Login

Lost your password?
Don't have an account? Sign Up

Modele regresyjne w analizie rynku

W dzisiejszych czasach szybki rozwój i globalna konkurencja nie pozwalają przedsiębiorstwom na popełnianie nawet najmniejszych błędów, ponieważ każdy z nich może skończyć się bankructwem. By móc przewidywać przyszłość związaną z branżą w której funkcjonujemy, a co za tym idzie planować działania długofalowe, niezbędne jest gromadzenie danych rynkowych ważnych z perspektywy funkcjonowania każdej firmy. Do takich informacji zaliczyć możemy dane o obrotach firm świadczących swe usługi w danej branży,  dane na temat chłonności rynku, dane na temat poziomu produkcji itd. Posiadając takie informacje możemy zaprojektować różnego rodzaju wskaźniki na podstawie, których jesteśmy w stanie podejmować trafne biznesowo decyzje a co za tym idzie stać się liderem na rynku. Jedną  z najczęściej wykorzystywanych metod analizy danych rynkowych jest model regresji, który oprócz ukazania/wykrycia zmiennych wchodzących ze sobą w interakcję pozwala również na podstawie danych wtórnych prognozować przyszłe zdarzenia/procesy mogące mieć wpływ na funkcjonowanie danego rynku. W poniższym przykładzie skupię się na analizie regresji prostoliniowej, należy jednak w tym miejscu zaznaczyć, że nie jest to jedyny model wykorzystywany w badaniach rynku. Regresja jest w pewnym sensie rozszerzeniem analizy korelacji, na podstawie tej drugiej jesteśmy w stanie odkryć związek linowy pomiędzy dwiema lub więcej zmiennymi, natomiast regresja pozwala nam dodatkowo przewidywać o ile zmienią się wartości zmiennej zależnej jeżeli wartość predykatora (zmiennej niezależnej) zmieni się o jeden. Ponadto przewaga regresji nad korelacją polega, również na tym, że w modelu regresyjnym możemy wykorzystać więcej zmiennych niezależnych (predyktorów) niż jeden dzięki czemu pełniej możemy poznać otaczającą nas rzeczywistość rynkową. W tym miejscu warto zaznaczyć, że dane które chcemy wykorzystać w analizie regresji (opisywanej w tym przykładzie) muszą być wyrażone na skalach ilościowych w innym wypadku stworzenie modelu będzie niemożliwe. Podsumowują modele regresyjne pozwalają nam tworzyć uproszczony obraz rzeczywistości i na jego podstawie przewidywać przyszłe zachowania np. konsumentów, konkurencji itd. Są one wykorzystywane  w wielu branżach, na ich podstawie banki wyliczają ryzyko kredytowe, maklerzy przewidują zachowania giełdowe a firmy farmaceutyczne testują skuteczność leków.