Die zuverlässige Planung des zukünftigen Absatzes gilt in der Wirtschaft als unverzichtbarer Bestandteil einer erfolgreichen Unternehmensführung. Insbesondere im Lebensmitteleinzelhandel kann eine zu geringe Produktnachfrage in Bezug auf verderbliche Produkte zu starken Gewinneinbußen führen, da überschüssige verdorbene Ware gezwungenermaßen renditelos und kostspielig entsorgt werden muss.
Das Ziel dieser Hausarbeit ist, unter Verwendung der Regressionsanalyse zu untersuchen, ob und in welchem Ausmaß die Produktnachfrage in einem ausgewählten Supermarkt von der Produktwerbung, dem Produktpreis und der zeitlichen Entwicklung abhängt. Anschließend soll mithilfe des Regressionsmodells eine Nachfrageprognose durchgeführt und beurteilt werden.
Dazu werden eingangs in Kapitel 2 die theoretischen Grundlagen der Regressionsanalyse erläutert. Anschließend werden ausgewählte Prognosegütemaße vorgestellt und voneinander abgegrenzt. Im dritten Kapitel wird zunächst der verwendete Datensatz beschrieben, wobei die Eigenschaften der enthaltenen Variablen erläutert werden. Nachfolgend wird zur Einführung eine multiple-lineare-Regressionsanalyse anhand eines ausgewählten Produktes durchgeführt, um mit den Begrifflichkeiten der Regressionskoeffizienten vertraut zu werden und eine Prognose der Nachfrage durchführen zu können. Daraufhin sollen die Regressionsmodelle aller 2.910 Produkte gebildet werden, um anhand der Masse der daraus resultierenden Regressionskoeffizienten ein Urteil über den durchschnittlichen Einfluss der jeweiligen Einflussvariablen auf die Zielvariable bilden zu können. Im letzten Abschnitt des Kapitel 3 werden sämtliche 2.910 Regressionsmodelle mittels eines Prognosegütemaßes beurteilt, um eine ungefähre Qualität der Modelle bestimmen zu können. In Kapitel 4 fasst das Fazit dieser Hausarbeit das Ergebnis der durchgeführten Regressionsanalysen zusammen und versucht, abgeleitet von den Regressionsmodellen, Regelmäßigkeiten in der Umsatzplanung des betrachteten Supermarktes zu nennen.
Inhaltsverzeichnis
1 Einleitung
2 Lineare Regressionsanalyse
2.1 Die Optimierung der Zielfunktion
2.2 Die Güte der Prognose
3 Multiple lineare Regressionsanalyse anhand von Umsatzdaten
3.1 Der Datensatz
3.2 Multiple lineare Regression anhand eines Produktes
3.3 Auswertung der Koeffizienten sämtlicher Produkte des Datensatzes
4 Fazit
Zielsetzung & Themen
Diese Arbeit untersucht mittels multipler linearer Regressionsanalyse, wie Produktpreis, Werbung und zeitliche Faktoren die Nachfrage in einem Supermarkt beeinflussen, um daraus fundierte Prognosemodelle abzuleiten.
- Grundlagen der Regressionsanalyse und Prognosegütemaße
- Aufbau und Analyse eines umfangreichen Supermarkt-Datensatzes
- Durchführung von Einzelregressionen zur Modellbildung
- Systematische Auswertung der Koeffizienten für 2.910 Produkte
Auszug aus dem Buch
3.1 Der Datensatz
In diesem Kapitel wird eine multiple lineare Regressionsanalyse durchgeführt. Der dazu verwendete Datensatz soll zunächst erläutert werden. Es handelt sich hierbei um einen Datensatz bzgl. Umsatz- und Werbefakten von verschiedenen Produkten eines Einzelhandelsgeschäfts. Der beobachtete Zeitraum erstreckt sich von der 26. Kalenderwoche des Jahres 2010 bis zur 11. Kalenderwoche 2012. Im Rahmen der Datenerhebung wurde jeweils wöchentlich beobachtet, wie viele Einheiten eines bestimmten Produktes innerhalb dieser Woche verkauft wurden, wie hoch der Produktpreis in dieser Woche war und ob in der jeweiligen Woche für das betrachtete Produkt geworben wurde oder nicht. Die wöchentliche Einteilung des beobachteten Zeitraums resultiert in insgesamt 90 Perioden. Die Anzahl der jeweils wöchentlich beobachteten Produkte lässt sich auf 2.910 beziffern. Der Datensatz besteht demnach aus 261.900 Beobachtungen. Die betrachteten Merkmale sind die Nachfrage, der Produktpreis, Werbung, Zeit und die Produktidentifizierungsnummer. Im Datensatz wurden die englischen Begriffe „demand“, „price“, „advert“ „date“ und „pid“ verwendet.
Zusammenfassung der Kapitel
1 Einleitung: Die Arbeit definiert das Ziel, den Einfluss von Preis, Werbung und Zeit auf die Produktnachfrage mittels Regressionsanalyse zu untersuchen und darauf basierende Prognosemodelle zu evaluieren.
2 Lineare Regressionsanalyse: Dieses Kapitel erläutert die theoretischen Grundlagen der einfachen und multiplen linearen Regression sowie Methoden zur Bestimmung der Prognosegüte.
3 Multiple lineare Regressionsanalyse anhand von Umsatzdaten: Hier wird der Datensatz beschrieben, eine beispielhafte Regression für ein Produkt durchgeführt und eine umfassende Auswertung aller 2.910 Produkte vorgenommen.
4 Fazit: Die Arbeit fasst zusammen, dass die Regressionsanalyse eine effektive Methode zur Nachfrageprognose darstellt, insbesondere bei Einbeziehung von Werbedaten.
Schlüsselwörter
Regressionsanalyse, multiple lineare Regression, Produktnachfrage, Supermarkt, Umsatzplanung, Prognosegüte, RMSE, OLS-Methode, Produktpreis, Produktwerbung, Zeitreihenanalyse, Datensatz, Koeffizienten, Business Analytics, Nachfrageprognose
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Anwendung statistischer Regressionsmodelle, um die wöchentliche Nachfrage nach Produkten in einem Supermarkt basierend auf Preis, Werbung und Zeit zu analysieren.
Was sind die zentralen Themenfelder?
Die zentralen Themenfelder sind die lineare Regressionsanalyse, Prognosegüte und die praktische Datenanalyse im Einzelhandel.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Untersuchung des Einflusses von Werbemaßnahmen, Preisen und zeitlichen Trends auf die Produktnachfrage sowie die Erstellung und Beurteilung entsprechender Prognosemodelle.
Welche wissenschaftliche Methode wird verwendet?
Es wird die multiple lineare Regressionsanalyse verwendet, ergänzt durch die „Ordinary Least Squares“-Methode (OLS) zur Schätzung der Koeffizienten.
Was wird im Hauptteil behandelt?
Der Hauptteil umfasst die theoretischen Grundlagen der Regression, die Beschreibung des Datensatzes mit 261.900 Beobachtungen sowie die praktische Durchführung von 2.910 Regressionsmodellen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den Kernbegriffen zählen Regressionsanalyse, Produktnachfrage, RMSE, Prognosegüte, Produktwerbung und OLS-Methode.
Warum wurde für die Beispielregression nur ein Teil der Daten verwendet?
Die ersten 60 Wochen wurden zur Modellbildung genutzt, während die restlichen 30 Wochen als „neue“ Daten zur Evaluierung der Prognosegüte mittels RMSE dienten.
Welchen Einfluss hat die Produktwerbung laut der Analyse?
Die Analyse zeigt, dass Produktwerbung bei der Mehrheit der untersuchten Produkte einen signifikanten nachfragesteigernden Effekt aufweist.
- Citar trabajo
- Dennis Bartsch (Autor), 2016, Regressionsanalyse als Methode zur Nachfrageprognose. Produktnachfrageentwicklung eines Supermakts, Múnich, GRIN Verlag, https://www.grin.com/document/314783
