CC BY
7УДК 519.237.5
Е.А. Овчинникова
АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА СТОИМОСТЬ СТИРАЛЬНЫХ МАШИН
Современный рынок предоставляет широкий выбор бытовой техники, с различными характеристиками и широким стоимостным диапазоном. Потому целью работы является изучение факторов, влияющих на стоимость стиральных машин, а также построение моделей оценки их стоимости. В работе на основе корреляционного анализа выделены основные факторы, влияющие на стоимость как стиральных машин в целом, так и только новых машин в частности; на основе регрессионного анализа построены модели оценки стоимости в различных категориях стиральных машин; на основе анализа случайной компоненты проверено качество моделей; в качестве апробации проведены оценки конкретных агрегатов.
Ключевые слова: статистический анализ; бытовая техника; стиральные машины; модели оценки стоимости
В жизни современного человека немалую роль играют технические устройства. Они помогают облегчить жизнь человеку во всех областях его деятельности. В наши дни каждая семья обладает стиральной машиной, которая помогает без особых усилий содержать одежду в чистоте. На что следует обратить внимание при покупке стиральной машины? Какие функциональные особенности важны при выборе стиральной машины? Целью данной работы является изучение факторов, которые оказывают влияние на стоимость стиральных машин, а также построение модели оценки их стоимости.
Для анализа была составлена база данных на основе объявлений о продаже стиральных машин за сентябрь 2016 г.
В качестве переменных моделей были рассмотрены: у - цена (тыс. руб.); XI - бренд; X2 - габаритные размеры; x3 - максимальная загрузка (кг); x4 - тип двигателя (0 - стандартный, 1 - инверторный); x5
- максимальная скорость отжима (об/мин); x6 - расход воды за цикл (л); x7 - уровень шума при стирке (дБ); ^ - уровень шума при отжиме; x9 - тип управления; xl0 - режим «антиаллергия» (1 - есть, 0 - нет); Xll - режим «пятновыведение» (1 - есть, 0 - нет); x12 - режим «обработка паром» (1 - есть, 0 - нет); x13 -режим «ночной» (1 - есть, 0 - нет); x14 - тип загрузки (0 - фронтальная, 1 - вертикальная); x15 - цвет; x16
- страна-производитель; x17 - дисплей (1 - есть, 0 - нет); x18 - Wi-fi (1 - есть, 0 - нет); x19 - сушка (1 -есть, 0 - нет); x20 - возраст (1 - новые, 0 - б/у).
Проводя первичный анализ базы данных и строя с этой целью описательные статистики [1], было отмечено, что самым популярным брендом стиральных машин у потребителей является LG, со средней максимальной загрузкой 7 кг, черного цвета и сроком гарантии 1 год.
Таблица 1
Корреляционная зависимость цены от факторов
факторы X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
корреляция 0,0619 0,6388 0,7229 0,7119 0,7735 0,5615 -0,7051 -0,2512 -0,0457 0,5542
факторы X11 X12 X13 X14 X15 X16 X17 X18 X19 X20
корреляция 0,4491 0,6347 0,394 -0,1074 0,1434 0,5224 0,4023 0,4276 0,6059 0,4775
Проведя корреляционный анализ связи переменных (табл. 1) [2], было выявлено, что факторами, наиболее влияющими на стоимость стиральных машин являются: максимальная загрузка (х3), тип двигателя (х4), максимальная скорость отжима (х5).
Регрессионный анализ позволил построить следующее линейное уравнение оценки стоимости стиральных машин [3]:
© Овчинникова Е.А., 2016.
Научный руководитель: Тиндова Мария Геннадьевна - кандидат экономических наук, доцент, Саратовский социально-экономический институт (филиал) РЭУ им. Г.В. Плеханова, Россия.
Вестник магистратуры. 2016. № 11-2(62).
ISSN 2223-4047
У = -21,5 + 4,04„ + 2,47Хз + 7,92„ + 0,002Хч + 0,08Xfi - 0,05„ + 3,82Xin + 1,42Xii + 7,87Xi2 + 4,72„ + 1,3
Хб
Sr
X20
По критерию Стьюдента значимыми являются свободный член и переменные x20, xl9, ^ Коэффициент детерминации полученной модели составляет R2=0,903724 и он значим по критерию Фишера.
Проверим ошибки полученной модели на соответствие условиям Гаусса-Маркова. Поскольку математическое ожидание ошибок близко к нулю 3,006*10-14), то выполняется первое условие
Гаусса-Маркова.
Второе условие заключается в постоянстве дисперсий ошибок, т.е. в гомоскедастичности, которую можно проверить критерием Голдфелда-Квандта [4]. Поскольку полученные расчетные значения равны GQ=1,101 и GQ"1=0,908 и они меньше табличного Fтаб=1,89, то гипотеза о гомоскедастичности остатков принимается.
Третье условие заключается в отсутствии автокорреляции остатков, что можно проверить с помощью критерия Дарбина-Уотсона [5]. Расчетное значение критерия равно DW=2,052. Табличные значения Dl=1,54, Du=1,78, промежуточные значения 4-01=2,46 и 4-0и=2,22. В результате расчетное значение принадлежит интервалу от Ои до 4-Ои, что свидетельствует о независимости остатков.
Предположение о нормальности остатков может быть проверено с помощью показателей асимметрии и эксцесса [6]: \А\ = 0,145 < 01 = 0,75 и |Э| = 0,189 < /)., = 2,84, следовательно, гипотеза о нормальном распределении остатков принимается.
Таким образом, построенная модель адекватна и может быть использована в процессе оценки стоимости стиральных машин.
В качестве апробации работы модели рассмотрим оценку стоимости стиральной машины марки LG, с максимальной загрузкой 6 кг, с дисплеем, с инверторным двигателем, сделанный в России. Согласно модели, стоимость такой стиральной машины составит 21 тыс. рублей. Ошибка аппроксимации составляет А=2,5%.
Если рассмотреть только новые стиральных машин, т.е. исключить из рассмотрения переменную х20, то можно отметить, что количество значимых факторов сокращается, но при этом сила их влияния возрастает по сравнению с ситуацией 1. Регрессионный анализ позволил построить следующее линейное уравнение оценки стоимости новых стиральных машин:
у = 64,1 + 11,49х + 0,76х + 1,6х + 0,02х + 0,01х - 1,6х + 6,9х + 2,49х - 0,86х + 1,6х + 9,5х
J ' ' х2 ' хз ' х4 ' х5 ' х6 ' х7 ' х10 ' х12 ' х15 ' х16 ' х19
По критерию Стьюдента значимыми стали такие переменные как: x5 (максимальная скорость отжима), x7 (уровень шума при стирке), x12 (режим «обработка паром»).
Коэффициент детерминации полученной модели составляет R2=0,804.Полученная модель удовлетворяет условиям Гаусса-Маркова, и, следовательно, её также можно использовать для прогнозирования.
Если рассмотреть отдельно стиральные машины азиатского и европейского производства, то корреляционный анализ показал другие зависимости между переменными (табл. 2).
Таблица 2
Корреляционная зависимость цены от факторов для азиатских и европейских стиральных машин
Производство стран Азии факторы X2 X4 X5 X7 X10 X12 X18 X19 Х20
корреляция 0,5082 0,7082 0,7489 -0,7031 0,5524 0,6445 0,5089 0,6026 0,6633
Производство стран Европы факторы X1 X6 X8 X9 X11 X13 X14 X15 Х17
корреляция -0,0027 0,466 -0,189 -0,0694 0,4362 0,4796 -0,0277 0,0962 0,3989
факторы X18 X20
корреляция 0,3479 0,4791
Наиболее значительные изменения влияния на цену параметров, по сравнению с таб. 1 можно наблюдать для стиральных машин производства стран Азии. У стиральных машин азиатского производства такие параметры, как тип двигателя (х4), уровень шума при стирке (х7) приобрели наиболее весомое значение. В то же время, такие параметры, как габаритные размеры (х2), режим «антиаллергия» (х12) практически потеряли свою значимость.
Коэффициент детерминации полученной модели стиральных машин производства стран Азии составляет R2=0,904, а по моделям стиральных машин европейского производства - R2=0,839. Полученные модели удовлетворяют условиям Гаусса-Маркова, и, следовательно, их также можно использовать в прогнозировании.
В качестве заключения, можно отметить, что проведенный анализ позволил выделить основные ценообразующие факторы на рынке стиральных машин; показать их зависимость от места производства и возраста; определить класс стиральных машин наиболее популярных у потребителей; построить оценочные модели для определения стоимости стиральных машин в каждой группе.
Библиографический список
1.Тиндова М.Г. Интеллектуальная обработка информации в области оценки недвижимости // Прикладная информатика. - 2007. - № 5 (11). - С. 3-10.
2.Тиндова М.Г. Использование нечёткого логического вывода при решении различных классов оценочных задач // Модели, системы, сети в экономике, технике, природе и обществе. - 2013. - № 3 (7). - С. 106-109.
3.Жичкин К.А. Источники ущерба при нецелевом использовании земель сельскохозяйственного назначения и их фиксация при определении размера потерь // Инновационное развитие аграрной науки и образования: сборник трудов: Международной научно-практической конференции, посвященной 90-летию чл.-корр. РАСХН, Заслуженного деятеля науки РСФСР и РД, профессора М.М. Джамбулатова. - 2016. - С. 252-261.
4.Тиндова М.Г. Анализ сезонности в модели прогноза платных услуг населению в РФ // Вестник торгово-технологического института. - 2016. - № 10. - С. 115-120.
5.Мендель А.В., Фадеева Н.П. Статистические методы и мониторинг социально-экономического развития муниципальных образований // Вестник Саратовского государственного технического университета. - 2013. - Т. 4. -№1(73). - С. 318-322.
6.Тиндова М.Г. Использование нечёткого моделирования при решении управленческих задач рационального землепользования // Международный научно-исследовательский журнал. - 2013. - № 3-1 (10). - С. 108-110.
ОВЧИННИКОВА ЕЛИЗАВЕТА АЛЕКСЕЕВНА - студент факультета экономической безопасности и таможенного дела, Саратовский социально-экономический институт (филиал) РЭУ им. Г.В. Плеханова, Россия.
