Существуют и более сложные методы сглаживания, использующие
несколько констант сглаживания. Их обзор дан в книге [50].
Главная слабость этих методов в том, что они не позволяют дей-
ствительно <предсказать> эволюцию спроса, поскольку неспособны пред-
видеть какие-либо <поворотные точки>. В лучшем случае они способны
быстро учесть уже произошедшее изменение. Поэтому их называют адап-
тивной прогнозной моделью. Тем не менее для многих проблем управле-
ния такой <апостериорный> прогноз оказывается полезным при усло-
вии, что имеется достаточно времени для адаптации и факторы, опре-
деляющие уровень продаж, не подвержены резким изменениям.
7.3.2. Модифицированный метод парной регрессии
Рассмотрим на примере выявления перспективного спроса на гру-
зовики во Франции использование модифицированного метода парной
регрессии [2].
Перспективный спрос на грузовики был выявлен с помощью моде-
ли, которая по сравнению с традиционными методами прогнозирования
(экстраполяция тенденций, интуиция) обладает рядом преимуществ, так
как позволяет:
а) легко изменять с учетом новой информации первоначальные
прогнозы;
б) объяснить большую часть расхождений между прогнозами и ре-
альностью по мере реализации первых;
в) получить результат независимо от субъекта, занимающегося прогно-
зированием, т.е. данный метод почти не оставляет места для субъективизма.
Статистические данные были взяты из ежегодно публикуемых На-
циональным институтом статистики и экономических исследований
Франции новых номеров регистрации автомашин. Механографический
код позволяет разделить на 6 классов все автомашины, рассматриваемые
в этом исследовании:
Грузоподъемность от 3 до 4,5 т, или класс в 3,5 т
от 4,6 до 6,5 т 5т
от 6,6 до 8,9 т 7т
от 9 до 12,9т 10т
от 13 т и больше 15 т
Тракторы грузоподъемностью более Ют
430 Глава 7
На рис. 7.2 показано изменение в регистрации новых грузовиков М
Франции за 13 лет до проведения исследования.
Следует отметить, что при проведении подобных исследований
зовый период времени должен быть достаточно длительным, чтобы от-
разить возможно большее число <инцидентов>, связанных с колебание
ми конъюнктуры, встречающимися на протяжении жизни товара.
Здесь кривая, отображающая общее число зарегистрированных на
шин, возрастает весьма хаотично. Колебания общих продаж вызваным
только изменениями темпа экономической активности, но также и важным
изменениями в распределении рынка среди различных категорий машин
Эти явления обусловливают бесполезность попыток оценить общи
тенденции рынка: например, при помощи простой экстраполяции. Однан
предложенный метод прогнозирования помогает преодолеть эти трудности
С одной стороны, он позволяет путем введения общей расчетной единицм
произвести сравнение между сбытом грузовиков разных категорий, ас
другой стороны, связать полученные колебания в числе ежегодны!
регистрации с общими экономическими показателями.
Для того чтобы сравнивать грузовики разных модификаций, нужна
найти переменную, которая могла бы выразиться в величине, общей дя
всех машин. В качестве такой переменной рассматривалась тонна полезного
груза, т.е. единица грузоподъемности; эта переменная характеризуется тем,
что может легко использоваться в торговом обороте, так как продажна
цена грузовика относительно тонны полезного груза практически является
постоянной для всех грузовиков.
На основе этой переменной был рассчитан показатель I,, характе-
ризующий число регистрации за год в тыс. т полезного груза. Этот показатед
вычисляется на основе регистрации и средней величины грузоподъемности
по классу тоннажа. Указанные вычисления представляют собой довольно!
трудную задачу, поскольку работа должна быть сделана с помощью сходных!
статистических данных по каждому типу грузовика. |
Независимая переменная определена с помощью агрегированных!
показателей национальных счетов: валовой национальный продукт, валовые;
вложения в основной капитал, национальный доход... Таким образом, выбор!
экономического показателя (независимая переменная) был сделан с
учетом, с одной стороны, природы самого товара (грузовик можно
рассматривать как промежуточный продукт в производственном процессе
или же как инвестиционный товар), с другой стороны, интенсивности
связей между переменной величиной и экономическим показателем.
На рис. 7.3 были перенесены данные о регистрации (в тоннах полез
ного груза) за годы с 1-го по 13-й в зависимости от выбранного эконс
мического показателя (в постоянных ценах 7-го года). Обе переменны
тесно связаны, и вычисление методом наименьших квадратов дает ко
эффициент корреляции 0,964.
Итак, данные об осуществленных регистрациях распределены во>
руг прямой, выраженной уравнением:
I, = 2,92Е, - 79,4,
где / - число регистрации года в тыс. т полезного груза (в соответствии
замечанием, сделанным ранее, 7, пропорциональна сумме продаж
грузовиков, что, таким образом, предполагает одинакову!
размерность обоих членов уравнения), а Е обозначает выбранньп
экономический показатель года в млрд. новых франков.
Прогнозирование в маркетинговых исследованиях 431

>>
а?
II
1 2

II
>х
Й|
;
3-
7000
6000
50СО
4000
3000
2000
1000

Рис. 7.2. Регистрация грузовиков грузоподъемностью более 3 тонн
Связь между I, и Е, тесная, но существуют и значительные рас-
хождения (более чем на 10%) за некоторые годы, и желательно улуч-
шить это соотношение. На рис. 7.3 видно, что эта связь подчиняется
<закону> циклических колебаний относительно общей прямой, а имен-
но: точка, соответствующая первому году, находится над прямой;

40 50 60 70 80 90 100
Миллиарды франков 7-го года
Рис. 7.3. Изменение числа регистрации в зависимости
от избранного экономического показателя
точки 2, 3, 4, 5 - под прямой; точки 6, 7, 8 - над прямой; точки
9, 10, 11, 12 - под прямой; точка 13 - над прямой.
Эта констатация заставляет ввести в модель дополнительную пере-
менную, позволяющую отразить эти колебания. Было рассмотрено два
решения.
Первое - принимать в расчет <цикл грузовика>. После периода, в
течение которого новые поступления в парк превышают среднюю нор-
му, наступают годы, когда поступления ниже нормы, т.е. покупатели,
по-видимому, реагируют с некоторой отсрочкой (в 3-4 года) на избы-
точное или недостаточное оснащение грузовиками.
Избранная модель предполагает учет циклической составляющей при
расчете уравнения регрессии, соответствующего наилучшей корректи-
ровке. Вот это уравнение: у = 2,99х - 83,0 с коэффициентом корреляции
для 9 точек, равным 0,989.
Второе - ввести в модель коэффициент <акселерации>, отметив, что
поступления в парк выше нормы тех лет, когда увеличение экономическо-
го показателя само выше средней величины. На практике это соответствует
следующему явлению: покупатели грузовиков, реагируя на колебания эко-
номики, по-видимому, склонны преувеличивать реальные тенденции - как
в период роста (повышенное число регистрации в год 8-й и в год 13-й), так
и и период спада (слабый сбыт в 3, 5 и 10-м годах).
Используемый показатель равен тогда уже не Е(, но
_ Е
Е1- ?,-1
Соответствующее уравнение регрессии при той же системе обозна-
чений, что и раньше, будет
2,70 Е
Е,
Е,-\-
Коэффициент корреляции, рассчитанный для 13 точек, будет г=
0.989.
Прогнозирование в маркетинговых исследованиях 433
В дальнейшем была использована модель с <циклом>, т.е. метод
вычисления с учетом данных регистрации за годы, предшествующие
изучаемому году; а также модель с <акселератором>, т.е. метод вычисле-
ния, вводящий экономический показатель в виде
_ Е
Е< ~ Е{ -1
Результаты, полученные при помощи этих двух методов, проиллю-
стрированы на рис. 7.4.
Результаты этого сравнения показывают, что относительные рас-
хождения между рассчитанными и реально наблюдаемыми величинами
обычно ниже 5% и достигают величин между 5 и 10% лишь в периоды
резкого изменения конъюнктуры: 5, 8, 9, 11-й годы.

"" Годы """ 1э"и
- рассчитанные регистрации
- наблюдаемые регистрации
Рис. 7.4. Сравнение числа реальных регистрации грузовиков
с числом регистрации, рассчитанным по модели
Кривые, отражающие колебания рассчитанного числа регистрации,
отражают колебания кривой реальных регистрации и сглаживают лишь
резкие изменения.
Расчет общего перспективного сбыта грузовиков грузоподъемнос-
тью более 3 т производился в два этапа:
- расчет перспективной регистрации на среднесрочный период в
тоннах полезного груза;
- переход от оценок грузоподъемности к оценкам численности
машин.
Период, избранный для прогнозирования на среднесрочный период
регистрации в тоннах полезного груза, - это год плюс пять. Применение
описанных моделей для прогнозирования возможно лишь тогда, когда не-
которые гипотезы проверены. Имеются в виду структурные гипотезы, пред-
16-3761
434 Глава 7
полагающие в будущем постоянство связей, наблюдаемых в прошлом мея
ду переменной, требующей объяснений, и переменными, при помош
которых ее объясняют. Это гипотезы, касающиеся транспортного законе
дательства (согласование железнодорожного и транспортного законодател
ства, технические характеристики, определенные Правилами дорожно)
движения), изменений в распределении грузопотоков между автомобил)
ным, железнодорожным и водным транспортом, и, естественно, полип
ческие или экономические события. Изучение этих вопросов позволяет б<
лее точно прогнозировать развитие рынка грузовых машин.
Оценка регистрации числа грузовиков в будущем основывалась I
том, что средний размер полезного груза грузовиков и тракторов грузе
подъемностыо более 3 т регулярно повышался от года 1-го до года 13-г
С одной стороны, это объясняется техническим прогрессом, которы
позволяет конструкторам получать все более и более высокие значен>
отношения полезного груза к общему весу; с другой стороны - стре!>
лением заказчиков получать машины все большей мощности.
Однако грузоподъемность машин ограничена требованиями Прав>
дорожного движения.
Эти соображения позволили оценить средние величины полезно]
груза машин, которые будут зарегистрированы в ближайшие 5 лет,
выработать для автомобильной промышленности производственную ш
литику на средний срок, уточнить типы и количество техники, котору
надо изготовить.
7.3.3. Динамическая модель
множественной регрессии
В порядке ознакомления с возможностями использования при пр<
ведении маркетинговых исследований более сложных методов матемап
ческой статистики рассмотрим динамическую модель множественно
регрессии, используемую для оценки и прогнозирования спроса на бол]
шегрузные транспортные средства на европейском рынке [54]. Бьи
выбрана следующая функция спроса:
Спрос = Р (производство, учетная процентная ставка, цена, погрешность),
где спрос(О) - ежемесячный объем заказов на грузовики грузе
подъемностью 15 т и выше;
производство - месячный индекс промышленного производства;
процент - гарантированная месячная учетная процентная ставка п
государственным обязательствам;
цена - индекс цены на дизельное топливо.
Рассматриваемая модель является динамической; она следующи
образом описывает структуру реакции рынка:
- переменная <производство> (Пр) вводится в форме модели с запа;
дыванием, описываемым убывающим геометрическим распределением
коэффициентом переноса при переходе от I к 1-1с, равным 0,4557;
- переменная <процент> входит в модель с запаздыванием, равны
восьми месяцам; это указывает на то, что время проявления эффект
изменения процентной ставки составляет восемь месяцев (уровень за
держки был определен экспериментально);
Прогнозирование в маркетинговых исследованиях 435
- переменная <цена> аналогичным образом действует с запаздыва-
нием, равным восьми месяцам;
- член <погрешность> также имеет динамическую структуру в том
смысле, что представляет собой взвешенную сумму трех погрешностей
по указанным переменным (и) и чисто случайной составляющей (е).
Уравнение спроса, полученное числовым методом по критерию
максимального правдоподобия, имеет вид:
О, = -5,503 + 1,7479 х Пр. + 0,7960 х Пр.., + 0,3630 х Пр,.з+
+.....- 0,1899 х Процент - 0,4767 х Цена +
+ 0,2463 х Ц., +0,1389 х Ц + 0,2602 х Ц + е,.
Качество модели оценивается с помощью обычных статистических
показателей. Коэффициент детерминированности равен в данном случае
0,865. Все значения /-критериев, измеряющих точность коэффициентов
регрессии, являются значимыми на уровне 5% и выше.
Поскольку речь идет об эластичности, коэффициенты допускают
прямую интерпретацию. Так, например:
- кумулятивный общий эффект переменной <промышленное про-
изводство> равен 3,2114; это означает, что рост промышленного произ-
водства на 1% приводит к росту числа заказов на 3,2%;
- эффект понижения учетной процентной ставки на 10% приво-
дит, с восьмимесячным запаздыванием, к повышению спроса на грузо-
вики на 1,9%;
- эффект повышения цены дизельного топлива на 10% через во-
семь месяцев приводит к падению спроса на грузовики на 4,8%.
Сравнение наблюдаемых и рассчитанных по модели объемов продаж,
показало высокую ее точность, что позволило ее использовать в целях про-
гнозирования объема продаж большегрузных транспортных средств.
7.3.4. Метод ведущих индикаторов
Ведущие индикаторы - показатели или их временные ряды, изме-
няющиеся в том же направлении, что и исследуемый показатель, но
опережая его по времени, например, рост показателей жизненного уровня
опережает показатель роста спроса. Таким образом, изучая динамику
изменения показателей жизненного уровня, можно сделать выводы о
возможном изменении показателя спроса на определенную продукцию.
При оценке рыночного потенциала регионов или стран часто ис-
пользуют индикаторы покупательной способности. Цель при этом состо-
ит в измерении привлекательности рынка по средневзвешенному значе-
нию трех ключевых компонентов любого потенциала рынка, т.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81