市場營銷第六講某車企汽車年銷量預(yù)測案例(已修改)
2025-03-06 18:12 本頁面
【正文】 數(shù)據(jù)分析與挖掘 Data Analysis Mining 某車企汽車年銷量預(yù)測案例 2023/3/17 信息技術(shù)教學(xué)中心 1 學(xué)習(xí)要點(diǎn) ? 分析方法： 散點(diǎn)圖、序列圖、線性回歸、曲線擬合、非線性回歸 ? 分析過程 – 轉(zhuǎn)換：計算變量、個案排秩 – 表 ：設(shè)定表 – 統(tǒng)計圖：直方圖、散點(diǎn)圖、序列圖 – 描述統(tǒng)計： 序列圖 – 比較均值：均值 – 回歸：線性、曲線估計、非線性回歸 2023/3/17 信息技術(shù)教學(xué)中心 2 案例背景 現(xiàn)有某汽車企業(yè) 1988——2023年的汽車銷售量數(shù)據(jù)，如下表所示。為了制定企業(yè)的長期市場發(fā)展計劃，管理者希望能夠預(yù)測出至 2023年的汽車銷量。 2023/3/17 信息技術(shù)教學(xué)中心 3 年份 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 銷量 /萬輛 65 59 51 71 106 130 135 145 146 157 160 183 208 236 分析思路與商業(yè)理解 ? 本研究的制約因素 ① 可用信息量少 ② 未來趨勢的變化 ? 基于以上原因，預(yù)測 2~3年內(nèi)的汽車銷量應(yīng)當(dāng)是本案例更為合適的研究目標(biāo)。 2023/3/17 信息技術(shù)教學(xué)中心 4 數(shù)據(jù)理解 ?由于本數(shù)據(jù)比較簡單，因此數(shù)據(jù)理解的重點(diǎn)可用放在兩變量間數(shù)據(jù)關(guān)聯(lián)趨勢的了解上，因此首先使用散點(diǎn)圖對數(shù)據(jù)的變化規(guī)律進(jìn)行觀察，步驟如下： ① 選擇“圖形” ——“圖表構(gòu)建程序”菜單命令 ② 將散點(diǎn)圖圖標(biāo)拖入畫布 ③ 將 year拖入 X軸框， sales拖入 Y軸框 ④ 確定 2023/3/17 信息技術(shù)教學(xué)中心 5 數(shù)據(jù)理解 ?擴(kuò)展閱讀 簡單地說，散點(diǎn)圖在用于回歸分析前的預(yù)分析時，可提供如下三類關(guān)鍵信息 ① 變量之間是否存在數(shù)量關(guān)聯(lián)趨勢。 ② 如果存在關(guān)聯(lián)趨勢，那么是線性的，還是曲線的 ③ 數(shù)據(jù)中是否存在明顯偏離散點(diǎn)圖主體較遠(yuǎn)的散點(diǎn)，它們是否可能在建模時成為強(qiáng)影響點(diǎn)。 2023/3/17 信息技術(shù)教學(xué)中心 6 數(shù)據(jù)理解 2023/3/17 信息技術(shù)教學(xué)中心 7 數(shù)據(jù)理解 ?根據(jù)散點(diǎn)圖的顯示 1988~1992年的數(shù)據(jù)出現(xiàn)異常，因此將在后面建模時把其刪除，不再進(jìn)入后續(xù)分析。 2023/3/17 信息技術(shù)教學(xué)中心 8 篩選數(shù)據(jù)并進(jìn)行變量轉(zhuǎn)換 ?篩選數(shù)據(jù)： ①
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1