感性を数値化せよ(売上予測を重回帰分析で行う手法7)

売上予測 30年の実績

03-3538-6603

lv_r

感性を数値化せよ(売上予測を重回帰分析で行う手法7)

売上予測

2017/11/03 感性を数値化せよ(売上予測を重回帰分析で行う手法7)

売上予測の手法 その5 重回帰分析を使った売上予測 7 感性と数値化

 

売上予測モデル(重回帰モデル)を作るために一番たいへん、でも大切なことは「残差分析」だと言いました。

 

でも、一つのコツをお教えしましょう。

 

それは、あなたの感性をじゅうぶん生かすことです。

 

残差が大きなプラスになっている店(サンプル)においては、「どんな立地が働いているから、プラスになるのだろう?」と考えたときに

あなたが、まず見なければならないものは

地図(そして写真)です。Googleが出している航空写真やストリートビューもたいへん役に立ちます。

 

地図をよくみていると、そのうち、「あれ?これはもしかして」という立地上の理由が見えてきます。

 

たとえば、「あれ?この店の裏に大きなマンションがあるなあ」と気づいたりします。それが、通常より高く多くの世帯を抱えているマンションなら、売上に対して大きな貢献をしている可能性があります。

そこで、たとえば、周辺で大型マンションがある場合は、3、ない場合は 1 とし、そのどちらにも分類できない場合は 2という数値を当てはめてみます。

 

これも、ちゃっちゃとデータ化します。数字になっていますが、この場合はまだ正確なデータである必要がありません。ザックリとした定義で良いのです。

私は、こうして作った変数を「感覚変数」または「感性変数」と呼んでいます。

そして、30サンプル(または全サンプル)すべてのデータを揃えます。

 

そして、重回帰分析を実行します。

 

仮に、この感性変数を入れたことで、変数のt値が高く、そして、修正済み相関係数が上がったとします。これであなたの感性が、少し支持されたことになります。

そこで、次に、データ化するための定義を少し厳しくして、同じことを繰り返してみます。

この段階でt値が下がってしまえばおしまい。

でも、t値がこれでも高い、または 1以上であるなら、しめたもの。

さらに、厳密に定義して作った変数を入れてみましょう。

 

さあ、うまく、数値化できたでしょうか?

1knowhow4

 

TOP