Моделирование и прогнозирование спроса на ИПУ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ  И НАУКИ РЕСПУБЛИКИ КАЗАХСТАН

КАЗАХСКИЙ ЭКОНОМИЧЕСКИЙ  УНИВЕРСИТЕТ

им. Т. РЫСКУЛОВА.

 

 

 

 

Кафедра “Информационные системы

                                                   (в экономике)”

 

 

Лабораторная работа № 2

по курсу “Информационный маркетинг”

По теме: «Моделирование и прогнозирование спроса на ИПУ»

 

 

 

 

                Выполнила:

 Ст-ка 4-го курса

 Гр. ИСЭ-413

 Курдяева В.

 Проверила:

 д.э.н. профессор 

 Бралиева Н.Б.

 

 

 

 

 

 

 

 

 

 

 

 

 

Алматы,  2004

 

Содержание:

 

 

Введение

Целью проведения лабораторной работы по курсу “Информационный  маркетинг” является выработка практических навыков по разработке модулей и  получения прогнозов оценок /построение прогнозов/ на основе разработанных  моделей.

В соответствии с целью проведение лабораторных работ по данному курсу предусматривает решение следующих задач:

1. Закрепление и расширение практических и теоретических знаний по основам маркетинговых исследований, в частности, по вопросам моделирования и прогнозирования спроса на информационный продукт (ИП) словарь терминов по курсу «ИСБ и П».
2. Развитие практических навыков по построению экономико-математических моделей спроса на ИП.
3. Развитие практических навыков по построению прогнозов спроса на ИП на основе использования экономико-математических методов и ЭВМ.
4. Выработка навыков в оформление работ подобного типа в соответствии с требованиями стандартов.

При расчете показателей  модели все данные приводятся в сопоставимом виде.

 

Содержание задания

Выполнение лабораторной работы состоит из двух этапов:

1. Моделирование спроса на информационные товары и услуги.
2. Прогнозирование спроса на информационные товары на основе использования ЭВМ и ПЭВМ.

Для выполнения первого  этапа задания необходимо на основании  таблиц 1, 2, 3 провести анализ факторов и выбрать наиболее существенный для включения в модель.

Затем следует определить форму связи между зависимыми и независимыми переменными. После  выбора факторов и определения формы  связи следует оценить модель на достоверность, результаты оценки привести в виде таблицы (Приложение 1).

Второй этап задания  осуществляется на основе разработанной  и проверенной на достоверность  модели.

Результаты прогноза, в том числе и ретроспективного, отразить в виде таблицы (Приложение 2).

 

№ п/п № вар	Наименование информационного товара	Идентификация факторов, формирующих спрос на ИП
1	Спрос на ППП “STATEX”	Д  ,  t  ,  p1   ,  p3
2	Спрос на ППП “Optimum” (у  )	Д  ,  t  ,  p   ,  p
3	Спрос на учебник “Информа- ционный маркетинг” (у  )	Д  ,  t  ,  p   ,  p
4	Спрос на справочник класси- фикаторов профессий (у  )	Д  ,  t  ,  p   ,  p
5	Спрос на словарь терминов по курсу “ИСБ и П” (у  )	Д  ,  t  ,  p   ,  p
6	Спрос на ППП “АРМ руководителя ” (у  )	Д  ,  t  ,  p   ,  p
7	Спрос на учебное пособие  “Курс лекции по курсу АРМ бухгалтера ” (у  )	Д  ,  t  ,  p   ,  p
8	Спрос на методическое пособие  для л/р по курсу “Инфор- мационный  маркетинг” (у  )	Д  ,  t  ,  p   ,  p
9	Спрос на ЯП “Турбо Си” (у  )	Д  ,  t  ,  p   ,  p
10	Спрос на ЯП  “Турбо Паскаль	Д  ,  t  ,  p   , p

Таблица 1. Таблица исходных данных

 

Условные обозначения:

Д – денежный доход (в  расчете на душу населения в тг.);

p – индекс цен i-го информационного товара;   

t – временной фактор.

 

Процесс формирования и  развития спроса на ИП представляет собой  вероятностный процесс. Связь между спросом и воздействующими на него факторами обнаруживаются лишь в виде тенденции изменения средних значении спроса в зависимости от значении определяющих его факторов. Для исследования таких процессов применяются методы корреляционно – регрессионного анализа. Экономико-математическая модель спроса сроится в виде не которого уравнения регрессии, в котором в качестве функции (эндогенное переменной) выступает спрос, а в качестве неизвестных переменных (экзогенных) – определяющие спрос факторы.

В таблице 2 приведены  значения эндогенных переменных.

Ус- лов- ные го- ды	В А Р И А Н  Т Ы
	1	2	3	4	5	6	7	8	9	10
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21	255,0 305,8 308,8 322,9 342,9 350,0 366,9 375,6 391,7 415,1 434,0 463,5 487,7 518,1 555,7 582,9 615,1 641,5 676,6 713,34 735,0	124,5 136,1 145,0 154,2 167,5 173,9 183,4 191,5 203,6 214,5 226,7 238,6 249,5 263,1 277,5 291,9 304,8 316,1 331,1 345,7 349,4	130,4 169,7 163,8 168,7 175,5 177,1 183,5 184,0 182,1 207,6 201,7 224,9 238,2 254,9 322,2 323,5 310,2 325,5 345,5 367,6 385,6	12,6 12,7 13,4 13,1 13,4 13,9 14,9 15,7 15,8 17,5 18,8 18,9 19,0 19,3 19,6 20,1 20,8 21,2 21,8 22,3 22,7	9,2 10,4 11,7 14,4 17,5 18,5 18,6 19,5 19,6 21,1 24,0 25,8 27,7 27,7 28,7 32,1 33,9 34,9 37,4 39,9 40,2	2,5 3,4 4,2 5,4 6,8 7,9 8,2 8,4 9,0 9,7 10,2 11,1 11,2 12,8 13,7 13,8 14,3 15,2 15,8 16,1 16,3	21,4 24,8 26,8 27,9 29,4 31,1 34,0 35,3 37,6 37,8 41,6 43,7 44,9 46,5 48,6 50,5 51,6 50,4 51,2 56,3 57,5	4,6 4,7 5,4 5,4 5,5 5,4 5,5 5,8 6,8 6,9 6,7 6,5 6,6 7,3 7,7 7,7 7,8 8,2 8,4 8,9 10,3	27,5 32,0 33,5 35,7 41,9 44,9 48,2 48,9 52,0 58,7 63,7 72,4 80,2 90,2 98,9 104,5 113,2 113,3 117,2 124,2 128,5	2,0 2,3 2,6 2,9 3,4 5,6 6,3 7,5 8,3 9,7 8,4 10,3 10,6 10,7 12,0 13,8 14,4 14,5 15,7 17,2 17,7

 

 

 

 

Таблица 2. Значение спроса на товары за годы базисного периода в расчете  на душу населения, в тенге

 

 

Моделирование спроса на ИТУ

 

Процесс построения экономико-математической модели спроса, на информационный товар включает 3 этапа:

1 этап:  Отбор наиболее существенных  факторов, для включения их в ЭММ.

2 этап:  Выбор математической  формы связи между спросом  и учтенными в  модели факторами.  Расчет параметров модели и  их математико-статистическая оценка.

3 этап: Общая оценка модели.

 Одним из  методов  отбора наиболее существенных факторов, включаемых в модель является  метод  количественного  анализа, для целей которого могут быть использованы различные статистические показатели, характеризующие тесноту связи между спросом и формирующими факторами: парные и частные коэффициенты корреляции, корреляционное отношение, коэффициент множественной корреляции. На рисунке 1 представлены данные для анализа.

 

Отбор наиболее существенных факторов

 

Знание структуры взаимосвязи между признаками позволяет решить следующие важные задачи:

• выяснить, имеются ли группы тесно связанных показателей;
• установить наличие отрицательных или нулевых связей между отдельными показателями или между блоками показателей;
• выявить информационные признаки, позволяющие как бы сократить пространство и отразить малым числом переменных исходное многомерное описание.

Термин «Связь признаков» используется для того, что бы отразить эффект совместного изменения двух показателей. Возможны 3 варианта:

• если с ростом одного показателя растет и другой – т.е. на объектах с высоким значением первого показателя (спроса словарь терминов по курсу «ИСБ и П») обычно высоки значение второго (денежный доход), а низкие значения соответствуют низким – то связь называется положительной;
• если рост одного показателя сопрягается со снижением другого - то связь называется отрицательной;
• если изменение одного показателя (спроса) никак не сказывается на изменении другого (цена) – связи нет, признаки считаются независимыми.

Средняя связь признаков в блоке указывает, насколько похожи друг на друга изменения признаков, входящих в блок. Этот показатель от 0 до 1.00 (определяется как среднее абсолютных значений) коэффициентов связи. Из рисунка 2 видно, что связь между спросом и доходом  весьма высока, т.е. эти показатель очень сильно похожи друг на друга.

Средняя связь признаков  вне блока говорит о том, на сколько «отделены» показатели от всех остальных, т.е. насколько признаки блока отражают особую закономерность.

Информативный признак в блоке – номер того признака в блоке, который наиболее сильно связан со всеми остальными признаками своего блока. Располагая значениями  информативного признака, можно довольно точно предсказать поведение остальных признаков в блоке, что делает их использование для анализа ненужными или малополезными.

Так признак «1. Спрос  связан с признаком» «2. Доходом»  на уровне 0.99, из этого следует, что  два признака описания спроса на ИПУ  вполне достаточно влияют на него.

Сила связи измеряется в условных единицах от –1.00 до 1.00 – это коэффициент парной линейной корреляции.

На первую компоненту имеют высокие нагрузки 1 показатель – денежный доход.

Решение считается удачным, когда каждый признак имеет одны или несколько достаточно высокихз нагрузок. Таким образом, компонентный анализ позволяет произвести своеобразную группировку показателей, объединяя в один класс признаки, нагружающие одну компоненту. При этом можно оценить степень надежности признака к классу: если его нагрузка не очень велика, то включение в класс проблемотично.

Если результаты компонентного  анализа очень близки к группировке, полученной другими методами, то матрици  нагрузок представляет собой очень  удобную и компоктную форму выдачи окончательного разбиения.

На рисунке 2 представлена упорядоченная матрица корреляции.

 

Общая структура связей видна из группировки признаков, показанной на матрице фоновыми блоками. На рисунке 2 видно из чего именно складываются средние связи между признаками в блоках, и как конкретносвязаны отдельные пары признаков.

При анализе структуры  надо обращать внимание не только на выделенные блоки показателей, но и на показатели, связанные сразу с несколькими  блоками или даже со всеми признаками.

Коэффициенты связи  парной линейной корреляции представляют собой  специальные величины (R), меняющиеся от –1 до 1 при различном расположении объектов на корреляционном поле – графике, где по одной оси отложены значения одного признака (спроса), а по другой – другого (доход).

На рисунке 3 показана прямая связь спроса с доходом.

 

 

Выбор формы связи  между факторами

 

При конкретном анализе  зависимости спроса на информационный товар  от  формирующих его  факторов взаимосвязь между ними может быть выражена различными видами уравнений регрессии.  Задача второго  этапа моделирования заключается в выборе такой математической формы связи между спросом и учтенными  в модели факторами, которая наилучшим образом описывала бы реально существующие связи между ними.  Опыт расчетов показывает, что по большинству информационных  товаров  хорошую аппроксимацию реально существующих зависимостей между спросом и факторами дают линейные и степенные уравнения регрессии.