回归分析在某产品促销分析中的应用

摘要：回归分析是一种重要的统计学上分析数据的方法。本文通过用回归分析法建立了三元线性模型，分析了某促销产品销量与商场人均消费水平、商场人气、促销产品价格之间的关系，成功地对新商场中该促销产品的销量进行了预测。

关键词：回归分析;多元回归;促销产品;预测

回归分析（Regression Analysis）是一种统计学上分析数据的方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量[1-3]。首先通过数理统计方法，对大量试验统计数据进行分析处理，找到因变量Y（或称依变量，反应变量）与自变量X（或称独变量，解释变量）之间的联系方式并建立回归分析数学模型，再根据各变量的规划指标，进行外延性预测分析，估算出各时段的预测值。回归预测中的因变量和自变量在时间上是并进关系，即因变量的预测值要由并进的自变量来旁推。回归分析法不仅考虑了时间因素，还考虑了变量之间的因果关系，因此，它在现实工作中被广泛地应用于各个领域。回归分析法包括一元线性回归方法、多元线性回归方法和非线性回归分析法（含一元、多元）等。

促销是指企业利用各种有效的方法和手段，使消费者了解和注意企业的产品、激发消费者的购买欲望，并促使其实现最终的购买行为。现如今，商场内的产品促销活动十分常见，但如何总结影响促销产品销量的因素一直是个难题。本文结合商场档次（人均消费）、商场人气（每天进入商场平均人次）、促销产品的价格三个重要因素，研究它们对该促销产品销量的影响，旨在发现它们对产品销量的影响程度，从而为该产品的促销提供一些营销建议。

1.建模的前期准备工作——自变量的确定

影响促销产品销量的因素很多，可能包括所在商场的档次（人均消费）、商场人气（每天进入商场平均人次）、促销产品的价格、促销产品的质量、促销的时间、促销的宣传力度等，因此选择合适的自变量是分析促销产品销量中的重要准备工作。

这些可能的影响因素中，既有需要的“信号”，也有不相干的“噪声”。这里所说的信号和噪声并不是它们传统意义上的定义（信号：运载消息的工具，是消息的载体;噪声：影响人们生活休息的声音），而是根据纳特·西尔弗的定义[4]，信号是我们想要和需要的事实，噪声则是不相干的、至会阻碍或误导信号的信息。因此，在进行回归分析前，首先必须区分影响因素中的信号和噪声。

通过前期对各种影响因素的研究分析经验，结合模型建立的难易程度，我们最终选择了商场档次（人均消费）、商场人气（每天进入商场平均人次）、促销产品的价格三个因素作为自变量，研究这三个因素对促销产品销量的影响。

2.模型建立

某产品在众多消费水平不等的商场中都进行过促销，表1是该产品的销量、价格、各商场的人均消费、进入商场人数等的数据汇总。例如，商场3的人均消费是100元，每天进入商场约30552人次，该促销产品在商场3的单价为105元/件，每天的销量为302件。

用多元回归分析中的方差分析检验原假设[5]，结果表明以上线性回归方程显著，采用线性回归是有意义的，即y与x1，x2，x3的线性关系显著。

当在新的商场进行该产品促销时，可以根据收集的商场基本数据，结合建立的线性回归方程，对促销产品的销量进行预测。如商场6的人均消费水平是200元，商场每天进入26032人次，该促销产品在商场6的定价是112元/件，则可以预测出产品在商场6的销售量是296件/天。

4.结论

本文分析了商场人均消费水平、商场人气、促销产品价格对促销产品产量的影响，用回归分析法建立了三元线性模型，分析了某促销产品销量与商场人均消费水平、商场人气、促销产品价格之间的关系。文中建立的模型可以预测在新商场中该促销产品的销量，预测结果比较可靠。模型贴近实际，具有一定的通用性和实际性，对企业更好地实施产品促销策略有一定的借鉴和指导作用。

参考文献

[1]石东伟，孙用明. 回归分析法在预测参会人数中的应用[J]. 河南科学，2010，28（11），1386-1388.

[2]馬媛媛. 手机品牌体验对消费者品牌态度及购买意愿的影响研究[D]. 浙江工商大学硕士学位论文，2013.

[3]彭俞超，朱映惠，顾雷雷. 金融发展对经济增长影响的结构效应——基于NETA回归分析方法[J]. 南开经济研究. 2017，（05）， 20-36.

[4]纳特·西尔弗. 信号与噪声[M]. 北京：中信出版社，2013，1.

[5]张谦明. 线性回归分析方法在人才需求预测中的应用[J]. 市场论坛，2006，（4），250-252.

作者简介

丛颖，1988年11月出生，海洋石油工程股份有限公司，研究方向为市场分析。