2 つの曲線間の変化を他の 2 つの曲線間の変化と統計的に比較する方法。2つの店舗を持っています。各ストアはセールを行うと通知を送信します。 通知には、特定の商品が販売された数が示されます。
通知がない日もあれば、通知が数回ある日もあります。 たとえば、ストア A は、2019 年 1 月には合計 78 品目のうち 45 件の通知を送信しましたが、2020 年 1 月には合計 68 品目について 40 件の通知が送信されました。
通知に関する月次レポートを受け取ります。 年間のアイテムの累計売上を示す列を作成しました。
2019年と2020年のアイテムの累計売上を比較しています。 新型コロナウイルスの影響で、2020年の累計売上は明らかに減少していることがわかりました。 ここで、2020年の新型コロナウイルスによる売上減少（2019年比）について、両店舗を比較してみたいと思います。 たとえば、店舗 A では、2019 年と比較して、2020 年の商品の総売上高が 11% 減少しましたが、店舗 B の減少はわずか 6% でした。
減少を比較するための統計的検定が必要です。問題は、同じ店舗でも月ごと、年ごと、また同じ期間でも店舗ごとに通知数が異なることです。
新型コロナウイルスが 2 つの店舗に異なる影響を与えたかどうかをテストするにはどうすればよいですか?
高度な統計モデリング消費者および市場調査コンテンツの構成データのブレンディングとクリーンアップマスカスタマイゼーションウィンドウズRe: 2 つの曲線間の変化を他の 2 つの曲線間の変化と統計的に比較する方法。あなたがた両方に感謝します。 あなたの答えを学び、必要に応じて返信させていただきます。
Re: 2 つの曲線間の変化を他の 2 つの曲線間の変化と統計的に比較する方法。年間総売上高の減少を比較することに興味があるのであれば、私は次の意見に同意します。 @dale_lehmanグラフを使用してすでにそれを行っていることを示します。
しかし、他にも考えられる仮説はあります。 複数の通知、複数の項目、および「同じ店舗でも月ごと、年ごと、同じ期間でも店舗ごとに通知数が異なる」と記載されています。 では、たとえば、個々の商品の年間総売上高の減少は、店舗全体の売上高と同様に比較できるのでしょうか、店舗内/店舗間の個々の商品の売上も同様に影響を受けたのでしょうか、それとも異なる影響を受けたのでしょうか? 次に、個々の品目レベルで数量を計算し、それらの数量を比較できます。
このプロットで私が興味を持ったのは、均一ポアソン過程 (HPP) モデルが適切である可能性があるということです。 累計数量を描画しましたが、「同じ店舗でも月ごと、年ごと、同じ期間でも店舗ごとに通知数が異なる」とありました。
受け取った通知の数がどれほど不規則であっても、累積数量は 2019 年は直線的であり、2020 年は区分的に線形であるように見えます。 これは、HPP モデルが 2019 年の有力な候補であることを示唆しています。 また、店舗間の再発率 (月次売上の代用) を比較することもできます。
一方、私にとってより興味深いのは 2020 年の曲線です。これは 1 年全体で直線ではありませんが、区分的に直線的に見えるため、次のスクリーンショットでは数字を使用してマークアップしています。 さらに詳しく見てみると、期間 1 は 2019 年の同時期と比較してわずかに増加しています。これは、2019 年の同時期と比較して再発率が高いことを意味します。 それはテストのための可能な仮説です。 次に、期間 3 は 2019 年の同じ期間とわずかにずれています (完全に平行しているのではなく)。これは、2019 年の同じ期間と比較して再発率が低いことを意味します。 もう一つの仮説。 間違いなく、期間 2 は、店舗 A がほぼ閉店したことを示しています。 次に、期間 4 に注目してください。これは、店舗 B が 2020 年を 2019 年と同じ販売実績で開始したかどうかの仮説を示唆している可能性があります。 期間 5 は影響を示唆していますが、店舗 A で起こったことほど深刻ではありません。別の仮説。 期間 6 では、店舗 B が 2019 年の同時期と比較してわずかに増加していることがわかります (2020 年後半、店舗 B は 2019 年の同時期よりも好調でした) が、たとえほんのわずかであっても、これは仮説を示唆しています。 HPP に適合させるには、次を使用する必要があります。再発プラットホーム。
Re: 2 つの曲線間の変化を他の 2 つの曲線間の変化と統計的に比較する方法。私の最初の反応は、あなたはすでにそれをやったということです。グラフは確かに、新型コロナウイルスが 2 つの店舗の売上にどのような影響を与えたかに違いがあることを示唆しています。私の意見では、統計テストを実施しても、これらのグラフにほとんど何も加えられません。もちろん、さまざまな軌跡が単なるランダムな変動ではないかどうかを知りたいので、このテストは無意味ではありません。ここで、グラフが少し奇妙であることに気づきました。2019 年の線は近似関係であると思われます。データが完全に線形であるとは思えません。したがって、ランダムな変動の尺度となるのは、実際には線の周囲の点の背景変動であり、どのようなテストを行う場合でも、売上のさまざまな減少をその変動と比較することになります。そうする方法はいくつかあると思います。私が試みる 1 つは、時系列モデルを 2019 年のデータに当てはめて (特にデータに季節性がある場合は可能であればさらに遡って)、予測区間との関係で 2020 年がどの位置に位置するかを確認することです。各店舗のデータは、売上の減少が、新型コロナウイルスの影響ではなく、単にランダムな変動によるものである可能性を示す確率的な尺度を生成する必要があります。2 つの店舗のこれらの確率的測定を比較できます。
他の人が実行する「テスト」を提案できると確信していますが、実際のデータポイントをグラフに追加すれば、あなたの質問にはグラフで十分であると私自身が考えています。実際のデータがグラフの線に直接当てはまれば、テストする必要もなく、その図があなたの質問に答えていると思います。
