Академический Документы
Профессиональный Документы
Культура Документы
Hemos escogido la empresa MARS Inc., que se dedica que se dedica a la fabricacin de diversos productos de consumo masivo; en Per, bajo la razn social de Masterfoods Per su enfoque es en dos segmentos: Petcare dnde encontramos las marcas Wiskas y Pedigree y Chocolates; donde encontramos marcas como M&M's, Snickers, Twix, Milky Way, entre otras. Para el anlisis decidimos segmentarnos en las ventas slo del producto M&M's en sus dos presentaciones (Man y Chocolate); para lo cual la variable Independiente ser Ventas en USD por periodo (El ao consta de 13 periodos de 4 meses cada uno) y deseamos analizar las siguientes variables para ser incluidas en el modelo: Costo unitario del producto, Porcentaje de Inversin Promocional, Cantidad de impulsadoras contratadas, Cantidad de clientes facturados y Temporada, teniendo en cuenta que por la naturaleza del producto genera una tendencia por las estaciones del ao.
Con todas estas variables seleccionadas se realizaron dos modelos: Modelo predictivo; a travs de este anlisis se determin que se incluira en el modelo las variables Costo unitario, Porcentaje de Inversin promocional e Impulsadoras; incluyendo estas variables el modelo tiene un R2 ajustado de 93%.
Modelo descriptivo; a travs de este anlisis se concluy que se incluiran como variables X las Impulsadoras, Temporada y Costo Unitario; incluyendo estas variables el modelo tiene un R2 ajustado de 84%.
X1
Costo
X2
Porcentaje de Inversin Promocion al 1% 6% 12% 7% 16% 3% 15% 22% 19% 17% 3% 4% 5%
X3
Impulsad oras 20 20 20 20 35 35 30 30 20 20 20 35 35
X4
Cantidad de Clientes
2
X5
Temporad a3 0 0 0 0 1 1 1 1 1 1 1 1 1
Venta USD 28,192 23,733 37,402 45,004 82,953 81,926 80,922 104,92 5 50,192 61,729 50,448 89,389 64,326
Unita rio 12.8 12.5 12.5 12.9 13.1 13 13.1 14 13.5 13.8 13.9 13.9 12.7
63 68 63 82 73 52 88 86 67 61 78 76 64
1.
Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones
Coeficientes Error tpico Intercepcin Costo Cantidad de Clientes % Inversin Promocional Impulsadoras Temporada -315845.7671 21720.07165 120.1250846 100642.5704 2964.808673 -7967.321562 81618.0689 1 6477.62731 3 223.690654 7 33402.7421 1 443.339378 6 9196.18564 3
Estadstico Probabilidad t 0.61% 3.869802009 3.353090661 0.537014319 3.013003245 6.687447169 0.866372415 1.22% 60.79% 1.96% 0.03% 41.50%
Sobre este anlisis podemos concluir que tiene un R2 de 97% nos da una buena explicacin de la variabilidad de la variable dependiente. El P-value general es menor a 5%, por lo tanto se descarta la hiptesis inicial de que B1 sea CERO. Se observa que el P value para la Cantidad de Clientes es mayor que ALFA, por consiguiente es la primera variable independiente a salir del modelo, a primera vista se puede decir que la segunda variable independiente a salir del modelo ser la temporada, ello por el Pvalue de 41%, esto se comprobara en el siguiente anlisis.
Valor crtico de F Estadsticas de la regresin 0.0% Coeficiente de correlacin mltiple 97.65% Coeficiente de determinacin Excepto cantidad de Coeficient Error tpico R^2 95.36% clientes es Estadstico t R^2 ajustado 93.05% Intercepcin -329873.98 73805.5853 -4.469498868 6621.2 Costo 23333.6807 5477.3798 4.260007821 Error tpico % Inversion 106689.865 1 30016.1029 Observaciones 13 Promocional 3.55442095 Impulsadoras 3038.37243 402.4552 7.549591375 Temporada 9848.19494 8116.1025 -1.213414308
Este escenario nos muestra que retirando la variable cantidad de clientes el Pvalue para temporada est por encima del valor de alfa, ello nos indica que no hay una relacin estadsticamente significativa con esta variable. Un coeficiente de 97% indica una buena explicacin de la variacin de la variable dependiente.
Estadsticas de la regresin Coeficiente de correlacin mltiple 97.50% Coeficiente de determinacin R^2 95.07% R^2 ajustado 92.60% 6827.9312 Error tpico 32 Observaciones 13
Excepto temporada
Error tpico Estadstico t 49719.50908 -5.235443801 4026.881928 4.313265572 30427.37913 279.0435726 203.5821497 2.947325687 9.56662551 0.952616087
El modelo nos indica que debemos retirar la variable temporada; no se acepta pues la cantidad de clientes no cumple con <= a 5%, se comprueba que tanto las variables Cantidad de clientes como Temporada no tienen relacin significativa para el modelo.
temporada y cantidad
Estadsticas de la regresin Valor crtico de F Coeficiente de correlacin 0.0% mltiple 97.22% Coeficiente de determinacin R^2 94.51% R^2 ajustado 92.68% 6792.74401 Error tpico 5 Coeficientes Error tpico Excepto Observaciones 13
temporada y cantidad de clientes
Un valor general del Pvalue 0.00054% indica un rechazo de la hiptesis inicial, un error muy bajo para no explicar la variabilidad del volumen de venta. Se tiene un intercepto negativo de -262033.8186, el cual realmente no existe dentro de la realidad de la organizacin pero es estadsticamente correcto, por ello no se considera el Bo. Todas las variables estn por debajo del valor de alfa, por ello podemos deducir que existe una relacin estadsticamente significativa entre la variable dependiente y independiente. Si retiramos las 2 variables temporada y cantidad de clientes se acepta el modelo pues todas las X cumplen con H0 = 0, por lo tanto las X sern: X1= Costo X2 = Porcentaje de Inversin Promocional X3 = Impulsadoras
2.
Venta USD Venta USD Cantidad de Clientes Temporada Impulsadoras Costo Unitario % Inversin Promocional 100.00% 34.50% 77.50% 79.63% 57.65% 39.85%
Tempor ada
Impulsad oras
Costo Unitario
Analizando la R2: La matriz de correlaciones nos indica que un buen R2 para el anlisis de la temporada y las impulsadoras. Iniciaremos el proceso con la variable de las impulsadoras.
Modelo
Estadsticas de la regresin Coeficiente de correlacin mltiple 79.63% Coeficiente de determinacin R^2 63.41% R^2 ajustado 60.08% 15863. Error tpico 60 Observaciones 13
Intercepcin Impulsadoras
La variable Cantidad de impulsadoras tiene un Pvalue menor que alfa, por tanto califica para el modelo de regresin y el coeficiente de correlacin de 63% algo bajo, el cual nos dice un posible 37% no se pueda explicar mediante esta variable dependiente.
Estadsticas de la regresin Coeficiente de correlacin mltiple 87.87% Coeficiente de determinacin R^2 77.21% R^2 ajustado 72.65% 13129.9079 Error tpico 1 Observaciones 13
Este anlisis nos demuestra que el coeficiente de determinacin mejora respecto al anterior anlisis, un 77%. Los dems valores de Pvalue se mantiene menores que alfa. Uno error tpico menor respecto al anlisis anterior, de un error de 15863 a 13129. A priori seran las dos variables a tomar en cuenta para el modelo de regresin.
Error tpico Estadstico t Probabilidad 66316.4269 -4.65459424 0.09% 388.30998 6.76236378 0.00% 5038.63729 4.53239134 0.11%
La variable Cantidad de impulsadoras y costo unitario reafirman el anlisis anterior, el Pvalue se mantiene menor que alfa, por tanto califica para el modelo de regresin y el coeficiente de correlacin incrementa a 88.02%.
Conclusin de Modelo Explicativo (Forward) Anlisis de las variables Impulsadoras, Temporada y Costo Unitario
Estadsticas de la regresin Coeficiente de correlacin mltiple 93.83% Coeficiente de determinacin R^2 88.04% R^2 ajustado 84.06% Error tpico 10025.51 Observaciones 13
El resultado nos demuestra la variable temporada con un valor de Pvalue por encima de alfa, lo cual la descarta en el modelo. Podemos decir que el modelo se presta a un modelo no explicativo. La variable Temporada en el analisis es variable Dummy o variable artificial. Podemos concluir que al existir una multicolinealidad entre la variable Temporada y Costo Unitario, estn altamente correlacionadas, podemos usar otra variable para explicar "y". Entonces las variables que se utilizaremos para explicar el modelo de regresion multiple son "Impulsadoras" y "Costo Unitario".