Syntha Lab EN

Множественная регрессия: вклад цены, скидки и трафика в продажи

По таблице периодов оценивает, как продажи зависят сразу от трёх факторов (например, цена, глубина скидки, трафик): коэффициенты с доверительными интервалами и p-значениями, R², проверку взаимосвязи факторов (VIF), эффект сдвига фактора на одно СКО и прогноз при заданных значениях с интервалом.

Маркетинговый бюджет и проверка эффекта Для кого: Аналитикам и маркетологам, которым нужно разделить вклад цены, скидки и трафика в продажи.

Посчитать на своих данных →

Коротко

Какой вопрос решает расчёт?
На сколько штук меняются продажи при изменении одного фактора, если остальные не меняются, и насколько можно верить модели.
Какие данные нужны?
Продажи и до трёх факторов по неделям или месяцам.
Как читать результат?
Пример на значениях по умолчанию (24 недели): R² 98,3 %, коэффициенты: цена −0,046 шт. за рубль, скидка 3,14 шт. за процентный пункт, трафик 0,91 шт. за тысячу. Прогноз при цене 3 900, скидке 15 % и трафике 120: 239 шт., интервал от 228 до 251. Пример на значениях по умолчанию: R²: 98,3 %; Скорректированный R²: 98 %; Стандартная ошибка модели: 5,3; Значимость модели в целом (p, F-тест): <0,05 %. Цифры условные: введите свои, чтобы увидеть свой результат.

Зачем и как рассуждать

Продажи зависят от нескольких причин сразу: цена, скидка, трафик. Если смотреть на каждую по отдельности, получится путаница: скидка совпала с ростом трафика, и непонятно, кто помог. Множественная регрессия подбирает коэффициенты так, чтобы сумма квадратов отклонений от фактических продаж была наименьшей: b = (XᵀX)⁻¹Xᵀy. Результат: продажи = 261 − 0,046 × цена + 3,14 × скидка (п. п.) + 0,91 × трафик. Читается так: рост цены на 100 ₽ снижает продажи на 4,6 штуки, каждый пункт скидки добавляет 3,1 штуки, а каждый посетитель 0,9. R² 98 % показывает, что три фактора объясняют почти всю изменчивость. Для каждого коэффициента есть интервал и p-значение. VIF проверяет, не связаны ли факторы между собой: при 1,1 всё в порядке. Прогноз при цене 3 900, скидке 15 и трафике 120 равен 239 с интервалом 228–251.

Когда применять

Расчёт нужен, когда есть история по периодам с достаточным числом наблюдений (минимум в 5–10 раз больше факторов) и факторы менялись независимо. Не применяйте, если факторы двигались вместе (скидка всегда с рекламой) или периодов мало: тогда коэффициенты нестабильны. Допущения: связь линейна, ошибки независимы, нет скрытых факторов (сезон, конкуренты), будущее похоже на прошлое.

Как читать результат

Смотрите на три вещи. Знак и размер коэффициентов: совпадают ли они со здравым смыслом (цена уменьшает, скидка увеличивает). Интервалы и p-значения: коэффициент с интервалом, включающим ноль, не доказан. VIF: если выше порога (5), факторы дублируют друг друга, и коэффициенты нельзя трактовать отдельно. «Эффект сдвига на одно СКО» помогает сравнить факторы разной размерности. Интервал прогноза показывает диапазон: если цель лежит в нём, результат достижим. Сопоставьте вывод с тестом: регрессия показывает связь, а не доказывает причину. Полезно записать итоговую формулу словами для коллег («плюс скидка в один пункт даёт около трёх штук»): так модель становится понятным правилом, а не чёрным ящиком.

Типичные ошибки

Чаще всего ошибаются так: подгонять модель под высокий R² добавлением факторов, прогнозировать за пределами наблюдаемых значений, не проверять VIF, брать недели с дефицитом как спрос, принимать связь за причину. Для решения о цене подтвердите коэффициент небольшим тестом. Не включайте в модель факторы, которые вы сами устанавливаете одновременно (скидка и реклама в одни недели): их влияние не разделить.

Какие данные нужны?

  • Продажи и до трёх факторов по неделям или месяцам.
  • Не меньше трёх наблюдений сверх числа параметров.
  • Значения факторов для прогноза.

Какие поля вводятся

ПолеЕдиницаЗначение в примереЧто означает
Фактор 1 в прогнозе3 900Значение первого фактора (в примере цена), при котором считается прогноз. Пусто: прогноз не считается.
Фактор 2 в прогнозе15Значение второго фактора (в примере глубина скидки). Нужно, если фактор 2 используется. Необязательно. Пусто: поле не учитывается (в суммах считается нулём).
Фактор 3 в прогнозе120Значение третьего фактора (в примере трафик). Нужно, если фактор 3 используется. Необязательно. Пусто: поле не учитывается (в суммах считается нулём).
Порог VIF для предупреждения5Выше порога факторы слишком похожи друг на друга, и коэффициенты нестабильны. Единого норматива нет, берут 5 или 10; значение ваше.

Как считается

ШагФормула
Коэффициентыb = (XᵀX)⁻¹ Xᵀ y
Ошибкиσ² = SSE ÷ (n − p); ошибка коэффициента = √(σ² × диагональ (XᵀX)⁻¹)
t, pt = коэффициент ÷ ошибка; p по распределению Стьюдента с n − p степенями свободы
R²1 − SSE ÷ SST; скорректированный: 1 − (1 − R²) × (n − 1) ÷ (n − p)
VIF1 ÷ (1 − R² регрессии фактора на остальные)
Интервал прогноза± t × σ × √(1 + x₀ᵀ (XᵀX)⁻¹ x₀)

Пример на цифрах

Значения по умолчанию из приложения; в интерактивной версии вы подставляете свои.

R²
98,3 %Какая доля разброса продаж объяснена факторами. Растёт при добавлении любого фактора.
Скорректированный R²
98 %R² с поправкой на число факторов: растёт, только если фактор полезен.
Стандартная ошибка модели
5,3Типичное отклонение факта от модели, в единицах продаж.
Значимость модели в целом (p, F-тест)
<0,05 %
Наблюдений
24
Свободный член
261,09
Коэффициент: Фактор 1
−0,046Изменение продаж при росте фактора на единицу и неизменных остальных; интервал от −0,055 до −0,037, p 0 %.
Коэффициент: Фактор 2
3,14Изменение продаж при росте фактора на единицу и неизменных остальных; интервал от 2,867 до 3,414, p 0 %.
Коэффициент: Фактор 3
0,914Изменение продаж при росте фактора на единицу и неизменных остальных; интервал от 0,739 до 1,088, p 0 %.
Наибольший VIF
1,11×
Прогноз продаж при заданных факторах
239
Прогноз: нижняя граница 95 %
228
Прогноз: верхняя граница 95 %
251
Факт и модель: чем ближе к линии, тем точнее
Диаграмма рассеяния: 24 точки; линия регрессии: y = 0 + 1·x100150200250300350150200250300350188; 186191; 194225; 224196; 194246; 241201; 200227; 235167; 170169; 176301; 304225; 227219; 221181; 172184; 190218; 222190; 193239; 230155; 145262; 257201; 199204; 206295; 296179; 182213; 210Продажи по модели, шт.↑ Продажи факт, шт.
  • точки
  • линия регрессии: y = 0 + 1·x
Данные таблицей
Продажи по модели, шт.Продажи факт, шт.
187,7186
190,5194
224,6224
195,9194
245,8241
201,4200
226,7235
166,7170
169,4176
301304
225,2227
219,1221
181,3172
184190
218,2222
189,5193
239,4230
154,8145
261,5257
201,4199
204,2206
294,5296
178,6182
212,7210
Эффект сдвига фактора на одно СКО, % к средним продажам
Столбчатая диаграмма: Фактор 1 −5,5, Фактор 2 13,3, Фактор 3 6−10−5051015Фактор 1Фактор 1Эффект: −5,5−5,5Фактор 2Фактор 2Эффект: 13,313,3Фактор 3Фактор 3Эффект: 66%
Данные таблицей
ПоказательЭффект
Фактор 1−5,5
Фактор 213,3
Фактор 36

Коэффициенты модели

ЧленКоэффициентСтандартная ошибкаtp, %Нижняя 95 %Верхняя 95 %VIF
Свободный член261,0920,05913,020219,247302,933—
Фактор 1−0,0460,004−10,320−0,055−0,0371,03
Фактор 23,140,13123,9702,8673,4141,11
Фактор 30,9140,08410,9200,7391,0881,09

Регрессия показывает связь, а не причину: если скидки давали в сезон высокого трафика, их эффект смешивается с сезоном. Добавьте сезонный фактор или считайте внутри одного сезона. Интервал прогноза верен внутри диапазона ваших данных.

Нюансы и ограничения

  • Читать коэффициент как причину: скидки и сезон могут совпадать.
  • Включать сильно связанные факторы (VIF выше порога): коэффициенты прыгают.
  • Прогнозировать вне диапазона данных: линия там не проверена.

Термины расчёта

Посчитать на своих данных →