ и статистической теории распознавания образов позволило разработать метод группировки совокупности единиц одновременно по множеству характеризующих признаков. Такие группировки получили название многомерных. [8, 178]

Многомерные группировки позволяют решать целый ряд таких задач экономико-статистического исследования, как формирование однородных совокупностей, выбор существенных признаков, выделение типичных групп и др.

Группируемые данные могут быть не упорядоченными, в этом случае полученная группировка является первичной. Если группировка производится на основании систематизированных в результате первичной группировки данных, то она относится ко вторичной.



2.3 Группировка данных на примере сети компьютерных салонов «Главный»

По данным за 2010 год сети компьютерных салонов «Главный» необходимо построить статистический ряд распределения компьютерной техники по прибыли от продаж, образовав 5 групп с равными интервалами.

1. 
   Ноутбуки
   
2. 
   Системные блоки
   
3. 
   Мониторы
   
4. 
   Коммуникаторы
   
5. 
   Электронные книги
   
6. 
   Комплектующие
   
7. 
   Клавиатуры
   
8. 
   Мыши
   
9. 
   Роутеры
   
10. 
    Расходные материалы
    
11. 
    Нетбуки
    
12. 
    Игровые джойстики
    
13. 
    Программное обеспечение
    
14. 
    Аудиосистемы
    
15. 
    Принтеры, копиры, многофункциональные устройства
    
16. 
    Сканеры
    
17. 
    GPRS навигаторы
    
18. 
    Сумки, чехлы для ноутбуков
    
19. 
    Флеш-накопители, CD, DVD диски.
    
20. 
    Источники бесперебойного питания
    



Таблица 2.2. Исходные данные

№ п/п	Объем продаж, млн. руб.	Прибыль, млн. руб.
1	2,8	0,98
2	2,6	0,91
3	1,7	0,595
4	1,3	0,455
5	2,4	0,84
6	1,067	0,37345
7	0,047	0,01645
8	0,06	0,021
9	0,2	0,07
10	1,8	0,63
11	0,822	0,2877
12	0,103	0,03505
13	0,47	0,1645
14	1,15	0,4025
15	0,78	0,273
16	0,16	0,056
17	0,09	0,0315
18	0,15	0,0525
19	0,04	0,014
20	0,03	0,0105

Для определения групп компьютерной техники определяем размер интервала по прибыли от продаж:

i = R/n = x_max – x_min/n

i = 0,98 - 0,0105/5 = 0,1939

Формируем группы:

1. 
   
   
2. 
   0,0105 – 0,2044
   
3. 
   0,2044 – 0,3983
   
4. 
   0,3983 – 0,5922
   
5. 
   0,5922 – 0,7861
   
6. 
   0,7861 - выше
   

Делаем разноску компьютерной техники по группам.

Таблица 2.3. Разработанная таблица

№ п/п	Группы компьютерной техники по прибыли	Прибыль, млн. руб.	Удельный вес прибыли в % к итогу
	A	B	C
1	0,0105 – 0,2044	0,4715	7,58264
2	0,2044 – 0,3983	0,93415	15,02296%
3	0,3983 – 0,5922	0,9975	16,04175%
4	0,5922 – 0,7861	1,085	17,44892%
5	0,7861 – выше	2,73	43,90373%
		6,21815	100%

На основании разработанной таблицы строим ряд распределения.

Таблица 2.4. Ряд распределения компьютерной техники по прибыли

№ п/п	Группы компьютерной техники по полученной прибыли, млн. руб.	Число единиц компьютерной техники
		Количество	В % к итогу	Накопленные частоты
1	0,0105 – 0,2044	10	50%	10
2	0,2044 – 0,3983	3	15%	13
3	0,3983 – 0,5922	2	10%	15
4	0,5922 – 0,7861	2	10%	17
5	0,7861 – выше	3	15%	20
		20	100%	-

Наибольшее число – 50% компьютерной техники сосредоточено в первом интервале, т.е. от нее получена наименьшая прибыль, 15% в интервале полученной прибыли от 0,2044 до 0,3983 млн. руб., 10% в интервале от 3,983 до 0,5922 млн. руб., 10% от 5,922 до 0,7861 млн. руб., от 15% компьютерной техники получена наибольшая прибыль - свыше 0,7861 млн. руб.

Построим аналитическую группировку.

Таблица 2.5. Аналитическая группировка компьютерной техники по объему продаж и сумме ожидаемой прибыли

Компьютерная техника по объему продаж, млн. руб.	Число предприятий, ед.	Уровень объема продаж, млн. руб.		Прибыль от продажи, млн. руб.
		Всего	В среднем на одну единицу компьютерной техники	Всего	В среднем на одну единицу компьютерной техники
0,0105 – 0,2044	10	1,35	0,135	0,4715	0,04715
0,2044 – 0,3983	3	2,669	0,889667	0,93415	0,311383333
0,3983 – 0,5922	2	2,85	1,425	0,9975	0,49875
0,5922 – 0,7861	2	3,1	1,55	1,085	0,5425
0,7861 – выше	3	7,8	2,6	2,73	0,91
	20	17,769	0,88845	6,21815	0,3109075

Из данных таблицы можно судить, что с увеличением объема продаж в прибыль увеличивается. Это свидетельствует о наличии прямой связи между показателями.

Изобразим графически ряды распределения.

Для изображения интервального вариационного ряда применяется гистограмма. При построении гистограммы на оси абсцисс откладываются величины интервалов, а частоты изображаются прямоугольниками, построенными на соответствующих интервалах. Высота столбиков в случае 

равных интервалов должна быть пропорциональна частотам. В результате мы получим гистограмму - график, на котором ряд распределения изображен в виде смежных друг с другом столбиков. График расположен на рисунке 2.1.


Рис 2.1. Гистограмма

Гистограмма может быть преобразована в полигон распределения, если найти середины сторон прямоугольников и затем эти точки соединить прямыми линиями. Полученный полигон распределения изображен на рис. 2.2 ломаной линией.



Таблица 2.6 . Середины интервалов и соответствующие им частоты

Середины интервалов	Частоты
0,10745	10
0,30135	3
0,49525	2
0,68915	2
0,88305	3

Рис 2.2. Полигон


Для графического изображения вариационных рядов может также использоваться кумулятивная кривая. При помощи кумуляты (кривой сумм) изображается ряд накопленных частот. Накопленные частоты определяются путем последовательного суммирования частот по группам и показывают, сколько единиц совокупности имеют значения признака не больше, чем рассматриваемое значение. При построении кумуляты интервального вариационного ряда по оси абсцисс откладываются варианты ряда, а по оси 

ординат - накопленные частоты, которые наносят на поле графика в виде перпендикуляров к оси абсцисс в верхних границах интервалов. Затем эти перпендикуляры соединяют и получают ломаную линию, т. е. кумуляту.

Рис 2.3. Кумулята



Глава 3. Методы корреляционного и регрессивного анализа в маркетинговых исследованиях

Анализ и обобщение данных маркетинговых исследований осуществляется методами ручной или компьютерной обработки. Для обработки используются как описательные, так и аналитические методы. Из аналитических методов в маркетинге часто применяются: анализ трендов, методы нелинейной регрессии и коррекции, дискриминантный анализ, кластерный анализ, факторный анализ и др. [1, 287] Возможные направления применения отдельных аналитических методов показаны в таблице 3.1.

Таблица 3.1 Примеры использования аналитических методов

Метод

Вопросы

Регрессионный анализ

Как изменится объем сбыта, если объем рекламных мероприятий сократить на 10%?

Как оценить цену на доллары в последующие шесть месяцев?

Имеет ли влияние объем инвестиций в нефтяную отрасль на благосостояние россиян?

Дисперсионный анализ

Влияет ли упаковка на уровень объема сбыта?

Влияет ли цвет объявления на число лиц, которые вспоминают о рекламе?

Имеет ли влияние выбор каналов сбыта на объем сбыта?

Дискриминантный анализ

Чем различаются курящий и некурящий?

Разработайте классификацию кредитоспособности покупателей кредита по признакам: «заработная плата», «образование», «возраст».

Факторный анализ

Как установить зависимость многочисленных операций, к которым особо чувствительны покупатели автомобилей, от нескольких комплексных факторов?

Как описать влияние этих факторов на различные марки строящихся автомобилей?

Кластерный анализ

Распределить на группы покупателей крупного торгового центра в соответствии с их потребностями.

Как определить тип читателей известного журнала?



Можно ли классифицировать покупки в соответствии с Вашими интересами в политических процесса?



Многоразмерное шкалирование

В какой мере соответствует продукт Вашей фирмы идеальному представлению покупателей?

Какой имидж имеет Ваша фирма?

Изменится ли позиция покупателей к приобретению в течение пяти лет?


Маркетинговые исследования показывают, что вариация каждого изучаемого признака находится в теснейшей связи и взаимодействии с вариацией других признаков, характеризующих исследуемую совокупность единиц. Исследования служат выяснению того, каковы связь между двумя переменными и степень этой связи. Например, связь между рекламным бюджетом и объемом продаж, ценой и сбытом и т.д. При изучении конкретных зависимостей одни признаки выступают в качестве факторов (факторные признаки), а другие – являются результативными признаками.

В корреляционной таблице факторный признак x располагается в строках, а результативный y в столбцах. Числа, расположенные на пересечении строк и столбцов, означают частоту повторения данного сочетания значения x и y.

При этом f_x – частота повторения данного варианта значения факторного признака во всей совокупности, f_y – частота повторения результативного признака во всей совокупности. Величина y_i например для первой группы определяется так:

y₁= (10 * 0,10745)/10 = 0,10745

Определим интервалы факторного признака для нашей организации:

i = R/n = x_max – x_min/n

i = 2,8 – 0,03/5 =0,554

Формируем группы:

1. 
   0,03 – 0,584
   
2. 
   
   
3. 
   0,584 – 1,138
   
4. 
   1,138 – 1,692
   
5. 
   1,692 – 2,246
   
6. 
   2,246 – 2,8
   

Строим корреляционную таблицу:

Таблица 3.2. Корреляционная зависимость

Центральное значение интервала, y	0,10745	0,30135	0,49525	0,68915	0,88305	fx	y
Группы по y Группы по x	0,0105 – 0,2044	0,2044 – 0,3983	0,3983 – 0,5922	0,5922 – 0,7861	0,7861 - выше
0,03 – 0,584	**********					10	0,10745
0,584 – 1,138		***				3	0,30135
1,138 – 1,692			**			2	0,49525
1,692- 2,246				**		2	0,68915
2,246 – 2,8					***	3	0,88305
fy	10	3	2	2	3	20

Корреляционная зависимость дает возможность выдвинуть предположение о наличии или отсутствии связи, а так же выяснить ее направление. В нашем случае существует прямая корреляционная связь между признаками.

Определим тесноту этой связи. Для этого используем линейный коэффициент корреляции.

r_{xy =-x-x(y-y)(y-y)2(x-x)2} - общая формула,

где x и y - значения признаков, а x и y - их средние значения.

Для удобства внесем основные данные для расчетов в таблицу.


Таблица 3.3 Данные для расчетов

№ п/п	x	y	x*y	x2	y2
1	2,8	0,98	2,74400	7,84000	0,96040
2	2,6	0,91	2,36600	6,76000	0,82810
3	1,7	0,595	1,01150	2,89000	0,35403
4	1,3	0,455	0,59150	1,69000	0,20703
5	2,4	0,84	2,01600	5,76000	0,70560
6	1,067	0,37345	0,39847	1,13849	0,13946
7	0,047	0,01645	0,00077	0,00221	0,00027
8	0,06	0,021	0,00126	0,00360	0,00044
9	0,2	0,07	0,01400	0,04000	0,00490
10	1,8	0,63	1,13400	3,24000	0,39690
11	0,822	0,2877	0,23649	0,67568	0,08277
12	0,103	0,03505	0,00361	0,01061	0,00123
13	0,47	0,1645	0,07732	0,22090	0,02706
14	1,15	0,4025	0,46288	1,32250	0,16201
15	0,78	0,273	0,21294	0,60840	0,07453
16	0,16	0,056	0,00896	0,02560	0,00314
17	0,09	0,0315	0,00284	0,00810	0,00099
18	0,15	0,0525	0,00788	0,02250	0,00276
19	0,04	0,014	0,00056	0,00160	0,00020
20	0,03	0,0105	0,00032	0,00090	0,00011
∑	17,76900	6,21815	11,29128	32,26109	3,95191

Таблица 3.4 Данные для расчетов

∑x	17,76900
(∑x)2	315,73736
∑x2	32,26109
∑xy	11,29128
∑y	6,21815
(∑y)2	38,66539
∑y2	3,95191

Произведем расчет коэффициента, подставив данные в формулу:



r_xy = 1

Получившаяся величина коэффициента корреляции свидетельствует о наличии тесной прямой связи между рассматриваемыми признаками.

Знак при линейном коэффициенте корреляции указывает на направление связи: прямой зависимости соответствует знак плюс, обратной зависимости знак минус. В нашем случае наблюдается прямая связь.

Регрессионный анализ используется для изучения связей между зависимой переменной и одной или несколькими независимыми переменными. Регрессионный анализ применяют в следующих случаях:

1. 
   Для установления взаимозависимости переменных.
   
2. 
   Для определения тесноты связи между зависимой и независимой переменными.
   
3. 
   Для определения математической зависимости между переменными.
   
4. 
   Для предсказания значения зависимой переменной.
   
5. 
   Для определения значимой переменной. [9, 124]
   

Простейшей системой корреляции связи является линейная связь между двумя признаками или парная линейная корреляция. Уравнение парной линейной регрессии имеет вид:

y = a +bx,

где y – среднее значение результативного признака y при определенном значении факторного признака x;

a – свободный член уравнения;

b – коэффициент регрессии, измеряющий среднее отношение отклонения результативного признака от его средней величины к отклонению факторного признака от его средне величины на одну единицу его измерения – вариация y, находящаяся на единицу вариации x.

Параметры a и b находятся следующим образом:

yi=an+bxiyixi=axi+bxi2

Определим коэффициенты для нашего случая.

6,21815=20a+17,769b11,29128=17,769a+32,26109b

Решая представленные уравнения совместимо получим:

a = 0,00009

b = 0,35005
Если округлить до сотых, то можно судить, что a = 0, а b = 0,35.

Уравнение линейной регрессии примет вид:

y = 0,35x

Параметр b называют коэффициент регрессии. Коэффициент регрессии показывает, на сколько в среднем измениться величина результативного признака y при изменении факторного признака x на эдиницу.

В нашем случае, если прибыль вырастет на 1 млн. руб., то объем продаж вырастет на 0,35 млн. руб.



Аналитический отчет

Заказчиком является ООО компьютерный салон «Главный»

Исполнитель

Цель работы: изучить зависимость объемов продаж от полученной прибыли.

Для решения поставленной цели предстоит решить следующие задачи:

• 
  привести пример табулирования и шкалирования данных на основе анкет;
  
• 
  осуществить группировку данных по 20 наименованиям, разделение провести на 5 групп,;
  
• 
  создать рисунки вариационных рядов;
  
• 
  провести корреляционный и регрессивный анализ,;
  
• 
  сделать выводы по имеющимся данным.
  

В выборке исследования участвовали 40 человек в возрасте от 22 до 45 лет. Выборка опрашиваемых состоит из работающего населения.

Методами исследования данной работы являются: изучение необходимой информации; анкетирование, проведение корреляционного и регрессивного анализа.

Результатом исследования является то, что отношение объемов продаж и полученной прибыли имеют непосредственную прямую зависимость друг от друга, которую можно выразить формулой:

Прибыль = 0,35 * объем продаж.

Т.е. все рассмотренные наименования продукции дают 35% прибыли. Увеличение объемов продаж дает увеличение прибыли.



Заключение

В наши дни маркетинг затрагивает интересы каждого индивидуума. Это процесс, в ходе которого разрабатываются и предоставляются в распоряжение людей товары и услуги, обеспечивающие определенный уровень жизни. Проведение маркетинговых исследований — это сложный многоступенчатый процесс, требующий глубокого знания объекта изучения, от точности и своевременности результатов которого во многом зависит успешное функционирование всего предприятия.

К сожалению, российские фирмы еще не полностью используют все преимущества последнего, в РФ также не существует большого количества организаций, специализирующихся на организации маркетинговых исследований. Однако опыт иностранных фирм однозначно свидетельствует о необходимости такого рода затрат, которые при успешном выполнении всегда окупаются увеличением прибыли юридического лица ввиду лучшей организации его производственной и сбытовой деятельности, созданной на комплексном анализе рынка и нацеленной на решение задач по успешной реализации продукции.

Вполне очевидно, что маркетинговые исследования являются крайне необходимыми. Они, кроме того, требуют комплексного и детального подхода. Но средства и силы, затраченные на проведение маркетингового исследования, при условии тщательной разработки и соблюдении всех необходимых правил, сполна окупаются и во многом предопределяют успешную работу фирмы.

Сделав вывод из проведенных исследований, жители нашего города очень интересуются компьютерной техникой по всем направлениям, таким как игры, INTERNET, компьютерная графика, развлечения. Так, если мы хотим открыть фирму или магазин компьютерной техники, мы можем сделать это без затруднений.



Список литературы

1. 
   Каменева Н. Г., Поляков В. А. Маркетинговые исследования. Учебное пособие. – М.: Вызовский учебник, 2005.
   
2. 
   Голубков Е.П. Маркетинговые исследования: теория, методология и практика. — М.: Изда
   
3. 
   тельство «Финпресс», 1998.
   
4. 
   Белявский И.К. Маркетинговое исследование: информация, анализ, прогноз: Учеб. пособие. – М.: Финансы и статистика, 2001.
   
5. 
   Васильева Г.А Маркетинг: Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2002.
   
6. 
   Барышев А.Ф. Маркетинг: Учебник. – М.: Издательский центр «Акаде
   
7. 
   мия»; Мастерство, 2005
   
8. 
   Брыскин В.В. Математические модели маркетинга. – Новосибирск. Наука. Сиб. изд. фирма, 2002
   
9. 
   Завгородная А.В., Казевич М.С. Маркетинг: методы и процедуры: Учеб. Пособие. – Л.: Изд-во Ленингр. Фин.-экон. ин-та, 2006
   
10. 
    Кретов И.И. Маркетинг на предприятии: Практ. Пособие. – М.: «Финстатинформ», 2001
    
11. 
    Лайс Г. Маркетинг: Пособие для практиков. Пер. с нем. Гукасяна Г.А. – М.: «Международные отношения», 2003
    
12. 
    Маркетинг . Под ред. А.Н. Романова. – М.: «Банки и биржи», «ЮНИТИ», 2005
    
13. 
    Котлер Ф. Основы маркетинга: Пер. с англ, М,: Прогресс. 2003.
    
14. 
    Щуренко Н.Н., Девликамиова Г.В. Учебно-методическое пособие к изучению курса "Статистика". – Уфа: ООО «Речь» 2004.
    
15. 
    Андерсон Т., Введение в многомерный статистический анализ// www.ami.nstu.ru, 1963.
    



Приложения

Приложение 1.

Анкета

1. У Вас есть дома персональный компьютер? а) Есть

б) Нет в) Планирую приобрести 2. Для каких целей Вы используете/ хотели бы использовать персональный компьютер? а) Для работы/ учебы б) Для развлечения в) Для самообразования 3. Каков Ваш доход? а) До 7 тыс. б) От 7 тыс. до 15 тыс. в) Свыше 15 тыс. 4. Какие интересы у Вас в сфере компьютерного мира? а) Игры б) Обучение, самообразование в) Компьютерная графика, творчество (музыка, рисование ...) г) Компьютерные информационные сети (INTERNET, FIDO) д) Другое 5. Сколько времени Вы проводите за компьютером в день? а) Менее 5 часов б) От 5 до 12 часов в) Свыше 12 часов