BadaniaMarketKaczmarczyk13

biorstw. Mogą się one okazać użyteczne zwłaszcza do oceny efektów wpływu zmian zakupów lub sprzedaży w jednej gałęzi na zmiany w innych gałęziach przemysłowych. Niektóre przedsiębiorstwa przemysłowe prognozują wielkość swojej sprzedaży na podstawie tablic przepływów międzygałęziowych, ograniczając się do zagregowanych grup produktów.

MODELE regresji. Praktyczne zastosowanie w badaniach marketingowych mają zarówno proste, jak i złożone modele regresji. Modele te zawierają dwie kategorie zmiennych: zależne i niezależne. W modelu prostym występuje tylko jedna zmienna niezależna (objaśniająca). Model prosty przyjmuje najczęściej postać równania:

y = a + bx,    (5.12)

gdzie:

y — zmienna zależna (prognozowana), x — zmienna niezależna, przyczyna, a — punkt przecięcia z osią y, b — nachylenie prostej.

Przykład 5.6

NEW ENGLAND & NEW YORK STATE

Badanie dotyczące wykorzystania 26 terenów narciarskich (zjazdowych) w północnej części stanu Nowa Anglia oraz stanu Nowy Jork wykazało, że równanie:

= -1681 + 0.3095X₁₀ + 781.6*,, - 0,0030X_ioX,₅ - 83.79X?,.

gdzie:

Y,+₁ — prognozowana sprzedaż na nadchodzący rok,

*10    — przeciętny ogólny budżet reklamowy,

A',,    — przeciętny ogólny czas dojazdu z Bostonu, Hartford, Nowego Jorku

i Albany,

X_t5 — przeciętny udział budżetu reklamowego wydanego na reklamę radiową, TV i prasową,

bardzo dokładnie opisuje prognozowane wykorzystanie każdego terenu do sportów narciarskich. Powyższe równanie regresji przyczynowo-skutkowej jest wynikiem analizy dwóch okresów: przełomu lat 1964/1965 (ubogich w opady śniegu) oraz lat 1965/1966 (bogatych w opady śniegu).

Źródło: H,E. Echelberger. E.L Shafor. Snów + (X) = Use ot Ski Slopos, „Journal of Markcling Ro-soarch" 1970. August, s. 38S-392.

313