基于Matlab的达能饼干销量预测分析*
2013-06-28罗佳佳
罗佳佳
(南华大学附属第二医院,湖南衡阳421001)
预测分析是数据挖掘的一个重要任务.预测的目的是从历史数据中自动推导出对给定数据的推广描述,从而能对未来数据进行预测[1].Matlab是一个高级的数值分析、处理与计算软件,广泛应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域.
本文收集达能饼干的销售数据,使用MATLAB对收集的数据进行数据拟合,建立回归预测模型,对未来销量做出预测,以便挖掘出有价值信息反馈给管理者和决策者.
1 数据收集
1.1 研究对象
研究在学生中销量很大的饼干.选取“达能”作为此次研究的主体对象,选取“奥利奥”作为同类商品.并假设“达能”饼干的销量主要与同类产品的价格以及广告投入有关.
1.2 收集数据及整理数据
根据代理商提供的原始数据,标准化奥利奥的价格,得到整理后数据.表1中“125G奥利奥饼干单价”是由“150G奥利奥饼干单价”换算过来的,比较“125G奥利奥饼干单价”与“125G达能饼干单价”,“奥利奥”的平均价格高出约0.2元,表1中的“125G奥利奥饼干标准单价”就是由“125G奥利奥饼干单价”减去0.2得来的.经此处理,达能和奥利奥就存在竞争关系了.
表1 2009-2010年达能饼干与同类产品单价的原始数据
2 模型的假设与建立[2]
2.1 模型的假设
通过之前的分析,假设影响“达能”饼干销量的主要因素是与同类产品的差价以及广告投入,于是得下表2.
表2 2009-2010年达能饼干与同类产品差价、广告投入及销量
令,y-达能饼干的销量;x1-达能与奥利奥饼干的差价;x2-达能饼干的广告投入;分别将x1和x2与y在MATLAB进行数据拟合,从图1、图2可以发现x1与y近似线性相关,x2与y近似二次相关.
图1 达能饼干销量与同类饼干差价比较
使用多元线性回归模型y=β0+β1x1+ε来拟合饼干销售量随饼干与同类饼干差价的变化.
使用多元线性回归模型y=β0+β1x2+β2x+ε来拟合饼干销售量随饼干广告投入的变化.
图2 达能饼干销量受广告投入影响
2.2 模型的建立
假设x1和x2与y之间有多项式回归关系,建立模型:y= β0+β1x1+β2x2+β3x+ε,其中,y为被解释变量(因变量);x1,x2为解释变量(回归变量,自变量);β0,β1,β2,β3为回归系数;ε为随机误差(均值为0的正态分布随机变量).
3 模型的求解与检验[3]
3.1 模型的求解
使用MATLAB统计工具箱,输入命令:
(其中alpha为显著性水平,缺省时为0.05)
输出的结果为:
参数 参数估计值 置信区间β0 5.2719 [0.9260 9.6179]β1 0.2029 [0.0580 0.3477]β2 -1.3147 [-2.4475 -0.1819]β3 0.0997 [0.0264 0.1731]R2=0.9389 F=102.4673 p =0.0000
3.2 模型的检验
R2=0.9389说明y的93.89%可由模型确定;而F远超F检验的临界值,故也认为模型拟合度优秀,事实上,F=,说明F与R2检验等效;p值是与F对应的概率,由于p远小于α(α =0.05),故回归模型成立.再观察参数的置信区间,均不包含0点,说明模型很好地符合了实际情况.
4 模型的分析与预测
从函数关系可以看出,价格优势可以增加销量,增加广告投入亦可以增加销量.
差价x1=奥利奥饼干价格x3-达能饼干价格x4
我们欲控制x1的值来达到较为理想的销量.在实际操作中,可以根据估计x3的值来确定x4的值.现在我们控制差价x1=0.2 元,广告投入 x2=8.1 万元.
在MATLAB中输入命令:
得到在此条件下y的销量:
销售量的预测区间为[1.2071 -0.0900,1.2071+0.0900](置信度 95%),即预测销量的范围在[1.1171,1.2971]之间(置信度95%).
实际应用中,我们可以把上限12.971万筒作为库存管理的目标值,而把下限11.171万筒用来把握公司的现金流.若估计x3=3.5,设定x4=3.3,则有95%的把握知道销售额在3.3 × 11.171=36.8(万元)以上.
根据模型的预测,可以看出:达能饼干的销量与同类产品的价格优势关系密切,且价格与销售量的大小呈现负相关,说明适当的价格优势可以增加饼干的销量;而饼干销售量和广告费用的投入呈现正相关,说明适当的增加饼干的广告投入可以增加商品的销售.适当保持价格优势和提高广告投入,达能饼干的销售量将得到保证.
5 结语
统计中的回归分析最主要的应用是用来预测,考虑饼干的价格变化不是很大,本文采用的预测数据是近两年代理商提供的直接数据,借助Matlab强大的矩阵处理能力,实现了达能饼干销量的有效预测分析.
[1]孙雷.回归技术在超市商品销售趋势预测模型中的应用[J].江苏广播电视大学学报,2008,(5):51-53.
[2]刘锋.数学建模[M].南京:南京大学出版社,2005.
[3]张宜华.精通 MATLAB5[M].北京:清华大学出版社,1999.