¿Tipo de ajuste y cómo calcular el aumento?Hola,
Estoy tratando de averiguar si existe una correlación entre los costos de marketing y las ventas realizadas durante el año en curso.
Primero, no estoy seguro de qué tipo de ajuste usar para los datos que tengo.
Ajuste lineal: RS cuadrado 0,255 (ANOVA p
Ajuste polinomial 2 - RS cuadrado 0,263 (ANOVA p
Por lo que entiendo, el ajuste polinómico cuadrático ofrece una mejor explicación de la varianza, pero también una mayor posibilidad de error. Cuando también grafico los residuos, el gráfico de cuantiles normal no es normal para mí, y lo mismo ocurre con el ajuste lineal y todo tipo de ajustes polinomiales.
Incluso después de aplicar las pruebas, no estoy seguro de cómo demostrar que con el aumento de los costos de marketing las ventas también aumentan y, finalmente, no sé cómo calcular cuánto aumentan.
También subiré el archivo en caso de que lo necesite.
Tabla de datosRe: tipo de ajuste y como calcular el aumento?Parece que esta es una tarea. ¿Qué tal configurar Graph Builder con un filtro de datos local como en el siguiente gráfico? ¿Debería eso cambiar tu enfoque?
Re: tipo de ajuste y como calcular el aumento?Gracias por las respuestas.
Por lo que tengo entendido, Graph Builder haría el trabajo, ya que solo tendría que explicar lo que se ve en el gráfico.
Sin embargo, ¿hay alguna forma de medir la correlación entre el cambio en los costos de marketing y las ventas, de modo que pueda obtener un número que muestre cuánto aumentan (disminuyen) las ventas con un aumento en los costos de marketing?
Re: tipo de ajuste y como calcular el aumento?Es posible que desee echar un vistazo a la ejecución de un modelo de ajuste en las ventas del año actual, especificando el costo de marketing y el país como Efectos.Se me ocurrió un .93 Rsquare.Puede ayudar a explicar los datos con mayor precisión.
Re: tipo de ajuste y como calcular el aumento?En primer lugar, parece que se trata de datos sintéticos.Al explorar algunos modelos diferentes, parece que el aumento en las ventas está relacionado con los gastos de marketing, la estrategia de marketing y la variable Este / Oeste.El cuadrado R de alrededor de .88 no es tan alto como el de txnelson, pero prefiero este modelo porque tener a cada país como factor plantea la pregunta de por qué los países difieren.Dado el tamaño pequeño del conjunto de datos, creo que la variable Este / Oeste se acerca más a una buena explicación de los datos.La razón por la que digo que el día es casi con certeza sintética es que los datos caen en regiones casi perfectamente distintas (por estrategia de mercado y Este / Oeste, y es posible que desee agregar un término de interacción para esos 2) con solo una ligera desviación de un relación lineal después de tener en cuenta esas variables.Esto se vuelve claro al observar los gráficos de apalancamiento y los residuos.
