zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Kinh Doanh Marketing

» Quản trị kinh doanh

Bài giảng Thống kê kinh doanh: Chương 7 - Phạm Văn Minh

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:50

Báo xấu

95
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Thống kê kinh doanh: Chương 7 Phân tích hồi quy và dự báo trong kinh doanh, được biên soạn gồm các nội dung chính sau: Tương quan giữa hai biến; Mô hình hồi quy tuyến tính đơn; Mô hình hồi quy bội; Phân tích dự báo theo chuỗi thời gian. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Thống kê kinh doanh: Chương 7 - Phạm Văn Minh

(Business Statistics) Chương 7. Phân tích hồi quy và dự báo trong kinh doanh 1
CHƯƠNG VII. PHÂN TÍCH HỒI QUY VÀ DỰ BÁO TRONG KINH DOANH VII.1. Tương quan giữa hai biến VII.2. Mô hình hồi quy tuyến tính đơn VII.3. Mô hình hồi quy bội (đọc thêm) VII.4. Phân tích dự báo theo chuỗi thời gian (đọc thêm) 2
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 1. Khái niệm 2. Hệ số tương quan (Correlation Coefficient) 3. Bảng tương quan mẫu 4. Hệ số tương quan mẫu Xem mục 1 phần III.3 trang 69, GT BÀI GIẢNG THỐNG KÊ KINH DOANH 3
HỆ SỐ TƯƠNG QUAN PEARSON (Pearson’s Correlation Coefficient, ký hiệu r) 4
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 1. Khái niệm Hệ số tương quan Pearson (Correlation coefficient, r) là chỉ số thống kê đo lường mức độ tương quan tuyến tính giữa hai biến (định lượng). Về nguyên tắc, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính (hàm số nối kết) của 2 biến. Có 3 dạng quan hệ tuyến tính sau: Không có quan Tuyến tính thuận Tuyến tính nghịch hệ tuyến tính (QH đồng biến) (QH nghịch biến) 5
II.4. TƯƠNG QUAN GIỮA HAI BIẾN 1. Khái niệm (tt) Ví dụ 7.1: Để xem xét Số lần Doanh số Tuần mối quan hệ giữa Số QC (ngàn sp) lần quảng cáo (X) được 1 2 50 chiếu trên TV và Doanh 2 5 57 số bán hàng (Y, ngàn 3 1 41 sản phẩm) của một mặt 4 3 54 hàng, người ta thu thập 5 4 54 dữ liệu thực tế trong 10 6 1 38 tuần và cho kết quả ở 7 5 63 bảng bên phải. 8 3 48 Hãy thể hiện mối quan 9 4 59 hệ giữa hai biến này. 10 2 46 6
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 1. Khái niệm (tt): Ví dụ 7.1: (tt) Biểu diễn dữ liệu trên đồ thị phân tán (Scatter, Excel), ta thấy rằng Số lần quảng cáo trên TV và Doanh số bán hàng của mặt hàng này có mối quan hệ tuyến tính thuận. Điều đó có nghĩa là việc xuất hiện càng nhiều lần quảng cáo thì doanh số bán hàng càng cao. 65 60 Doanh số (ngàn sp) 55 50 45 40 35 0 1 2 3 4 5 6 Số lần quảng cáo 7
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 2. Tương quan giữa các đại lượng ngẫu nhiên  Giả sử hai đại lượng ngẫu nhiên X và Y là hai dấu hiệu trên cùng một tổng thể. Để đo mức độ tương quan giữa X và Y người ta xét số: được gọi là hệ số tương quan giữa X và Y.  Với mọi đại lượng ngẫu nhiên, ta có -1  RXY  1.  Trường hợp RXY = 0 : X và Y không tương quan tuyến tính với nhau (hiếm xảy ra).  Trường hợp RXY = 1 : X và Y có tương quan tuyến tính (chặt chẽ). 8
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 3. Bảng tương quan mẫu  Cho một mẫu kích thước n. Quan sát đồng thời X và Y ta được bảng sau đây, được gọi là bảng tương quan mẫu. Y y1 y2 ... yh ni X x1 n11 n12 ... n1h n1 x2 n21 n22 ... n2h n2 ... ... ... ... ... ... xk nk1 nk2 ... nkh nk mj m1 m2 ... mk Σ=n 9
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 3. Bảng tương quan mẫu (tt)  Bảng tương quan mẫu ở trên cũng còn được trình bày tương đương như sau x y nij x1 y1 n11 x2 y2 n12 ... ... ... xk yh nkh 10
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 3. Bảng tương quan mẫu (tt)  Trong bảng này là các giá trị của X; là các giá trị của Y là số lần X nhận giá trị xi 𝒊𝒋 𝒋 là số lần Y nhận giá trị yj là số lần đồng thời X nhận giá trị xi, Y nhận giá trị yj.  Ta có ,  Các đặc trưng của mẫu: 11
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu  Ta gọi là hệ số tương quan mẫu giữa X và Y.  Như vậy, hệ số tương quan mẫu là một ước lượng của hệ số tương quan RXY.  Ta cũng có -1  rXY  1 12
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt) Ví dụ 7.2: Cho lượng nước mưa ở hai địa phương quan sát được tại 10 thời điểm khác nhau, ta có số liệu sau đây: Xi 87 47 74 86 38 15 41 8 79 75 Yi 86 56 84 72 47 17 43 19 88 78 Hãy dùng máy tính cầm tay tính: Excel: (Xem lại các hàm ở slide 81 hoặc Thống kê mô tả ở slide 80) 1. Trung bình cộng của X = AVERAGE (vùng dữ liệu của X) = 55; 2. Trung bình cộng của Y = AVERAGE (vùng dữ liệu của Y) = 59; 3. Độ lệch chuẩn được hiệu chỉnh của X = STDEVA (data Xi) = 29,212; 4. Độ lệch chuẩn được hiệu chỉnh của Y = STDEVA (data Y) = 26,870; 5. Hệ số tương quan rxy = PEARSON (vùng dữ liệu của X và Y) = 0,967. 13
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt): Ví dụ 2.38 (tt): Casio 1. Shift Mode  4:Stat 1 (Mở/On hoặc Tắt/Off tần số Frequency?) 2. Mode 3:Stat 2:A+BX (dạng quan hệ tuyến tính giữa 2 biến) 3. Nhập dữ liệu (ấn dấu bằng ‘=‘ để hoàn tất) lần lượt vào 2 cột X, Y. 4. Bấm AC 5. Gọi kết quả: - Shift 1:Stat 4:Var - Shift 1:Stat 5:Reg 14
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt): Ví dụ 2.39: Cho bảng số liệu sau đây. Hãy tính các đặc trưng và hệ số tương quan mẫu của bộ số liệu đó. [Làm như slide trên] Y 10 15 20 25 30 35 X 1 4 7 2 10 15 3 26 35 3 4 10 8 18 6 5 2 5 6 1 Giải. Ta lập một bảng mới để tính toán các tổng cần thiết cho việc tính các đặc trưng mẫu như sau: 15
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt): Ví dụ 2.39: (tt) Y 10 15 20 25 30 35 ni X 1 4 7 11 2 10 15 25 3 26 35 3 64 4 10 8 18 6 42 5 2 5 6 1 14 mj 4 17 53 48 27 7 156 Ta tính được các đặc trưng của mẫu: 16
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt): Ví dụ 2.39: (tt) Các đặc trưng của mẫu: (tiếp theo) Vậy hệ số tương quan mẫu là: Ví dụ 7.3. Đo chiều cao X và khối lượng Y của 7 học sinh, ta được kết quả cho ở bảng sau. X (m) 1,45 1,6 1,5 1,65 1,55 1,68 1,7 Y (kg) 50 55 45 65 60 63 68 Hãy tính: 17
VII.1. TƯƠNG QUAN GIỮA HAI BIẾN 4. Hệ số tương quan mẫu (tt): Ví dụ 7.4: Để nghiên cứu sự phát triển của một loại cây, người ta tiến hành đo chiều cao Y (m) và đường kính X (cm) của một số cây. Kết quả được ghi ở bảng sau đây. Y 2 3 4 5 6 7 X 20 3 5 22 2 10 24 8 12 15 5 26 4 16 7 28 8 5 Tìm hệ số tương quan 18
VII.2. Mô hình hồi quy tuyến tính đơn  Trong kinh doanh, các quyết định quản trị thường dựa trên việc xem xét mối quan hệ giữa hai hoặc nhiều yếu tố kinh tế (biến thống kê).  Ví dụ: Sau khi xem xét mối quan hệ giữa chi tiêu quảng cáo và doanh thu bán hàng, trưởng bộ phận Marketing cố gắng dự đoán doanh thu cho một mức chi tiêu quảng cáo nhất định.  Đôi khi, một người quản lý sẽ dựa vào trực giác để đánh giá hai biến có liên quan như thế nào một cách định tính.  Tuy nhiên, nếu dữ liệu của các biến có thể thu được thì một phương pháp trong thống kê gọi là phân tích hồi quy (regression analysis) có thể được sử dụng để phát triển một phương trình cho thấy các mối liên hệ giữa các biến có liên quan. 19
VII.2. Mô hình hồi quy tuyến tính đơn  Ví dụ về chuỗi nhà hàng thức ăn nhanh Armand’s Pizza Parlours. 1. Mô hình  Mô hình hồi quy tuyến tính đơn tổng thể có dạng: (1) Trong đó:  biến phụ thuộc (dependent variable);  biến độc lập (independent variable);  các tham số tổng thể của mô hình;  : sai số ngẫu nhiên của mô hình (các yếu tố khác ngoài tác động đến ). 20

CÓ THỂ BẠN MUỐN DOWNLOAD

CMO.03: Bộ Tài Liệu Hệ Thống Quản Trị Marketing Thương Hiệu

385 tài liệu

1277 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.