ich hab mich neu im Forum angemeldet und hoffe ihr könnt mir wie schon das ein oder andere Mal weiterhelfen. Ich bin ziemlich neu in R und ansonsten auch ziemlich unwissend was Statistik und Programmiersprachen angeht
Aktuell schreibe ich an einer Seminararbeit und soll eine Zeitreihenanalyse durchführen. Dabei geht es um die Prognose von zukünftigen Absatzzahlen eines Produktes. Im Anhang konnte ich schon einmal die Zeitreihenzerlegung durchführen - allerdings weiß ich jetzt nicht wirklich weiter. Das "Lehrbuch" empfiehlt mir, dass ich Dummyvariabeln einsetzen soll?
Wobei ich eher einen Strukturbruch durchführen würde und anschließend einen Chow oder F-test? Wäre der Ansatz richtig? Aber ich bin leicht überfordert mit der ganzen Sache
es gibt keinen Vorhersage-Vollautomaten in den man einfach eine Zahlenreihe eingibt und der dann automatisch das richtige Ergebnis ausspuckt. Außer der Zahlenreihe hast Du aber keine Infos gegeben. In dem gezeigten Diagramm reicht der saisonale Effekt von -5 bis <10 verkaufte Einheiten, hat also eine Range von nicht mal 15. Der verbliebene "Random"-Wert hat eine Range von 60, sodass saisonale Effekte allein nur unzureichend für eine Erklärung der Kurven sind. 2016 ließ sich das Produkt besonders gut verkaufen. Wenn Du herausfindest, was die guten Verkäufe 2016 erklären könnte, dann kannst Du diese Einflussfaktoren vielleicht auch in den anderen Jahren in die Analyse einbringen. Vielleicht hat die Häufung in 2016 danach aber auch abgenommen, weil Konkurrenten den Markt erobert haben?
Ob man Werbeausgaben, Konkurrenten oder einen heißen Sommer als Dummyvariable oder als Nicht-Dummy untersucht hängt vor allem von deren Skalenniveau ab.
JMTC,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
@bigben schade, solch ein Automat würde mir persönlich das leben deutlich leichter machen Was für Infos könntet ihr denn noch gebrauchen? Verstehe ich es richtig, das dummy-variabeln immer einen andere variable mit einbeziehen - also in meinem Beispiel das Wetter oder wie du schon sagtest hohe Werbeausgaben? Also meine zu erklärende Variable ist die Absatzmenge von daher würde ich sagen es handelt sich um ein Intervallskalenniveau, oder?
isic hat geschrieben: Mo Jun 03, 2019 4:50 pmWas für Infos könntet ihr denn noch gebrauchen?
Es gibt einen falschen und einen richtigen Weg. Der falsche ist, jetzt einfach alle Methoden die Du gelernt hast nach der Gießkann über diese Daten auszuschütten.
Der richtige, sich zu überlegen, was für ein Produkt ist das und was könnte dessen Absatzzahlen beeinflussen und an welche die Absatzzahlen möglicherweise beeinflussenden Werte komme ich ran. Wenn es sich z. B. um ein Produkt für Prepper handelt könnte man ja schauen, ob es 2016 besonders viele Terroranschläge gab.
Scheint mir eher eine betriebswirtschaftliche Fragestellung zu sein. Danach kommt dann irgendwann die statistische.
Verstehe ich es richtig, das dummy-variabeln immer einen andere variable mit einbeziehen - also in meinem Beispiel das Wetter oder wie du schon sagtest hohe Werbeausgaben?
isic hat geschrieben: Mo Jun 03, 2019 4:50 pmVerstehe ich es richtig, das dummy-variabeln immer einen andere variable mit einbeziehen - also in meinem Beispiel das Wetter oder wie du schon sagtest hohe Werbeausgaben.
Nein, so war das wohl nicht gemeint. Manche Daten lassen sich nur als ja/nein-Unterschied darstellen, zum Beispiel ob ein Unternehmen ein DAX-Konzern ist. So etwas wäre vielleicht sinnvoll, wenn man vermutet, dass sich Aktien im DAX anders entwickeln als im außerbörslichen Handel. (Ich habe keine Ahnung vom Aktienhandel.)
isic hat geschrieben: Mo Jun 03, 2019 4:50 pmAlso meine zu erklärende Variable ist die Absatzmenge von daher würde ich sagen es handelt sich um ein Intervallskalenniveau, oder?
Erst einmal vielen Dank für eure Antworten. Ich werde mich nochmal über den Datensatz her machen und schauen was ich sonst noch so daraus erkennen kann v
v