روش رگرسیون در تخمین تقاضا

در این نوشته ما در مورد روش رگرسیونی پیش بینی تقاضا بحث خواهیم کرد. روش رگرسیون نیز یکی از روش های رایج پیش بینی تقاضای آتی محصول است.

در این روش برآورد تقاضا از طریق داده های موجود گذشته و همچنین از طریق عوامل موثر بر تقاضا انجام می شود. تقاضا برای محصول تحت تأثیر عوامل متعددی قرار می گیرد. تابع تقاضا با توجه به عوامل موثر بر تقاضا بیان می شود.

تشخیص متغیرها

اولین و مهمترین کار شناسایی متغیرهایی است که بر محصولی که پیش بینی تقاضا برای آن انجام شده است، تأثیر می گذارد. اجازه دهید یک مثال فرضی را در نظر بگیریم و تابع تقاضا را برای یک کالای Z بیان کنیم.

QdZ: تقاضا برای کالای Z

PZ: قیمت کالای Z

Y: درآمد مصرف کننده

A: هزینه های تبلیغاتی انجام شده برای کالای Z

PS: قیمت جایگزین

PC:  قیمت مکمل

همچنین بسته به محصول، پیش بینی کننده می تواند تأثیرگذاران را انتخاب کند. به عنوان مثال، برای محصولات فصلی مانند بستنی، شرایط آب و هوایی برای لباس های پشمی نقش مهمی ایفا می کند. در مورد محصولات گران قیمت مانند مسکن چطور؟ در اینجا عواملی مانند اعتبار، نرخ بهره نقش حیاتی دارند. بنابراین نکته اینجاست که بسته به محصول، متغیرها باید انتخاب شوند. هیچ عامل مهمی که بر تقاضا تأثیر می گذارد نباید نادیده گرفته شود. در عین حال از در نظر گرفتن تعداد زیاد متغیرها نیز باید اجتناب شود.

جمع آوری داده های گذشته

پس از تعیین عوامل، مرحله بعدی جمع آوری داده ها است. داده های گذشته با توجه به متغیرهای فوق باید جمع آوری شود. جمع آوری داده ها می تواند دو نوع باشد. پیش بینی کننده می تواند داده هایی را با توجه به جمعیت از نظر درآمد، قیمت و غیره برای دوره های زمانی مختلف جمع آوری کند. روند به منظم بودن داده ها اشاره دارد. این روند می تواند برای دوره های مختلف باشد (مانند سالانه، شش ماهه، سه ماهه، ماهانه و غیره). آنچه مهم است یکنواختی روند است. همچنین داده ها را می توان با توجه به درآمدها و قیمت ها برای مناطق مختلف بازار برای یک دوره زمانی خاص جمع آوری کرد.

انتخاب تابع تقاضا

پس از انتخاب متغیرها و جمع آوری داده ها، پیش بینی کننده باید تابع تقاضا را تعیین کند. تقاضا برای محصول (فروش محصول) که قرار است محاسبه شود، متغیر وابسته است. عوامل مؤثر بر تقاضا، متغیرهای مستقل هستند. فرم خطی، استفاده از لگاریتم از جمله روش هایی است که از طریق آنها می توان تابع تقاضا را بیان کرد. فرم خطی یکی از رایج ترین اشکال توابع تقاضا است. اینکه چگونه متغیرهای مستقل قرار است بر متغیر وابسته تاثیر بگذارند از طریق معادله خطی نشان داده شده است. اما ساختار فرم خطی چگونه است؟

می توانیم معادله خطی را به صورت زیر بیان کنیم:

در معادله فوق m1، m2، m3، m4 و m5 ضرایب رگرسیون هستند. این ضرایب چیزی جز اجزای تشکیل دهنده کشش تقاضا نیستند. اینها شامل کشش قیمت، کشش درآمدی، کشش تبلیغاتی و کشش متقابل تقاضا است. درک این نکته مهم است که ضریب رگرسیون نیز تغییر و همچنین ماهیت تغییر (چه مثبت یا منفی) را نشان می دهد. تاثیر درآمد، تبلیغات و قیمت کالاهای جایگزین بر تقاضای کالای Z تاثیر مثبت خواهد داشت. اما قیمت کالای Z و قیمت مکمل‌ها با تقاضای Z رابطه معکوس دارند. بنابراین می‌توان استنباط کرد که ضرایب که رابطه مثبت یا مستقیمی با تقاضای Z دارند بزرگتر از صفر و آنهایی که رابطه معکوس دارند کمتر از صفر خواهند بود.

تخمین تابع

تخمین تابع تقاضا گام بعدی در تحلیل رگرسیون خواهد بود. مقادیر ضرایب در این مرحله مشخص می شوند. مقدار ضریب تعیین به دست می آید. این مقدار چه چیزی را نشان می دهد؟ این کوانتوم تغییر در تقاضا (متغیر وابسته) را نشان می دهد که از طریق تابع تقاضا درک می شود. چگونه می توان تعیین کرد که معادله برآورد شده چقدر خوب است؟ هر چه مقدار ضریب تعیین به 1 نزدیکتر باشد، معادله تخمین زده شده بهتر است. اما به یاد داشته باشید که مقدار ضریب تعیین نمی تواند بیشتر از 1 باشد.

استخراج پیش بینی

مرحله نهایی در تحلیل رگرسیون، استخراج پیش بینی بر اساس مقادیر پیش بینی شده ضرایب است. به عبارت دیگر روش رگرسیون ارزش درآمدها، قیمت، قیمت محصولات مرتبط و هزینه های تبلیغاتی را برای زمان های آینده تخمین می زند. بر اساس این مقادیر، تقاضای آتی (فروش) برای محصول برآورد می شود.

روش رگرسیون نشان می دهد که تقاضا در آینده چگونه خواهد بود و همچنین اهمیت عوامل تعیین کننده تقاضا را نشان می دهد. اما انتخاب متغیرهای مؤثر بر تقاضا در اینجا بسیار مهم است و اگر این متغیرها به درستی شناسایی نشوند ممکن است به نتیجه دقیقی منجر نشود.

بنابراین ما روش های کمی و کیفی پیش بینی تقاضا را مشاهده کرده ایم. چنین روش تجویز شده ای برای پیش بینی تقاضا وجود ندارد. بسته به محصول و منابع موجود با پیش بینی کننده، می توان تقاضا برای محصول را پیش بینی کرد.

در مثال زیر اطلاعات فروش یک شرکت عرضه کننده محصولات لبنی را در یکسال در جدول مشاهده می کنید. می خواهیم با استفاده از این دوره روند میزان فروش این شرکت را در آینده مشاهده و معادله رگرسیونی آن را بدست آوریم.