Методы анализа информации о рынке

При анализе информации о рынке используются такие же методы, что и при анализе любой экономической информации. Их можно подразделить на две группы: статистические и экономико-математические методы.

К статистическим относятся табличный метод, расчет средних и относительных показателей, построение и обработка динамических рядов, сводка, группировка, графический, индексный и дисперсионный анализы. Из экономико-математических следует отметить корреляционный и регрессионный методы анализа.

Информационной базой для анализа прогноза являются динамические и временные ряды. Ряд динамики представляет собой числовые значения определенного статистического показателя, расположенные в хронологическом порядке. Числовые значения показателя составляющего ряд динамики, называют уровнем. Тенденция (закономерность) в изменении уровней ряда называется трендом.

Рассмотрим сопоставимость уровней и смыкание рядов динамики в обработке маркетинговых исследований. Одно из требований, которые предъявляют к рядам динамики, - сопоставимость уровней ряда. Если данные не сопоставимы, необходимо добить их сопоставимости.

Рассмотрим пример. В табл. 7.28 приведены данные смыкания рядов динамики в один ряд.

Таблица 7.28

Среднемесячный объем покупок сельхозпродуктов в городе N

Год
Покупки, руб: на 1 октября на конец марта	-	-		-
Сомкнутый ряд на конец марта, руб	116,4	145,5
Сомкнутый ряд относительных величин, % к 2008 г.	72,75	90,93		112,5

Для смыкания на основе 2008 года, определенных на две даты, рассчитываем отношение между ними: 160/165= 0,97. Умножив на этот коэффициент данные за предыдущие годы делаем их сопоставимыми.

Переход к относительным величинам целесообразно осуществлять при параллельном анализе нескольких показателей. В таких случаях уровни всех рассматриваемых рядов приводятся в процентах или коэффициентах к уровню одного и того же периода.

Например, имеется динамика объема продаж некоторых видов продукции (табл. 7.29)

Таблица 7.29

Динамика продаж промышленной продукции предприятия АВС,

Месяц	Продукт –1, литров	Продукт –2, тонн	Продукт –3, кВт/час	Продукт –4, м^3
Январь Февраль Март Апрель Май

Для наглядности представления приведем все четыре ряда к одному основанию, для чего примем уровни января за 100% (табл. 7.30).

Таблица 7.30

Динамики продаж промышленной продукции (в % к январю)

Месяц	Продукт –1,	Продукт –2,	Продукт –3,	Продукт –4,
Январь Февраль Март Апрель Май	100,00 109,75 114,63 113,00 105,69	100,00 116,66 91,66 100,00 83,33	100,00 104,26 142,18 125,12 128,90	100,00 102,94 100,00 98,52 117,64

Данные в табл. 7.18 приведены к одному основанию и их легче интерпретировать.

Обработка динамических рядов начинается с обеспечения сопоставимости членов этих рядов. Например, при оценке товарного предложения необходимо суммировать данные о поставках товаров и товарных запасах. Однако эти показатели выражаются различными величинами, которые несопоставимы между собой, - поставки оцениваются за определенный период времени (месяц, квартал, год), т. е. выражаются интервальными величинами, а товарные запасы учитываются по состоянию на определенную дату, что характеризуется моментными величинами. Поэтому, прежде чем сложить эти величины, надо привести их в сопоставимый вид. В данном случае проводится расчет средних товарных запасов по формуле средней хронологической:

,

где y_t - абсолютные уровни ряда; n – число уровней. Что придает им форму интервальной величины. Только после того появляется возможность оценить уровень товарного предложения на том или ином рынке (за месяц, квартал или год).

После приведения динамических рядов в сопоставимый вид рассчитывают аналитические показатели динамических рядов всех элементов рынка: товарного предложения, спроса цен. По этим показателям можно судить об изменениях, которые происходят на рынке во времени, как варьируется факторы, влияющие на эти изменения, какие закономерности тенденции характерны для динамики того или иного рынка. Чаще других рассчитываются следующие показатели:

- абсолютные цепные приросты:

,

- абсолютные базисные приросты:

,

где y_б – значение показателя, принятое за базисное,

- темпы роста цепные:

,

- темпы роста базисные:

,

- темпы прироста цепные:

,

- темпы роста базисные:

,

Сводной, обобщающей характеристикой интенсивности изменения уровней ряда динамики является средний темп роста, показывающий, во сколько раз в среднем за единицу времени изменился уровень ряда. Средний темп роста находиться как знаменатель геометрической прогрессии:

,

- средний темп прироста:

.

Анализ динамики социально-экономических явлений следует проводить, используя все показатели. Пренебрежение каким – либо показателем приводит к неполному одностороннему анализу.

Пример 1. Среднемесячный объем продаж фирмы составил, тыс. руб.: в 2008 г. — 12; в 2009 г. — 14; в 2010 г. — 11 и в 2011 г. - 9.

Определим:

1) среднемесячный объем продаж предприятия за отчетный период;

2) абсолютные приросты продаж;

3) базисные и цепные темпы роста и прироста продаж продукции;

4) среднемесячные темпы продаж и прироста объемов продаж;

Решение.

1. Среднемесячный объем продаж, тыс. руб.:

2. Абсолютные приросты, тыс. руб.:

а) цепные:

;

б) базисные:

;

.

3. Темпы роста и прироста:

а) коэффициенты роста (снижения):

• цепные:

;

• базисные:

;

Произведение ;

б) темпы прироста сокращения, %:

• цепные:

; ; ;

• базисные:

; ; .

4. Среднемесячные темпы роста и прироста объемов продаж, %:

а) средний темп роста

; , или 91%;

б) средний темп прироста

.

Товарное предложение, спрос и цены часто колеблются во времени с определенной периодичностью. Поэтому при анализе рынка весьма важно выявить и измерить степень таких колебаний, в частности колебаний сезонного характера.

Сезонные колебания спроса могут характеризоваться индексами сезонности, а их совокупность за год образует сезонную волну. Если для расчетов использовать данные за несколько лет, то можно получить достаточно устойчивую сезонную волну, на которой случайные условия каждого отдельного года оказываются сглаженными. Поясним это на условном примере.

Пример 2. На основе данных приведенных в таблице 7.31 необходимо рассчитать сезонные волны спроса на примере товара Х.

Таблица 7.31

Исходные данные

Квартал	Продажа товара по годам, тыс. руб.
1-й	2-й	3-й	4-й
I
II
III
IV
Всего за год

Расчет сезонной волны спроса основывается на индексах сезонности. Индекс сезонности представляет собой отношение продажи товара за данный квартал к продаже этого товара в среднем за квартал. Решение представим в таблице 7.32.

Таблица 7.32

Расчетная таблица

Квартал	Продажа товара по годам, тыс. руб.	В среднем за 4 года	Сезонная волна, %
1-й	2-й	3-й	4-й
I						28,4
II						59,2
III					432,5	204,7
IV					227,5	107,7
Всего за год
В среднем за квартал	187,5	202,5			211,3	100,0

Например, индексы сезонности за I кв. составляют:

1-й год: ; 2-й год: ;

3-й год: ; 4-й год: .

Их сглаженное значение в среднем за 4 года составляет: .

Практическое значение данных расчетов заключается в том, что они дают возможность оценивать предполагаемую продажу по кварталам. Например, если фирма рассчитывает реализовать за год какого-либо товара на сумму 200 тыс. руб., то, скорее всего, в I кв. она может ожидать реализацию в объеме 14,2 тыс. руб. (50 · 0,284). во II кв. — 20,6 (50 ∙ 0,592), в III — 102,4 (50 · 2,047) и в IV — 53,8 тыс. руб. (50 ∙ 1,077).

Пример 3. Исследовательские данные о ценах и товарообороте 9 магазинов представлены в таблице 7.33.

Таблица 7.33

Данные о ценах и о товарообороте по 9 магазинам

№ п/п	Цена товара, руб./ед. у	Продано, тыс. ед. F

Требуется оценить колеблемость цен по предприятиям выступающим на исследуемом рынке.

Решение.Среднее значение параметра (средний уровень) исчисляется по формуле средней арифметической взвешенной:

где - число i -х единиц; - «вес», характеризующий размер i -й единицы; - параметр рынка i -го предприятия.

Среднее значение варьирующей цены по всем магазинам:

руб./ед.

Находим дисперсию:

Среднеквадратическое отклонение руб./ед.

Вариацию цен отражает коэффициент вариации . Это означает, что имеет место высокая колеблемость цен по предприятиям, выступающим на рынке.

Метод группировок весьма широко применяется при анализе различных видов информации о рынке. Он заключается в том, что исходная информация делится на однородные группы в зависимости от значений тех или иных признаков. По каждой группе подсчитывают средние показатели и сравнивают между собой. Этот метод лежит в основе сегментирования рынка, применяется при количественной оценке степени влияния тех или иных факторов на элементы рынка и часто является предварительным этапом при использовании других методов анализа.

При построении группировок по качественному признаку количество групп соответствуют количеству уровней градации признака. При группировании по количественному признаку все множество значений признака делиться на интервалы. При этом возможны два подхода: группировка с равными и неравными интервалами.

Для определения этих параметров в первом случае рекомендуется формула Стэрджесса:

,

где N – количество наблюдений. В этом случае величина интервала:

а границы интервалов:

где x_нi – нижняя, а х_вi, соответственно, верхняя граница.

Группировка с неравными интервалами порождает массу проблем при обработке данных, по этому следует, по мере возможности избегать таких группировок.

Пример 4. По данным проведенного экспертного опроса (метод Дельфы) о перспективах объема продаж стирального порошка «АВС» составлена таблица 7.34.

Таблица 7.34

Данные анкетного опроса о перспективности объема продаж, тыс. руб.

Эксперт	Прогноз объема продаж	Эксперт	Прогноз объема продаж	Эксперт	Прогноз объема продаж

Построить группировку с равными интервалами.

Решение. Для определения оптимального количества групп (m) с равными интервалами рекомендуется формула Стэрджесса:

,

где N — количество экспертов.

Ширина интервала равна .

Результаты вычислений представлены в табл. 7.35.

Таблица 7.35

Данные упорядоченного вариационного ряда

Величина объемов продаж в интервальном ряду	14,0-15,8	15,8-17,6	17,6-19,4	19,4-21,2	21,2-23,0
Среднее значение интервала ()	14,9	16,7	18,5	20,3	22,1
Количество экспертов, отдавших предпочтение данному варианту (m i)

Одно из основных требований этого метода анализа состоит в правильном, обоснованном выделении признака группировки. Неверно проведенная группировка может привести к ложным выводам, поэтому группировочный признак должен быть логически обоснован и не вызывать сомнений.

Пример 5. Среди выборочного опроса 1000 семей в районе о том, пользуются ли они средством N в своей повседневной жизни, 400 семей ответили положительно. Требуется с вероятностью 0,99 определить долю семей, пользующихся средством N во всем районе, (выборка 2% -ная, механическая).

Решение. Выборочная доля равна: ; выборка или 2% (по условию). Для вероятности 0,99 по таблице 7.36 находим значения t =2,580.

Таблица 7.36

Стандартные значения функции F(t)

t	1,00	1,96	2,00	2,58	3,00
F(t)	0,683	0,950	0,954	0,990	0,997

Предельную ошибку доли определяем по формуле бесповторного отбора:

1) Предельная относительная ошибка выборки равна:

2) Доверительные пределы генеральной доли исчисляем, исходя из

двойного неравенства:

Таким образом, с вероятностью 0,990 можно утверждать, что доля семей, пользующихся средством N среди всех семей района колеблется от 36,1% до 43,9%.

Пример 6. Оздоровительный центр «Аэлита», рекламируя свои услуги, предлагает клиентам за короткий срок снижение веса более 10 кг. По результатам выборочного обследования 15 женщин, воспользовавшихся услугами центра, были получены следующие данные о снижении их веса (табл. 7.37).

Таблица 7.37

Данные о снижении веса пациентов оздоровительного центра

№ п/п
Снижение веса, кг	10,2	7,6	6,1	8,4	6,0	5,7	13,7	6,9	5,2	6,1	5,0	3,7	4,7	3,6	3,2

Оценить вероятность снижения веса пациентов оздоровительного центра на 10 кг. На основании этого сделать вывод, необходимо ли изменить информацию в рекламном сообщении?

Решение. Выборочная дисперсия равна:

Следовательно, средняя квадратическая ошибка выборки составит:

Оценим с вероятностью 0,99 предел возможных расхождений выборочной средней и генеральной средней. Так как число степеней свободы равно 14 (k = n–1 =15-1), то по таблице распределения Стьюдента находим, что значение t, соответствующее вероятности 0,99, равно 2,977.

Тогда с вероятностью 0,99 можно предполагать, что ошибка выборочной средней будет не больше 2,977·0,71=2,114 кг, а снижение веса пациентов оздоровительного центра будет находиться в пределах от 4,3 до 8,52 кг (6,41±2,11).

Следовательно, указанное в рекламе снижение веса на 10 кг имеет столь малую вероятность, что считается событием практически невозможным. Необходимо изменение информации в рекламе.

Дата добавления: 2015-03-31