服装销售额预测(DOC).doc

服饰销售额的展望(DOC)泉州师范学院毕业论文（设计）题 目服饰销售额的展望数学与计算机科学 学院 信息与计算科学 专业** 级学生姓名 *** 学号 *******指导教师 *** 职 称 讲课老师达成日期 2014-11-10/教务处 制服饰销售额的展望泉州师范学院 **** 级信息与计算科学 *******指导老师：*** 职称：讲课老师【纲要】本文利用Excel软件进行多元线性回归剖析，选用福建省宁德市***衣衣不舍服饰店职工薪资、宣传花费及周转资本这三个多变的要素做自变量，以服饰月销售额为因变量，利用多元线性回归的知识进行模型成立、模型的检验修正、以及模型的解说剖析， 并依据结果给出相应的建议， 为店东供给参照，方便店东依据展望结果， 进行适合调整，防止损失，同时增添竞争优势重点词】多元线性回归模型 ;销售额;展望;Excel 软件1. 研究背景俗语说：爱美之心，人皆有之每一个人都有对美的追求，不论男女而对美的追求不只是在人的相貌上，还表此刻人们的衣着上特别是女生，对个人衣着特别看重改革开放以来，国家的经济不停发展，居民个人收入随之也不停增添，居民物质生活水平也在不停提升,人们对衣着的要求已经不但单满足于能遮羞，能保护柔弱的人体免于天气与环境的危害，更多的是装饰自己，增添自己的雅观度。

因此愈来愈多的服饰店出此刻大家眼前，竞争也随之增大想要在服饰业站稳脚跟，看的是个人经营服饰店能否经营有方主要看的是服饰的销售额，因此我们要对服饰月销售额有个展望，方便店东适合进货，防止供大于求，造成货物聚积滞销，同时依据模型给出的结论进行战略调整服饰的销售额与好多要素有关，如店面大小、店面装饰状况、服饰质量及雅观度等等都有关考虑到店面大小、店面装饰程度关于一般的店面变化都不大，因此没有研究价值职工薪资、宣传花费及周转资本这三个要素每个月都会有所不一样，因此本文选用这三个要素作为自变量，以服饰月销售额为因变量进行多元线性回归剖析2.模型介绍在现有的统计模型中，多元线性回归模型是一种最常用的剖析技术它主要用于研究一个随机变量与多个变量之间的线性关系它用观察数据拟合所关注的变量与影响它变化的变量之间的线性关系式，剖析这些影响变量的作用程度，从而用一个或多个变量的变化来解说和展望所关怀变量的变化趋向多元线性回归作为一种研究变量间相随改动关系的有效工具，拥有形式简洁、计算方便等特色它经历了长久的发展和完美，已经形成了一套成熟的理论方法早在18世纪，多元线性回归剖析的核心技术“最小二乘法”就已被高斯应用于行星轨道的测定。

此刻，多元线性回归的应用范围已几乎波及到技术、经济、社会科学的各个研究领域在科研和生产的很多实质问题中，经常碰到多要素试验研究试验指标y与p（p2）个要素zj(j=1,2...,p)间的定量关系问题，称为多元回归问题关于仅研究y与zj间的线性定量关系问题，称为多元线性回归问题若是有p个要素,进行N次试验，则多元线性回归问题所要追求的回归模型为yi=0+1zi12zi2...pzipi，i=1,2,...,N此中，0,1...p是p+1个待预计参数；z1,z2...zp是p个可严格控制的自然要素；1,2...N是N1个互相独立且听从同一正态散布 N（0， 2）的随机变量3.Excel 软件本文运用 Excel软件来办理原始数据Excel是一个面向商业、科学和工程计算，以电子表格的方式来管理数据的数据剖析软件它的主要长处是拥有对数据进行剖析、计算、汇总的强盛功能在回归设计的实践中， 一些计算机软件能够解决多元回归剖析求解问题， 但经常是数据的输入和软件的操作运用要经过特意的训练而 Excel软件有关于多元剖析的其余常用软件如： SAS,Origin,SPSS等，更简单易操作，为回归剖析的求解给出了特别方便的过程。

4.数据采集4.1数据根源本文的数据根源于福建省宁德市柘荣县衣衣不舍服饰店 ，数据包含2013年该店的销售额、店面大小、宣传花费等4.2 变量选用本文选用的自变量有 3个：x1：职工薪资x2:宣传花费x3：周转资本因变量Y为服饰销售额4.3 原始数据表4-1( 原始数据）2013年衣衣不舍服饰店销售额 (元）月份职工薪资（元）宣传花费（元）周转资本（元）销售额(元）13100180012500495872330020001445053534327001600115004734642900190010500487665350022501570055412634002550140005502372800165010000482758280015801650048322936002150180005622010350019001400055680211325018001300052112123650250024000599375. 模型成立及查验5.1 模型成立本文波及展望及自变量对因变量影响大小剖析， 在现有统计模型中， 多元线性回归剖析是最为常用的剖析技术，因此本文运用它来进行剖析展望成立方程 1：y b0 b1x1 b2x2 b3x3此中b0表示在职工薪资、宣传花费、周转资本支出为 0的状况下的销售额为 b0元；b1表示在宣传花费和周转资本一准时，职工薪资每增添 1元，服饰的销售额均匀增添 b1元；b2表示在职工薪资和周转资本一准时，宣传花费每增添 1元，服饰的销售额均匀增添 b2元；b3表示当职工薪资及宣传花费一准时，周转资本每增添 1元，服饰销售额均匀增添 b3元。

我们利用 Excel软件中的数据剖析功能，对数据进行办理，过程以下列图：选择菜单栏中的数据 数据剖析 回归 确立先选定因变量销售额这一栏，数据、标记销售额都要，以下列图：3再选定职工薪资、宣传花费、周转资本这三栏，依旧是数据标记都要，操作过程以下列图：所得结果以下：表5-1（自变量与销售额的回归统计表）MultipleR0.985545RSquare0.971298AdjustedRSquare0.960535标准偏差759.302观察值12表5-2（自变量回归剖析表）Coefficients标准偏差tStatP-valueLower95%Upper95%下限95.0%上限95.0%Intercept22920.8052380.722599.62766750.00001117430.8493528410.76217430.84928410.762职工薪资6.22041441.247534134.98616770.00107123.34359559.09723323.34359559.0972332宣传花费2.51942041.196134842.10630130.068265-0.238871515.2777123-0.2388725.2777123周转资本0.32166810.082274623.90968870.0044830.1319425310.51139370.13194250.5113937由表5-2第一列可知回归系数： b0=22920.81，b1=6.220414，b2=2.51942，b3=0.321668依据回归系数可成立以下多元线性回归方程1：y=22920.81+6.220414x1+2.51942x2+0.321668x3当宣传花费和周转资本一准时，职工薪资每增添1元，服饰的销售额均匀增添6.220414元；当员工薪资和周转资本一准时，宣传花费每增添1元，服饰的销售额均匀增添2.51942元；当职工薪资及宣传花费一准时，周转资本每增添1元，服饰销售额均匀增添0.321668元。

4判断系数为97.13%，这说明在服饰销售额的改动中，97.13%是跟职工薪资、宣传花费、周转资本有关，2.87%的要素是随机偏差造成的5.2 模型明显性查验因为这些自变量是我们人为选用的可能对因变量销售额有影响的要素， 但这些变量可能对因变量的影响都不大，这时该模型就毫无心义，无需持续下去，因此要对模型进行明显性、拟合度查验，剔除没关变量 方程明显性查验F 查验因为数据办理后的结果有波及方差剖析表，因此我们将公式表列出：表5-3（方差剖析表公式）差别源SSdfMSF明显性MSR=SSRMSR回归SSRmmFMSeMSeSSeSSenm11)残差(nm总和SSTn1依据以上公式，办理数据 所得结果:表5-4（办理所得方差剖析表）dfSSMSFSignificanceF回归剖析31560849595202832090.2424080.000002残差84612316.62576。