Статистика изучения спроса товаров и услуг

Содержание

Введение…………………………………………………….………....……3

1.Общая характеристика статистических методов………………….…..4

2. Оценка текущего спроса……………………………………….……….7

3. Общая характеристика методов прогнозирования,

применяемых в маркетинговых исследованиях………….………...…..12

4. Прогнозирование спроса, основанное на методах

математической статистики…………………………………………...…15

5. Краткая характеристика экспертных методов……………………...24

Заключение………………………………………………………………..32

Список литературы…………………………………………………...…33

Введение

Рынок товаров (продуктов и услуг)-это система отношений купли-продажи между экономически свободными продавцами и покупателями.

На рынке действуют многочисленные переплетающиеся и взаимодействующие внутренние и внешние силы, далеко не всегда явно проявляющие свое влияние на рыночные процессы. Адаптация к условиям рынка, и регулирование рыночных процессов возможны лишь при условии что эти процессы изучены, т. е. выявлены их закономерности и тенденции, другими словами, что рынок становится предметом статистического исследования.

Статистика, которая обладает соответствующим аппаратом глубоко научного и в то же время достаточно оперативного исследования, имеет возможность отразить состояние рынка охарактеризовать его структуру и динамику, выявить и смоделировать влияние рыночных факторов и наконец позволяет строить прогнозы его дальнейшего развития. Она тесно смыкается и в определенном смысле переплетается с маркетинговым исследованием.

Статистика изучает рынок, процесс движения товаров в экономическом и географическом пространстве, их обмен на деньги по ценам, складывающимся в соответствии с действием рыночного механизма, материально-техническим и ресурсным обеспечением этого процесса, социально-экономическими результатами его функционирования.

Однако известной особенностью статистики является то, что она изучает массовые явления и процессы, которые могут быть выражены количественно. Действие рыночного механизма проявляется в вероятностных, стохастических процессах, что обеспечивает возможность использования ряда математико-статистических методов в целях изучения рынка. Целью данной работы является рассмотрение статистических методов изучения спроса товаров и услуг.

1.Общая характеристика статистических методов

Статистические методы — методы анализа статистических данных. Выделяют методы прикладной статистики, которые могут применяться во всех областях научных исследований и любых отраслях народного хозяйства, и другие статистические методы, применимость которых ограничена той или иной сферой. Имеются в виду такие методы, как статистический приемочный контроль, статистическое регулирование технологических процессов, надежность и испытания, планирование экспериментов.

Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

Целесообразно выделить три вида научной и прикладной деятельности в области статистических методов анализа данных (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):[3, 72]

а) разработка и исследование методов общего назначения, без учета специфики области применения;

б) разработка и исследование статистических моделей реальных явлений и процессов в соответствии с потребностями той или иной области деятельности;

в) применение статистических методов и моделей для статистического анализа конкретных данных.

Прикладная статистика — это наука о том, как обрабатывать данные произвольной природы. Математической основой прикладной статистики и статистических методов анализа является теория вероятностей и математическая статистика.

Описание вида данных и механизма их порождения — начало любого статистического исследования. Для описания данных применяют как детерминированные, так и вероятностные методы. С помощью детерминированных методов можно проанализировать только те данные, которые имеются в распоряжении исследователя. Например, с их помощью получены таблицы, рассчитанные органами официальной государственной статистики на основе представленных предприятиями и организациями статистических отчетов. Перенести полученные результаты на более широкую совокупность, использовать их для предсказания и управления можно лишь на основе вероятностно-статистического моделирования. Поэтому в математическую статистику часто включают лишь методы, опирающиеся на теорию вероятностей.

В простейшей ситуации статистические данные — это значения некоторого признака, свойственного изучаемым объектам. Значения могут быть количественными или представлять собой указание на категорию, к которой можно отнести объект. Во втором случае говорят о качественном признаке.

При измерении по нескольким количественным или качественным признакам в качестве статистических данных об объекте получаем вектор. Его можно рассматривать как новый вид данных. В таком случае выборка состоит из набора векторов. Есть часть координат — числа, а часть — качественные (категоризованные) данные, то говорим о векторе разнотипных данных.

Одним элементом выборки, то есть одним измерением, может быть и функция в целом. Например, описывающая динамику показателя, то есть его изменение во времени, — электрокардиограмма больного или амплитуда биений вала двигателя. Или временной ряд, описывающий динамику показателей определенной фирмы. Тогда выборка состоит из набора функций.

Элементами выборки могут быть и иные математические объекты. Например, бинарные отношения. Так, при опросах экспертов часто используют упорядочения (ранжировки) объектов экспертизы — образцов продукции, инвестиционных проектов, вариантов управленческих решений. В зависимости от регламента экспертного исследования элементами выборки могут быть различные виды бинарных отношений (упорядочения, разбиения, толерантности), множества, нечёткие множества и т. д.

Итак, математическая природа элементов выборки в различных задачах прикладной статистики может быть самой разной. Однако можно выделить два класса статистических данных — числовые и нечисловые. Соответственно прикладная статистика разбивается на две части — числовую статистику и нечисловую статистику.

Числовые статистические данные — это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки — это (классические) законы больших чисел и центральные предельные теоремы.

Нечисловые статистические данные — это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных. Они являются элементами нечисловых математических пространств (множеств). Математический аппарат анализа нечисловых статистических данных основан на использовании расстояний между элементами (а также мер близости, показателей различия) в таких пространствах. С помощью расстояний определяются эмпирические и теоретические средние, доказываются законы больших чисел, строятся непараметрические оценки плотности распределения вероятностей, решаются задачи диагностики и кластерного анализа, и т. д.

Применение статистических методов и моделей для статистического анализа конкретных данных тесно привязано к проблемам соответствующей области. Результаты третьего из выделенных видов научной и прикладной деятельности находятся на стыке дисциплин. Их можно рассматривать как примеры практического применения статистических методов. Но не меньше оснований относить их к соответствующей области деятельности человека.

Теория статистических методов нацелена на решение реальных задач. Поэтому в ней постоянно возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими средствами, то есть путем доказательства теорем. Большую роль играет методологическая составляющая — как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных информационных технологий, в частности, компьютерного эксперимента.

Актуальной является задача анализа истории статистических методов с целью выявления тенденций развития и применения их для прогнозирования.

2. Оценка текущего спроса

Наибольшее практическое значение имеет определение и прогнозирование текущего рыночного спроса. В общем случае определение текущего рыночного спроса в денежном исчислении (Q) осуществляется по формуле:

Q = n х q х p,

где n – число покупателей данного вида товара на рынке в целом или на 
рынке конкретного региона;

q – число покупок покупателя за исследуемый период времени;

p – средняя цена данного товара.

В эту базовую формулу при ее конкретизации под конкретные виды товаров надо учесть дополнительные факторы, определяющие спрос на эти товары. Так, например, при определении спроса на товары длительного пользования в результате проведения маркетинговых исследований надо оценить спрос на замену. Для этого нужны следующие данные:

- объем имеющегося у потребителей парка исследуемого товара длительного пользования;

- распределение этого парка по сроку службы (с учетом факторов физического, экономического и психологического старения);

- темп замены товара;

- возможность появления новых альтернатив замены.

Спрос на замену находится в прямой зависимости от размера парка и срока службы товара длительного пользования. Темп замены необязательно совпадает с темпом прекращения срока службы, под которым понимается доля товара длительного пользования, прекращающих существование. Товар может устареть потому, что его экономические показатели стали неудовлетворительными или потому, что он просто вышел из моды.

В общем случае темп прекращения срока службы связан обратной зависимостью с длительностью этого срока. Например, если средний срок службы равен 12 годам, средний темп прекращения этого срока составляет : (1:12) 100 = 8,3 %.

Например, во Франции [8, 61] реальный средний срок службы автомобилей десять лет назад составлял 10-11 лет. Если предположить, что он достигнет 12, лет, то темп прекращения срока пользования будет равен примерно 8%, что соответствует спросу на замену порядка 1,7 миллионов машин. Если , напротив, принять, что средний срок службы не превысит 9 лет, то темп прекращения срока пользования составит около 11,1%, что соответствует спросу на замену в размере 2,1 миллиона машин.

Некоторые данные, необходимые для оценки спроса, например, данные об имеющемся парке товара и его возрастном распределении, могут быть получены из анализа прошлых продаж. Необходимая оценка распределения по срокам службы может быть найдена на основе выборочного исследования владельцев товара, например тех, которые заняты заменой имеющегося у них изделия. Могут быть также изучены и причины (факторы) замены. Значительная часть продаж товаров длительного пользования соответствует спросу на замену, особенно в экономически развитых странах, где уровень оснащенности домашнего хозяйства такими товарами уже достаточно высок, а прирост населения незначителен.

Исходные данные и методы расчета спроса на продукцию производственно-технического назначения, за исключением некоторых различий, о которых речь пойдет ниже, по сути являются теми же, что и для потребительских товаров.

Текущий рыночный спрос часто определяются на основе нормативного метода. Данный метод предполагает последовательную декомпозицию потенциала рынка вплоть до нахождения оценки спроса на конкретный товар или марку на основе использования ряда нормативов и долевых показателей. В качестве примера рассмотрим случай фирмы, продающей добавку (продукция производственно-технического назначения), предназначенную для применения совместно с реактивами для смягчения воды в котельных. Поскольку многие предприятия пока еще не используют данную добавку, требуется оценить текущий и возможный потенциал рынка, а также реальный уровень спроса в определенной географической зоне. Расчет производится следующим образом:

На основе отчетной, нормативной и статистической информации было определен [4, 37]объем потребления воды всеми фирмами определенного региона, имеющими котельные – 7 500000гл;

- норма расхода средства смягчения на литр воды 1%;

- доля фирм, применяющих это средство: 72%;

- норма расхода добавки на литр средства: 9%;

Рассчитывается возможный потенциал рынка:

7500000 гл х 0,01 х 0,72 х 0,09 = 486000 л;

Исследования показали, доля фирм, уже применяющих добавку, равна 54%;

Исходя из этих данных определяется суммарный текущий рыночный спрос:

7500000 гл х 0,01 х 0,72 х 0,09 х 0,54 = 262000 л.

Если цель фирмы в том, чтобы добиться доли рынка 40%, продажи товара в данном регионе (текущий рыночный спрос для фирмы) должны быть доведены до 105000л.

Трудность данного метода, очевидно, состоит в нахождении соответствующих нормативов и долевых показателей. Их получение обычно требует проведения специальных исследований. В то же время видно, что погрешность в каждом множителе переносится на каждый следующий уровень и на итоговый результат. Чтобы избежать этой опасности, следует использовать несколько наиболее вероятных значений, т.е. получать не одну оценку, а их диапазон. В любом случае данный метод следует применять совместно с другими аналитическими методами.