So vergleichen Sie statistisch eine Änderung zwischen zwei Kurven mit der Änderung zwischen zwei anderen Kurven.Ich habe zwei Geschäfte. Jedes Geschäft sendet eine Benachrichtigung, wenn es einen Verkauf tätigt. Die Benachrichtigung gibt an, wie viele eines bestimmten Artikels verkauft wurden.
An manchen Tagen keine Benachrichtigungen, an anderen Tagen mehrere. Beispielsweise sendet Geschäft A 45 Benachrichtigungen über insgesamt 78 Artikel für Januar 2019, verglichen mit 40 Benachrichtigungen über insgesamt 68 Artikel für Januar 2020.
Ich erhalte einen monatlichen Bericht über die Benachrichtigungen. Ich habe eine Spalte mit den kumulierten Verkäufen des Artikels im Laufe des Jahres erstellt.
Ich vergleiche die kumulierten Verkäufe des Artikels in den Jahren 2019 und 2020. Ich stelle aufgrund von Covid einen deutlichen Rückgang der kumulierten Verkäufe im Jahr 2020 fest. Nun möchte ich die beiden Geschäfte hinsichtlich des COVID-bedingten Umsatzrückgangs im Jahr 2020 (im Vergleich zu 2019) vergleichen. Zum Beispiel verzeichnete STORE A im Jahr 2020 einen Rückgang der Gesamtverkäufe des Artikels um 11 % im Vergleich zu 2019, während Store B nur einen Rückgang von 6 % verzeichnete.
Ich hätte gerne einen statistischen Test, um den Rückgang zu vergleichen. Das Problem besteht darin, dass die Anzahl der Benachrichtigungen zwischen Monat und Jahr für dasselbe Geschäft und zwischen Geschäften für denselben Zeitraum unterschiedlich ist.
Wie kann ich testen, ob die beiden Geschäfte unterschiedlich von Covid betroffen waren?
Erweiterte statistische ModellierungVerbraucher- und MarktforschungInhaltsorganisationDatenmischung und -bereinigungMassenanpassungWindowsBetreff: Wie kann man eine Änderung zwischen zwei Kurven statistisch mit der Änderung zwischen zwei anderen Kurven vergleichen?Danke euch beiden. Ich werde Ihre Antworten erfahren und mich bei Bedarf bei Ihnen melden.
Betreff: Wie kann man eine Änderung zwischen zwei Kurven statistisch mit der Änderung zwischen zwei anderen Kurven vergleichen?Wenn es darum geht, den Rückgang des gesamten Jahresumsatzes zu vergleichen, stimme ich dem zu @dale_lehman dass Sie es anhand der Grafik bereits getan haben.
Aber es gibt noch andere Hypothesen, die Sie aufstellen könnten. Sie haben Folgendes erwähnt: mehrere Benachrichtigungen, mehrere Artikel und „die Anzahl der Benachrichtigungen unterscheidet sich zwischen Monat und Jahr für dasselbe Geschäft und zwischen Geschäften für denselben Zeitraum“. Ist beispielsweise der Rückgang des jährlichen Gesamtumsatzes einzelner Artikel ähnlich vergleichbar mit dem Rückgang der Verkäufe ganzer Filialen? Werden die Verkäufe einzelner Artikel innerhalb/zwischen Filialen ähnlich oder unterschiedlich beeinflusst? Anschließend können Sie die Mengen auf der Ebene einzelner Artikel berechnen und diese Mengen vergleichen.
Was mich an der Handlung interessiert, ist, dass ein homogenes Poisson-Prozess-Modell (HPP) geeignet sein könnte. Sie haben kumulierte Mengen ermittelt, aber erwähnt, dass „die Anzahl der Benachrichtigungen zwischen Monat und Jahr für dasselbe Geschäft und zwischen Geschäften für denselben Zeitraum unterschiedlich ist“.
Unabhängig davon, wie unregelmäßig die Anzahl der Meldungen einging, sind die kumulierten Mengen für 2019 linear und für 2020 stückweise linear. Das ist für mich ein Hinweis darauf, dass ein HPP-Modell ein guter Kandidat für 2019 ist. Und Sie können die Wiederholungsraten (ein Stellvertreter für monatliche Verkäufe) zwischen den Geschäften vergleichen.
Interessanter sind für mich inzwischen die Kurven für 2020, die zwar nicht für das ganze Jahr gerade sind, mir aber stückweise linear erscheinen und ich sie im folgenden Screenshot mit Zahlen markiere. Schauen Sie nun genauer hin, Periode 1 weist im Vergleich zum gleichen Zeitraum im Jahr 2019 einen leichten Anstieg auf, was eine höhere Wiederholungsrate im Vergleich zum gleichen Zeitraum im Jahr 2019 bedeutet. Das ist eine mögliche Hypothese zum Testen. Als nächstes weist Periode 3 eine leichte Abweichung (im Gegensatz zu einer völligen Parallele) zum gleichen Zeitraum im Jahr 2019 auf, was eine geringere Wiederholungsrate im Vergleich zum gleichen Zeitraum im Jahr 2019 bedeutet. Eine weitere Hypothese. Zweifellos deutet Periode 2 darauf hin, dass Geschäft A fast geschlossen wurde. Schauen Sie sich nun Zeitraum 4 an, der eine Hypothese nahelegen könnte, ob Geschäft B das Jahr 2020 mit der gleichen Umsatzleistung wie 2019 startete. Periode 5 deutet auf Auswirkungen hin, die jedoch nicht so schlimm sind wie das, was bei Store A passiert ist. Eine weitere Hypothese. In Periode 6 sehe ich für Filiale B einen leichten Anstieg im Vergleich zum gleichen Zeitraum im Jahr 2019 (später im Jahr 2020 schnitt Filiale B besser ab als im gleichen Zeitraum im Jahr 2019), wenn auch nur ganz leicht, aber auch das legt eine Hypothese nahe. Um HPP zu passen, müssen Sie verwenden Wiederauftreten Plattform.
Betreff: Wie kann man eine Änderung zwischen zwei Kurven statistisch mit der Änderung zwischen zwei anderen Kurven vergleichen?Meine erste Reaktion ist, dass Sie es bereits getan haben.Die Grafiken deuten sicherlich auf einen Unterschied in der Art und Weise hin, wie sich COVID auf die Verkäufe in den beiden Geschäften ausgewirkt hat.Die Durchführung eines statistischen Tests würde meiner Meinung nach wenig zu diesen Diagrammen beitragen.Natürlich ist der Test nicht bedeutungslos, da Sie wissen möchten, ob es sich bei den verschiedenen Trajektorien nicht nur um zufällige Variationen handelt.Hier finde ich die Grafiken etwas seltsam.Ich vermute, dass es sich bei den Linien von 2019 um angepasste Beziehungen handelt – ich bezweifle, dass die Daten vollkommen linear sind.Es ist also eigentlich die Hintergrundvariabilität der Punkte um die Linien herum, die ein Maß für die zufällige Variation darstellt, und welcher Test auch immer Sie durchführen, besteht darin, die unterschiedlichen Umsatzrückgänge mit dieser Variabilität zu vergleichen.Ich vermute, dass es mehrere Möglichkeiten gibt, dies zu tun.Ich würde versuchen, ein Zeitreihenmodell an die Daten von 2019 anzupassen (und wenn möglich weiter zurück, insbesondere wenn die Daten Saisonalität aufweisen) und dann zu sehen, wo 2020 im Verhältnis zu einem Vorhersageintervall liegt.Die Daten jeder Filiale sollten ein probabilistisches Maß dafür liefern, wie wahrscheinlich es ist, dass der Umsatzrückgang nur auf zufällige Schwankungen und nicht auf einen COVID-Effekt zurückzuführen ist.Sie können diese Wahrscheinlichkeitsmaße für die beiden Geschäfte vergleichen.
Ich bin mir ziemlich sicher, dass andere Leute „Tests“ zur Durchführung vorschlagen können – aber ich bin der Meinung, dass die Diagramme für Ihre Frage ausreichen könnten – sobald Sie die tatsächlichen Datenpunkte hinzufügen.Wenn die tatsächlichen Daten direkt auf die Linien in Ihren Diagrammen fallen, dann beantwortet das Bild meiner Meinung nach Ihre Frage, ohne dass ein Test erforderlich ist.
