基于多元线性回归模型的超市销售额分析.doc

基于多元线性回归模型的超市销售额分析 顾玲丽( 摘 要：作为零售业的主力军，超市越来越来成为第三产业发展的支柱，成为广大消费者选购日常用品的首选消费场所。同时，正因为市场规模庞大，市场新进入者层出不穷，竞争激烈程度不可言喻。因此，研究并掌握超市的销售业绩的影响因素，就能最大程度的提升销售技能，从而提高超市的销售额，提高竞争水平。本文通过多元线性回归对影响超市销售额的因素进行拟合，对超市提高经营管理有一定的借鉴意义。 关键词：多元线性回归；超市；销售额；因素分析； 中图分类号：F222.39 文献标识码：A 文章编号： 超市的销售业绩不仅是体现运营人员水平的重要标准，也是衡量一个超市是否具有竞争实力的重要指标。因此分析影响超市销售额的因素对提高超市的经营业绩有着重要作用。为此，笔者通过在网上搜索到15家不同的超市，对影响其销售额的因素进行分析，并最终进行多元线性回归的拟合。 进店费 1000-10000元/次 新品费 200元/个 物损费 按丢失物品计 堆头费 400元 促销管理费 150元/人 胸卡费 10元/个 DM费 400元/次 店庆费 2000-10000元 开业赞助费 2000-10000元 一般来说，超市的收入来源于两部分：第一，通过联营或自营方式出售商品获得的直接差价；第二，向供应商收取的各种费用，如进场费，特殊陈列费等。我国超市的绝大部分收入还是靠商品的出售赚取的，通道费大约占取其收入的20%，却极大地弥补了超市的盈利能力不强、费用高的不足。据统计，如果不收取通道费，我国80%的超市将会亏损[1]。 图1 超市收入分配图 图2 通道费用种类列表示意 一、影响超市销售额的因素分析 第一、超市规模。超市规模是指超市所包含的范围 （一）多元回归分析模型简介 回归分析是经济计量分析中使用最频繁的方法。各经济变量之间常常存在着各种各样的因果关系，通过统计资料，根据多个自变量的最优组合建立回归方程来预测因变量的回归分析称为多元回归分析。 其基本模型形式为： （1） 其中， 是K个未知参数，称为回归系数。y称为被解释变量（因变量），而是K个可以精确测量并可控制的一般变量，称为解释变量（自变量），u是随机误差。当时，上式为多元线性回归模型。 （二）多元回归模型在超市销售额中的应用 1. 数据选取。通过对网上的15家超市的超市规模和促销额的查询与整理，得出以下整理资料： 表1 超市销售额与规模大小和促销费用的统计表 商店 年销售额Y（万元） 规模大小X1（平方米） 年促销费用X2（千小时） 1 368 172 20 2 389 164 20 3 665 281 55 4 854 355 25 5 341 129 30 6 556 220 40 7 366 113 45 8 469 350 25 9 546 315 40 10 288 151 20 11 1067 516 55 12 758 456 30 13 1170 584 50 14 408 350 25 15 650 405 30 2. 数据分析。针对表1的数据，利用Excel的线性回归工具进行分析，得出下列结果： 图4 多元线性回归分析 3. 回归分析。根据上述的分析结果可以得出，销售额与超市规模和促销额之间的关系为： （2） 有上述（2）式可以得出，表示在促销费用固定时，商店的规模大小每增加1平方米，年销售额平均增加1.40533万元；表示在商店的规模大小固定时，促销费用每增加1万元，年销售额平均增加6.3823万元。这里的截距=-51.3127万元，表示当没有这两样因素的投入时，超市将亏损51.3127万元。 （1）统计检验（R） 用红线画出来的数据R Square是判断系数值，代表了拟合的优度。越接近1，表明y与之间的线性关系程度密切；接近与0，表明y与之间的线性程度不密切。而此处值等于85.14%，表明在年销售额的变动中，有85.14%可由商店规模大小和促销费用多少这两个因素的变动来解释，只有14.86%的因素属于随机误差。同时调整后的为82.66%，两者都比较接近1，表示拟合程度较好。 （2）统计检验（T检验） 设显著性水平α=0.05，n=15，K=2，的检验统计量t=6.2817；的检验统计量t=2.4538，查t分布表F分布表，得到临界值：。因为6.28172.1788，2.45382.1788，认为这两个回归系数在统计上都是显著的。 （3）统计检验（F检验） 设计显著性水平α=0.05，查得。。所以拒绝原假设，表明是通过检验的，销售额与规模大小和年促销费用是具有相关关系的。复相关，是指一个因变量同多个自变量之