Множественная регрессия
Множественная регрессия (multiple regression) включает одну зависимую переменную и две или больше независимых.
Вопросы, аналогичные тем, для ответа на которые маркетологи используют парную регрессию, также можно решить с помощью множественной регрессии. Только в этом случае исследователи имеютДело с дополнительными независимыми переменными.
Можно ли вариацию объема продаж объяснить с точки зрения расходов на рекламу, цен и уровня каналов распределения?
Может ли вариация доли рынка зависеть от количества торгового персонала, расходов на рекламу и бюджета на продвижение товара?
Определяется ли восприятие потребителей качества товара их восприятием цены, имиджа торговой марки и характеристик товара?
С помощью множественной регрессии можно ответить на следующие дополнительные вопросы.
Какую долю вариации объема продаж можно объяснить расходами на рекламу, ценами и уровнем каналов распределения?
Чему равен вклад расходов на рекламу в объяснении вариации объема продаж при контролируемых переменных — уровнях цен и распределения?
Какие объемы продаж можно ожидать, исходя из данных уровней расходов на рекламу, цен или уровня распределения?
Общая форма модели множественной регрессии (multiple regression model) имеет вид:
Модель оценивают следующим уравнением:
Как и раньше, коэффициент а представляет собой отрезок, отсекаемый на оси OY, но коэффициенты Ь являются теперь частными коэффициентами регрессии. Здесь мы используем на основании метода наименьших квадратов критерий, который оценивает параметры таким образом, чтобы минимизировать суммарную ошибку SS^. Этот процесс также максимизирует корреляцию между фактическими значениями 7 и предсказанными значениями У. Все предпосылки, которые используются в парной регрессии, применимы и для множественной регрессии. Мы дадим определения нескольким статистикам, а затем опишем процедуру выполнения множественного регрессионного анализа.