Практические аспекты эконометрического анализа

Размещено на http://www.allbest.ru/

ВВЕДЕНИЕ

В настоящее время работа в различных областях экономики (финансах, управлении, менеджменте, маркетинге, бухгалтерском учете, аудите) требует от экономиста использования современных инструментов, знания и применении достижений мировой экономической мысли, четкого понимания научного языка. Большая часть современных методов анализа экономики опирается на эконометрические модели и концепции. И без глубоких знаний в области эконометрики невозможно научиться их использовать. Анализ современных экономических материалов также подразумевает хорошую эконометрическую подготовку.

Особенностью деятельности современного экономиста является деятельность в условиях неопределенности, т.е. недостатка информации и, зачастую, исходных данных, необходимых для принятия правильных решений. Чтобы проанализировать такую информацию необходимо знание и использование специальных методов и приемов, которые являются обязательным атрибутом эконометрики.

Основной проблемой эконометрики является построение эконометрических моделей для анализа и прогноза реальных экономических процессов и явлений. При этом под эконометрической моделью, как правило, понимается вероятностная модель, описывающая изменения во времени экономических величин под воздействием изменений некоторых параметров. А список параметров эконометрической модели, характер взаимосвязей и сила взаимосвязей определяются статистическими методами. Но нередко всякая экономическая модель, в которой используются статистические методы анализа данных, именуется эконометрической моделью.

Актуальность курсовой работы обусловлена тем, что эконометрика предлагает универсальный метод экономических исследований, основанный исключительно на эмпирических данных. В этом как сила, так и слабость эконометрики. Благодаря тому, что эконометрика исследует только данные наблюдений, она выявляет лишь реально существующие закономерности в экономике. Вероятность же того, что результат эконометрических исследований будет значительно отклоняться от реальности, стремится к нулю при увеличении протяженности временного ряда. Но с другой стороны, эконометрический метод не способен выявить слабые взаимосвязи (поскольку для доказательства слабой взаимосвязи нужен большой объем данных, а данным в экономике свойственно устаревать) и те взаимосвязи, которые проявляются в течение короткого времени.

Цель курсовой работы - эконометрический анализ в маркетинге и рекламе.

Задачи курсовой работы:

- изучить основные понятия эконометрики;

- выявить классификацию и основные этапы эконометрического моделирования;

- изучить применение эконометрического анализа в управлении;

- рассмотреть основные понятия корреляционно-регрессионного анализа;

- рассмотреть парный регрессионный анализ;

- рассмотреть линейный парный регрессионный анализ;

- провести эконометрический анализ в маркетинге и рекламе.

Объект исследования - BrandScience - маркетинг-консалтинговое подразделение OMD MD & PHD Group.



1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА

1.1 Основные понятия эконометрики

Эконометрика - самостоятельная экономическая дисциплина, занимающаяся разработкой и применением статистических методов для измерения взаимосвязей между эконометрическими переменными[3].

Эконометрика представляет собой комбинацию 3-х областей знаний:

- экономической теории

- статистики

- математики

Статистика имеет дело с массовыми явлениями любой природы. Эконометрика - с массовыми явлениями в эконометрике. Методы математической статистики универсальны и не учитывают специфики экономических данных. Специфика эконометрических данных заключается в том, что они не являются результатами контролируемого эксперимента. В экономике невозможно проводить многократные эксперименты хотя бы из-за изменения внешних условий эксперимента.

Экономическая теория определяет общие закономерности развития исследуемой системы или объекта. При чем показывает их чисто схематически, выделяет тенденцию.

Экономическая теория формирует качественные гипотезы. Эконометрика же имеет дело с конкретными экономическими данными и занимается количественным описанием конкретных взаимосвязей, то есть заменяет коэффициенты, представленные в общем виде, конкретными численными значениями.

Кроме того, экономические данные часто содержат ошибки измерения. В эконометрике разрабатываются специальные методы анализа, позволяющие, если не устранить, то, по крайней мере, снизить влияние этих ошибок на полученные результаты. Эконометрическая модель - формализованное описание количественных взаимосвязей между переменными. Это главный инструмент эконометрики.

Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д [5]. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.

Эконометрическая модель имеет следующий вид[3]:

Y=f(X) + ?

где Y - наблюдаемое значение переменной (объясняемая переменная);

f(X) - объясненная часть, зависящая от значений объясняющих переменных;

X={x1,x2,…,xn}

? - случайная составляющая (возмущения).

Можно выделить три класса эконометрических моделей:

- модель временных данных;

- регрессионная модель с одним уравнением;

- система одновременных уравнений.

В модели временных данных результатный признак является функцией

переменной времени или переменных, относящихся к другим моментам времени.

Модели временных данных, представляющих собой зависимость результативного признака от времени:

- модели тренда;

- модели сезонности;

- модели тренда и сезонности.

Модели временных данных, представляющих собой зависимость результативного признака от переменных, датированных другими моментами времени[2]:

- модели с распределенным лагом (объясняют поведение результативного признака в зависимости от предыдущих факторных переменных Х);

- модели авторегрессии (объясняют поведение результативного признака в зависимости от предыдущих значений результативных переменных;

- модели ожиданий (объясняют поведение результативного признака в зависимости от будущих значений факторных переменных). В регрессионных моделях с одним уравнением результативный признак представляется в виде функции факторных переменных.

Системы регрессионных уравнений описываются системами взаимосвязанных регрессионных уравнений. Система «Объясняет», а также прогнозирует сколько результативных признаков, сколько поведенческих уравнений входит в систему.

1.2 Классификация и основные этапы эконометрического моделирования

Задачи, решаемые с помощью эконометрической модели можно классифицировать по трем признакам:

1) по конечным прикладным целям;

2) по уровню иерархии;

3) по профилю анализируемой эконометрической системы.

По конечным прикладным целям выделяют две основные задачи:

- прогноз эконометрических и социально-экономических показателей, характеризующих состояние и развитие анализируемой системы;

- имитация возможных сценариев социально-экономического развития системы.

По уровню иерархии задачи делятся:

- задачи макроуровня (страна в целом);

- задачи мезоуровня (регионы, отрасли, корпорации);

- микроуровень (семья, предприятие, фирма).

По профилю анализируемой экономической системы выделяют задачи, направленные на изучение:

- рынка;

- инвестиционной, финансовой или социальной политики;

- ценообразование;

- распределительных отношений;

- спроса и потребления;

- комплекса проблем.

Основные этапы эконометрического моделирования[7]:

I этап (постановочный). На нем осуществляется определение конечных целей модели, набора участвующих в ней факторов и показателей, их роли. Основные цели исследований: анализ состояния и поведения экономического объекта, прогноз его экономических показателей, имитация развития объекта, выработка управленческих решений.

II этап (априорный). На нем проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации.

III этап (параметризация). Моделирование, то есть выбор общего вида модели, состава и формы входящих в нее связей. Основная задача этого этапа - выбор функции f(Х).

IV этап (информационный). На нем осуществляется сбор необходимой статистической информации.

V этап (идентификация модели). Осуществляется статистический анализ модели и оценка ее параметров. На этом этапе проводится основная часть эконометрических исследований.

VI этап (верификация модели). Проводится проверка адекватности модели, оценка точности модельных данных. Выясняется, насколько удачно решены проблемы спецификации и идентификации, какова точность расчетов по данной модели. Другими словами, проверяется насколько соответствует построенная модель моделируемому реальному экономическому объекту или процессу. При моделировании экономических процессов в эконометрических моделях используют два типа данных: пространственные и временные.

Пространственными данными является набор сведений по разным объектам, взятым за один и тот же период или момент времени.

Временными данными является набор сведений, характеризующих один и тот же объект, но за разные периоды или моменты времени.

Набор сведений представляет собой множество признаков, характеризующих объект исследования. Признаки могут выступать в одной из двух ролей: роль результативного признака (выполняет зависимая переменная Y); роль факторного признака (выполняет независимая переменная Х).

Переменные, участвующие в эконометрической модели любого типа, делятся на:

- экзогенные (независимые), значения которых задаются извне, автономно;

- эндогенные (зависимые), значения которых определяются внутри модели;

- лаговые - эндогенные или экзогенные переменные эконометрической модели, датированные предыдущими моментами времени и находящиеся в уравнении с текущими переменными;

- предопределенные - экзогенные переменные, привязанные к прошлым, текущим и будущим моментам времени и лаговые эндогенные переменные, уже известные к данному моменту времени.

линейный анализ парный регрессионный

1.3 Применение эконометрического анализа в управлении

Статистические и математические модели экономических явлений и процессов определяются спецификой той или иной области экономических исследований. Так, в экономике качества модели, на которых основаны статистические методы сертификации и управления качеством - модели статистического приемочного контроля, статистического контроля (статистического регулирования) технологических процессов (обычно с помощью контрольных карт Шухарта или кумулятивных контрольных карт), планирования экспериментов, оценки и контроля надежности и другие - используют как технические, так и экономические характеристики, а потому относятся к эконометрике, равно как и многие модели теории массового обслуживания (теории очередей). Экономический эффект только от использования статистического контроля в промышленности США оценивается как 0,8% валового национального продукта (20 миллиардов долларов в год), что существенно больше, чем от любого иного экономико-математического или эконометрического метода.

Рассмотрим здесь только одну конкретную рекомендацию, основанную на сравнении по экономическим показателям различных схем организации контроля и технического обслуживания. Этот подход приводит к принципиальному изменению технико-экономической политики при контроле качества. Он позволяет "снять" парадокс классической теории статистического контроля - чем выше достигнутый уровень качества, тем больше необходимый объем контроля. Предлагаемый выход состоит в переходе к расширению возможностей менеджера при выборе технической политики на основе учета экономических рисков. "Перекладывание" контроля на потребителя может быть экономически выгодно, если производитель организовал защиту от риска методом пополнения партий (путем включение запасных изделий) или путем развития технического обслуживания, позволяющего быстро заменять дефектное изделие.

Другой важный раздел эконометрики - теория и практика экспертных оценок. Экспертные оценки используют для решения ряда экономических задач, например, выбора оптимального направления инвестиций, или наилучшего образца определенного вида продукции для организации массового выпуска, или при прогнозировании развития экономической ситуации, или при распределении финансирования... Следовательно, используемые в теории экспертных оценок модели являются эконометрическими.

Менее полезными практически (с точки зрения достигаемого экономического эффекта), но более известными в теоретических и учебных публикациях являются различные эконометрические модели, предназначенные для прогнозирования макроэкономических показателей. Это обычно модели весьма частного вида, имеющие целью прогнозирование многомерного временного ряда. Они представляют собой систему линейных зависимостей между прошлыми и настоящими значениями переменных. В таких задачах оценивают как структуру модели, т.е. вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент (т.е. проводят т.н. идентификацию модели), так и коэффициенты, входящие в эту зависимость. Структура такой модели - объект нечисловой природы, что и объясняет сложность соответствующей теории.

Каждой области экономических исследований, связанной с анализом эмпирических данных, как правило, соответствуют свои эконометрические модели. Например, для моделирования процессов налогообложения с целью оценки результатов применения управляющих воздействий (например, изменения ставок налогов) на процессы налогообложения должен быть разработан комплекс соответствующих эконометрических моделей.

Кроме системы уравнений, описывающей динамику системы налогообложения под влиянием общей экономической ситуации, управляющих воздействий и случайных отклонений, необходим блок экспертных оценок. Полезен блок статистического контроля, включающий как методы выборочного контроля правильности уплаты налогов (налогового аудита), так и блок выявления резких отклонений параметров, описывающих работу налоговых служб. Подходам к проблеме математического моделирования процессов налогообложения посвящена монография, содержащая также информацию о современных статистических (эконометрических) методах и экономико-математических моделях, в том числе имитационных.

С помощью эконометрических методов следует оценивать различные величины и зависимости, используемые при построении имитационных моделей процессов налогообложения, в частности, функции распределения предприятий по различным параметрам налоговой базы. При анализе потоков платежей необходимо использовать эконометрические модели инфляционных процессов, поскольку без оценки индекса инфляции невозможно вычислить дисконт-функцию, а потому нельзя установить реальное соотношение авансовых и "итоговых" платежей. Прогнозирование сбора налогов может осуществляться с помощью системы временных рядов - на первом этапе по каждому одномерному параметру отдельно, а затем - с помощью некоторой линейной эконометрической системы уравнений, дающей возможность прогнозировать векторный параметр с учетом связей между координатами и лагов, т.е. влияния значений переменных в определенные прошлые моменты времени. Возможно, более полезными окажутся имитационные модели более общего вида, основанные на интенсивном использовании современной вычислительной техники.



2. ПРАКТИЧЕСКИЕ АСПЕКТЫ ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА

2.1 Основные понятия корреляционно-регрессионного анализа

Теория и методы корреляционного анализа используются для выявления связи между случайными переменными и оценки ее тесноты.

Основной задачей регрессионного анализа является установление формы и изучение зависимости между переменными.

В общем случае две величины могут быть связаны функциональной зависимостью, либо зависимостью другого рода, называемой статистической, либо быть независимыми.

Статистической называется зависимость, при которой изменение одной из величин влечет изменение распределения другой.

Статистическая зависимость, при которой изменение одной из величин влечет изменение среднего значения другой, называется корреляционной.

Корреляционные зависимости занимают промежуточное положение между функциональной зависимостью и полной независимостью переменных.

Между величинами, характеризующими экономические явления, в большинстве случаев существуют зависимости, отличные от функциональных. Действительно, в экономике закономерности не проявляются также точно и неизменно, как, например, в физике, химии или астрономии.

Пусть, например, мы рассматриваем зависимость величины Y от величины x - y(x).

Невозможность выявления строгой связи между двумя переменными объясняется тем, что значение зависимой переменной Y определяется не только значением переменной x, но и другими (неконтролируемыми или неучтенными) факторами, а также тем, что измерение значений переменных неизбежно сопровождается некоторыми случайными ошибками.

Вследствие этого корреляционный анализ широко используется при установлении взаимосвязи экономических показателей

2.2 Парный регрессионный анализ

Парный регрессионный анализ рассматривает проблему для случая однофакторного признака. Пусть имеется набор значений двух переменных: yi и хi Между этими переменными существует объективная связь Y=f(x).

Это истинное уравнение, которое нам не известно и не может быть известно. Необходимо по данным наблюдений подобрать функцию y =f(x) наилучшим образом описывающую истинную зависимость Y=f(x).

Подобрать функцию - значит определить вид функциональной зависимости и значения, входящих в нее параметров.

Для определения вида функциональной зависимости можно использовать:

1) теоретические соображения и опыт предыдущих аналогичных исследований;

2) графический способ на основе корреляционного поля или эмпирической линии регрессии.

Корреляционное поле - это точечный график в системе координат, каждая точка которого соответствует единице наблюдения. Положение каждой точки на графике определяется величиной двух признаков - факторного Х и результирующего Y.

Эмпирическая линия регрессии графически представляет собой ломаную линию, составленную из точек, абсциссами которых являются средние значения факторного признака, а ординатами - средние значения признака - результата.

4) Можно перебрать несколько функций и выбрать лучшую из них по показателям качества уровня регрессии.

5) По итогам парного регрессионного анализа определяется функциональная зависимость между Х и Y. Однако формы могут быть следующие:

- функциональная - зависимость, при которой каждому значению одной переменной соответствует вполне определенное значение другой;

- статистическая (стохастическая, вероятностная) - зависимость, при которой каждому значению одной переменой соответствует не какое-то определенное, а множество возможных значений другой переменой (иначе говоря, каждому значению одной переменой соответствует определенное (условное) распределение другой переменной;

- корреляционная - зависимость, при которой каждому значению одной переменной соответствует определенное условное математическое ожидание (среднее значение) другой.

Общим моментом для любой эконометрической модели является разбиение зависимой (объясняемой) переменной на две части: объясненную и случайную:

Y=f(X) + ?

где f(X) - объясненная часть;

? - случайная часть.

Наиболее естественным выбором объясненной части случайной величины Y является ее среднее значение - условное математическое ожидание MX(Y), полученное при определенном значении факторной переменной Х. Уравнение MX (Y)=f(X) называется уравнением регрессии.

Уравнение регрессионной эконометрической модели тогда решается в виде:

Y= MX (Y) + ?

Эконометрическая модель не обязательно является регрессионной (то есть объясненная часть не всегда представляет собой математическое ожидание зависимой переменной). В случае, если данные, представленные для анализа поступают с систематическими ошибками, то модель не будет регрессионной.

В регрессионной модели ожидаемое значение случайной ошибки равно 0:

MX (?) = 0

Задачи регрессионного анализа:

- установление формы зависимости между переменными;

- оценка функции регрессии и ее параметров;

- оценка неизвестных значений (прогноз значений) зависимой (объясняемой) переменной.

2.3 Линейный парный регрессионный анализ

Линейная парная регрессия характеризуется тем, что:

1) объясненная часть является условным математическим ожиданием MX (Y);

2) уравнение регрессии MX (Y)=f(X) отражает функцию одной переменной;

3) уравнение регрессии имеет линейный вид.

В этом случае реальное уравнение регрессии можно записать в виде:



MX (Y) = ?О+ ?1X

При помощи вычислительных средств эконометрики можно оценить это уравнении: y = во +в1* x, а также оценить его параметры ?О , ?1.

Основные предпосылки регрессионного анализа:

1. В модели yi= ?О + ?1 хi+ ?i ошибка ?i (или зависимая переменная yi) есть величина случайная, а объясняющая переменная хi - величина не случайная.

2. Математическое ожидание возмущения ?i равно нулю:

М (?i) = 0

(или математическое ожидание зависимой переменной равно функции регрессии:

М(yi) = ?О+ ?1 хi)

3. Дисперсия ошибки ?i (или зависимой переменной yi) постоянна для любого i:

D(?i)=?2

D(yi)=?2

Это условие гомоскедантичности или равноизменчивости ошибки (зависимой переменной).

4. Ошибки ?i и ?j (или переменные yi и yj) не коррелированны.

5. Ошибка ?i (или зависимая переменная yi) есть нормально распределенная случайная величина. В этом случае модель yi= ?О + ?1 хi+ ?i называется классической нормальной линейной регрессионной.

Для получения уравнения регрессии достаточно предпосылок 1-4.

Требование выполнения предпосылки 5 необходимо для оценки точности уравнения регрессии и его параметров.

2.4 Эконометрический анализ в маркетинге и рекламе

Эконометрические методы используют априорные теоретические знания для разработки модели. Эконометрические методы подразумевают вовлечение объясняющих факторов в процесс построения прогноза. При этом в явном виде задается направление зависимости, функциональный вид, а также структурные ограничения на коэффициенты. Такого рода модели в маркетинге применяют, как правило, для анализа эластичности. При этом подразумевается достаточное количество надежных исторических данных.

Применение эконометрики в рекламе - подбор каналов распространения рекламы, чтобы охватить максимум потенциальных клиентов, при минимуме затрат.

Маркетинг представляет собой систему организации и управления производственно-сбытовой и торговой деятельностью предприятий, фирм в свободных экономических условиях. Поэтому в системе организованных действий любого хозяйствующего экономического субъекта он играет важную роль, т.к. участвует в реализации ими своих целей и задач в непосредственно опредмеченном продукте деятельности - товаре, который продвигает на рынок.

Эконометрические методы в маркетинге могут быть применены в моделировании, имитации и прогнозировании рыночных процессов. Достаточно широко в маркетинге используются модели, основанные на теории вероятности и теории принятии решений; приемы теории массового обслуживания (базирующиеся на теории очередей), моделях товаропотоков и потоков покупателей. Находят применение модели реакции рынка на маркетинговые раздражители, методы эвристических оценок и гибридные, позволяющие комбинировать детерминированные и вероятностные оценки.

В маркетинговых исследованиях полезны методы многомерного анализа (в том числе кластерного), теории принятия решений (теории риска), теории связей (сигнальную информацию о процессах, выходящих за пределы установленных параметров). В частности в эконометрике используются методы линейного программирования, представляющего собой математический способ выбора из ряда альтернативных решений наиболее благоприятного для рыночной ситуации.

Для построения эмпирических моделей в маркетинге весьма распространено комбинированное применение эконометрических моделей и анализа временных рядов (EconometricandTimeSeriesModeling, ETS). Этот подход сочетает преимущества эконометрики, в центре внимания которой находятся отношения между переменными, и преимущества методов анализа временных рядов, которые описывают динамику модели. В нескольких маркетинговых исследованиях динамические отношения между несколькими временными рядами были проанализированы с помощью эконометрического анализа временных рядов (BassandPilon 1980, Hanssens 1980, HelmerandJohansson 1977, Leone 1983). Центральным вопросом при применении эконометрического анализа временных рядов является спецификация модели. Цель данной статьи - продемонстрировать стратегию построения эмпирической модели в рамках эконометрического анализа временных рядов.

Рассмотрим пример проведения эконометрического анализа в маркетинге и рекламе на примере BrandScience - маркетинг-консалтинговое подразделение OMD MD & PHD Group.

В условиях растущего спроса и ожесточения конкуренции на российском рынке, а также гигантской медиаинфляции все большее внимание уделяется эффективности маркетинга компании. Зачастую, руководители крупнейших компаний откладывают принятие важных стратегических или тактических решений из-за того, что у них просто нет необходимых аналитических инструментов для поиска правильного ответа.

Не всегда отдел маркетинга способен обеспечить руководство обоснованными доказательствами, а главное, обосновать причины, по которым проводимая маркетинговая кампания не дает ожидаемой отдачи.

Возможность подсчета и необходимость связать маркетинговые показатели с финансовыми результатами - это одна из ключевых задач, которая стоит в настоящее время перед участниками рынка. Все в большей мере их решения в отношении маркетинга и рекламы обуславливаются необходимостью максимизировать отдачу от инвестиций. Таким образом, средство для измерения этих показателей является необходимым.

В августе 2007 года один из крупнейших издательских домов обратился в BrandScience - маркетинг-консалтинговое подразделение OMD MD & PHD Group с целью измерить отдачу от инвестиций в рекламу журнала, осуществить оценку роли маркетинга, конкурентной активности, внешних факторов, а также получить рекомендации относительно лучших методов размещения рекламы в средствах массовой информации и, соответственно, увеличения ее эффективности.

BrandScience является частью OmnicomMediaGroup и занимается консалтингом в области оценки маркетинговой и бизнес - эффективности. BrandScience проводит уникальный для каждого клиента анализ деятельности компании за прошлые периоды, предоставляя точные и надежные результаты, которые используются для планирования инвестиций и повышения доходности. Это достигается путем анализа точных данных по продажам, маркетинговой и коммуникационной активности. Также учитывается активность конкурентов и экономический аспект.

Несмотря на насыщенность рынка глянцевых журналов, почти каждый год на рынке появляются новые игроки. Каждый состоявшийся и успешный журнал говорит с аудиторией в своем уникальном стиле, на определенном языке, однако аудитории изданий, так или иначе, пересекаются, это молодые женщины с доходом средним и выше среднего, ведущие активный образ жизни и следящие за модными тенденциями.

С улучшением экономической ситуации и ростом доходов в стране количество читательниц женских журналов постоянно растет. Однако неизменная задача издательского дома заключается не только в удержании текущих лояльных читателей издания, но и активная борьба за читательниц других журналов. Поэтому коллектив маркетологов, бренд менеджеров, аналитиков, и редакторов глянцевых журналов постоянно решает две задачи: во-первых, стараются в каждом новом номере выдержать уже проверенный и знакомый читателю стиль, во-вторых, найти что-то новое, уникальное, что смогло сделать журнал еще более узнаваемым, а главное покупаемым. Это касается не только внешнего оформления журнала (хотя следует сказать, что этому вопросу в издательских домах уделяется огромное внимание, начиная с цветов на обложке и заканчивая шрифтами, выносками и даже корешками), но и агрессивностью рекламной поддержки, уникальностью креатива рекламы, ее размещения и сопровождения нестандартными решениями в области маркетинговых коммуникаций.

Компании стремятся управлять рекламой как грамотным инвестированием, закладывая оптимальные на их взгляд рекламные бюджеты, что на практике не всегда приводит к ожидаемому финансовому результату. Причин тому масса, внешних и внутренних. Часто, делая акцент на каком-то одном медиа, например на ТВ, рекламодатель не учитывает так называемого синергетического эффекта от мультимедийного размещения, не анализирует разницу в соотношениях между рекламными затратами на медиа и стимулируемыми рекламным воздействием продажами.

Таким образом, масса факторов, потенциально воздействующих на динамику продаж, а соответственно и финансового результата, остаются неучтенными. Конечно, анализ эффективности рекламных инвестиций, говоря о российском рынке, имеет свои особенности. В условиях быстро растущих темпов инфляции, в особенности это касается инфляции на российском рекламном рынке, все труднее становиться сделать прогноз относительно развития рынка, потребительского спроса, рентабельности инвестиций. Тем не менее, широко распространенный за рубежом метод экономико-статистического (эконометрического) моделирования в последнее время стал активно применяться и в нашей стране, внедряясь в процесс стратегического планирования и прогнозирование продаж. Широко применяемые наряду с эконометрическими моделями методы прогнозирования продаж на основе так называемых изолированных временных рядов, основанные на методах сезонной декомпозиции рядов динамики и построении трендовых аналитических моделей, способны давать достаточно точные краткосрочные прогнозы относительно объемов продаж, однако не способны ответить на вопросы маркетинговых отделов, иными словами способны ответить на вопрос «Что будет?», но не способны ответить на вопрос «Почему?», а главное «На что и в какой мере компания может повлиять?» На эти вопросы призваны ответить факторные модели, строящиеся на данных клиента, собранных за достаточно длительный период времени (минимум 3 года помесячно), позволяющие оценить вклад каждого из факторов, потенциально влияющих на продажи или иную моделируемую переменную. Конечно, окончательное решение по поводу того, как строить процесс контроля и планирования в компаниях на основе собственных расчетов и оценок или на основе проведенного экспертами статистического анализа остается в руках ее руководства, зачастую до сих пор консервативного в таких вопросах.

Вот, что подразумевает под собой эконометрический анализ в концепции BrandScience:

«Какой бы метод ни применялся, мы приводим четкое и понятное объяснение проведенной работы и что значат полученные результаты для клиентов и их брендов в маркетинговые терминах. Мы ставим своей целью сделать эконометрику и аналитику понятнее, обеспечивая клиентам понимание процесса моделирования и анализа их бренда, чтобы они могли участвовать в обсуждении этого процесса. К каждому клиенту мы применяем целостный подход и строим модель бизнеса, учитывая все возможные маркетинговые и медиа - факторы, влияющие на продажи. Клиенты хотят понимать, как максимизировать отдачу от инвестиций и эффективно растить стоимость бренда. Мы выделяем не только линейные эффекты от маркетинговой активности и не только эффективность каждого канала в отдельности - мы предоставляем клиенту полную картину. Эконометрические модели, которые мы разрабатываем, - комплексный статистический анализ, требующий научного и индивидуального подхода. Каждая модель уникальна и разрабатывается конкретно для Вашего бренда и рынка»-говорит Салли Дикерсон Директор глобальной сети BrandScience.

Эконометрический анализ - в значительной степени уникальный процесс, требующий согласования возможных факторов и конкретных вопросов, подлежащих изучению. Планирование инвестиций помогает оптимально использовать ограниченные маркетинговые ресурсы. Оно позволяет ответить на главный вопрос департамента маркетинга: «Как мне распределить маркетинговый бюджет среди брендов и продуктов одного портфеля, потребительскими сегментами и каналами коммуникации?"

Рис.3.1 Диверсификация маркетинговых затрат

Brand ROI Science - это применение методов анализа динамики классических временных рядов (одного из направлений эконометрики) к маркетинговым данным, количественное определение и измерение факторов влияющих на KPI бренда, таких как продажи, доля рынка и прибыльность, что помогает принимать оптимальные решения и улучшать процесс стратегического планирования.

После того, как модель будет построена и протестирована на статистическую значимость, результаты переводятся на понятный и бизнес ориентированный язык. Анализ позволяет определить вклад каждого из рассматриваемых факторов в продажи бренда.

Вернемся к проекту эконометрического моделирования продаж, проведенному командой BrandScience для издательского дома в 2007 году. Процесс подготовки номера любого издания к выходу, безусловно, сложная трудоемкая задача. Следуя настроениям читательниц, издательство пытается учесть и рыночные тенденции, и изменение медиа - предпочтений целевой аудитории, и даже особенности психологии выбора и совершения покупки. Несмотря на это, гипотезы относительно реального воздействия на процесс совершения покупки нуждаются в проверке. На этапе подготовки к проекту издательство поставило перед агентством следующие цели: во-первых, проанализировать различия в эффективности воздействия различных медийных и немедийных факторов на розничные продажи журнала; во-вторых, дать оценку отдачи от рекламных инвестиций (ROI) для каждого вида медиа, в-третьих, проанализировать значимость такого, на первый взгляд спорного фактора как оформление обложки, и, наконец, спланировать оптимальный рекламный бюджет, позволяющий добиться роста продаж при жесткой рыночной конкуренции. По итогам диагностического интервью с клиентом, начального этапа подготовки к проекту, BrandScience совместно с издательским домом сформировали перечень факторов, определяющих бизнес клиента. Естественно, было принято решение включить в модель как фактор рекламной активности на различных медиа каналах, так и факторы, характеризующие само издание: стиль и оформление обложки, толщина, наличие приложений, вкладок и т.д.

Учитывался также фактор сезонности, объясняемой в данном конкретном случае сменой сезона и наступлением нового модного сезона, официальными праздничными днями, в том числе естественно рождественскими и предновогодними всплесками покупательской активности. Разработанная подразделением BrandScience модель продаж доказала, что различные сообщения на разных медиа каналах работают неодинаково, то есть вклад в рост продаж рекламы на отдельных медиа не оправдывает в должной мере вложенных компанией инвестиций, что может соответствовать не только о недостатках медиапланирования, но и слабой креативной стратегии. Не следует забывать, что любой случай уникален, а значит примять один и тот же вид модели для различных продуктов, категорий, периодов времени не правомерно. Поэтому в ходе моделирования важен не только грамотный математический подход, основанный на соответствии определённым статистическим критериям, но и, что не менее важен, логический анализ. Приняв во внимание все перечисленные факторы и особенности, была построена мультипликативная модель продаж, с учтенной сезонностью и вошедшими линейно факторами медийными, продуктовыми и рыночными. Причем, говоря терминами статистики, модель статистически значимая и адекватная, а значит с большой долей вероятности можно утверждать, что именно факторы, вошедшие в модель, объясняют большую долю вариации продаж.

Рис.3.2 Адекватность модели продаж



Построенные по данной эконометрической модели кривые отклика позволяют предполагать прессу как наиболее эффективный канал коммуникации, несмотря на достаточно ограниченные рекламные инвестиции.

По итогам сравнения кривых отдачи от рекламных инвестиций издательскому дому был предложен разработанный на основе эконометрической модели оптимальный размер и сплит рекламного бюджета.

Рис.3.3 Сравнение отдачи от рекламных инвестиций

Рис.3.4 Декомпозиция модели продаж



На рис.3.4 представлена декомпозиция построенной модели, дающая возможность наглядно отобразить вклад или отрицательное воздействие на уровень продаж каждого из значимых факторов модели. Отдельно стоит обратить внимание на возможность наглядного изображения той доли продаж, которую отнимают у издания марки конкуренты (бренд X, Y и бренд Z). Как мы видим, это порядка половины всего объема продаж.

Прогнозные сценария развития динамики продаж позволили численно сравнить, при каком плане размещения удастся добиться максимальных объемов продаж в ближайшем году. Оптимальным с этой точки зрения, однако, в некотором роде радикальным в сравнении с существующей ранее медиа - стратегией стал план, предложенный сотрудниками BrandScience, рекомендующий использование наружной рекламы и рекламы в кинотеатрах в качестве основных каналов коммуникации и предполагающий рост продаж в 2008 году на 13% в натуральном выражении по сравнению с 2007 годом.

Рис.3.5 Прогноз продаж при различных медиа-стратегиях

Таким образом, составив прогноз продаж при различных медиа-стратегиях, благодаря эконометрическому анализу, можно выбрать 1 их предложенных планов размещения.



ЗАКЛЮЧЕНИЕ

Эконометрика - это наука, которая изучает статистические закономерности в экономике.

Объектом изучения эконометрики, как самостоятельного раздела математической экономики, являются экономико-математические модели, которые строятся с учетом случайных факторов. Такие модели называются эконометрическими моделями. Исследование эконометрических моделей проводится на основе статистических данных об изучаемом объекте и с помощью методов математической статистики.

Основными задачами эконометрики являются: получение наилучших оценок параметров экономико-математических моделей, конструируемых в прикладных целях; проверка теоретико-экономических положений и выводов на фактическом (эмпирическом) материале; создание универсальных и специальных методов для обнаружения статистических закономерностей в экономике.

Методологическая особенность эконометрики заключается в применении достаточно общих гипотез о статистических свойствах экономических параметров и ошибок при их измерении. Полученные при этом результаты могут оказаться нетождественными тому содержанию, которое вкладывается в реальный объект. Поэтому важная задача эконометрики - создание как более универсальных, так и специальных методов для обнаружения наиболее устойчивых характеристик в поведении реальных экономических показателей. Эконометрика разрабатывает методы подгонки формальной модели с целью наилучшего имитирования ею поведения моделируемого объекта на основе гипотезы о том, что отклонения модельных значений параметров от их реально наблюдаемых случайны и вероятностные характеристики их известны.

Элементы количественного и качественного анализа служат составной частью методов моделирования экономических процессов. В маркетинге применяются методы логического и математического моделирования.

При этом методы логического моделирования используются для качественного описания прогнозируемого процесса с выделением проблемы перспективного развития. Приемом логического моделирования является создание сценария, включающего описание последовательностей, взаимосвязи и значимости событий. Элементы «сценария» -- это результат прогноза, осуществляемого с применением других методов. Прогноз конъюнктуры товарных рынков необходим для определения оптимальной тактики выхода на рынки с учетом ожидаемых соотношений между спросом и предложением. При прогнозировании развития конъюнктуры товарных рынков используются статистические материалы, статистико-вероятностные модели, эконометрические методы.

Эконометрические методы в маркетинге могут быть применены в моделировании, имитации и прогнозировании рыночных процессов. Достаточно широко в маркетинге используются модели, основанные на теории вероятности и теории принятии решений; приемы теории массового обслуживания (базирующиеся на теории очередей), моделях товаропотоков и потоков покупателей. Находят применение модели реакции рынка на маркетинговые раздражители, методы эвристических оценок и гибридные, позволяющие комбинировать детерминированные и вероятностные оценки.

В маркетинговых исследованиях полезны методы многомерного анализа (в том числе кластерного), теории принятия решений (теории риска), теории связей (сигнальную информацию о процессах, выходящих за пределы установленных параметров). В частности в эконометрике используются методы линейного программирования, представляющего собой математический способ выбора из ряда альтернативных решений наиболее благоприятного для рыночной ситуации.



СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1. Берндт Э. Р. Практика эконометрики: классика и современность: Учебник для студентов вузов. - М.: ЮНИТИ-ДАНА, 2012. - 863 с.

2. Бородич, С.А. Эконометрика/ Учеб.пособие для ВУЗов. М.: Новое знание, 2012.

3. Давыдов С.Б. Математическое моделирование экономических систем. - М.: Современный гуманитарный университет, 2012.

4. Луговская Л.В. Эконометрика в вопросах и ответах: учебное пособие. - М.: ТК Велби, Изд-во Проспект, 2011. - 208 с.

5. Мардас А. Н. Эконометрика. Краткий курс. - М. , 2011.

6. Математические модели в экономике: Учебное пособие. - М.: ИМПЭ им. А.С. Грибоедова, 2012.

7. Носко В.П. Эконометрика для начинающих. Основные понятия, элементарные методы, границы применимости, интерпретация результатов. - М., 2012.

8. Орлов А.И. Устойчивость в социально-экономических моделях. - М.: Наука, 2011. - 296 с.

9. Орлов, А.И. Эконометрика. Учебник. М.: Экзамен, 2012.

10. Орлова И.В. Экономико-математические методы и модели. Практикум: Учеб.пособие для вузов. - М.: Финстатинформ, 2011. - 304 с.

11. Практикум по эконометрике: Учеб. пособие / Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2012.- 174 с.

12. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2-х т. - Т. 1. Айвазян С.А., Мхитарян В.С. Теория вероятностей и прикладная статистика. - М.: ЮНИТИ-ДАНА, 2011. - 656 с.

13. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания: Статистическая обработка неоднородных совокупностей. - М.: Статистика, 2012. - 208 с.

14. Эконометрика: Учебник / Тихомиров Н.П., Дорохина Е.Ю. - М.: Издательство "Экзамен", 2012. - 512 с

15. Эконометрика: учебное пособие / А.В. Гладилин, А.Н. Герасимов, Е.И. Громов. - М.: КНОРУС, 2012. - 232 с.

16. Экономико-математические методы и прикладные модели: Учеб. пособие для вузов / В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов, И.В. Орлова, А. Половников. - М.: ЮНИТИ, 2011. - 259 с.

Размещено на Allbest.ur