广告费用对销售收入的影响分析(doc 8页)

广告费用对销售收入的影响分析

(doc 8页)

部门： xxx

时间： xxx

整理范文，仅供参考，可下载自行编辑

闽江学

院《统计学》设计性实验报告

题目：广告费用对销售收入影响的分析系别：公共经济学与金融学系

年级：2009级

专业班级：金融班

姓名： XXXX

学号： 12009080XXXX

指导教师： XXXX

成绩：

广告费用对销售收入影响的分析

摘要：

广告是通过一定媒体向用户推销产品或招徕、承揽服务以达到增加了解和信任以至扩大销售目的的一种促销形式。当今世界，商业广告已十分发达，很多企业、公司、商业部门都乐于使用大量资金做广告。随着中国广告业的发展，广告已经不单单是促成销售的作用了。对于树立企业形象，塑造良好信誉都起到了很好的作用。

关键字：广告费用

一. 问题的提出

欧美与日本的广告费支出已占国民生产总值的2—2.5%，有的大型企业的广告费已达销售额的5—10%，如日本广告费用最多的七家公司，广告费支出占该公司销售总额的9.1—29.4%。中国的广告费支出比例低得多，如1992年广告总额为50亿元，只占国民生产总值的0.13%，人均4元多。人们把广告比作信息传播的使者、促销的催化剂、企业的“介绍信”、产品的“敲门砖”，甚至有人认为在今后的社会里，没有广告就没有产品，没有广告就没有效

益，没有广告的企业将寸步难行。这就是说，广告是企业促销必不可少的手段。能否有效地使用广告将直接关系到企业的成败。例如，某地“塔山酒厂”酿的酒质优价廉，属省优产品，开始自以为酒香不怕巷子深，结果在远销沿海的首次便吃了“闭门羹”，谁也不买帐，好酒到货数月无人问津。在这样的处境下，他们才心一横，借助该省电视台，唱起了“川北一枝花，幸福千万家”的酒神曲，仅半月时间，1500箱大曲一抢而空，空头订货数量也创历史最好水平，数十万利润魔术般装进自己的腰包，该厂厂长开了眼界，感慨道：酒香也怕巷子深，要靠广告敲开门。所以对广告费用对销售收入影响的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针。最后得到的收益不仅仅是最终的最佳模型以及结论，还有通过建模自身感触到的：任何一个结论的得出都需要实际操作与理论的结合、严谨的思考。

二．变量的选择分析

广告能激发和诱导消费。消费者对某一产品的需求，往往是一种潜在的需求，这种潜在的需要与现实的购买行动，有时是矛盾的。广告造成的视觉、感觉映象以及诱导往往会勾起消费者的现实购买欲望。有些物美价廉、适销对路的新产品，由于不为消费者所知晓，所以很难打开市场，而一旦进行了广告宣传，消费者就纷纷购买。另外，广告的反复渲染、反复刺激，也会扩大产品的知名度，甚

至会引起一定的信任感。也会导致购买量的增加。例如，美国有个小企业，专门生产塑胶产品，因知名度不高，销售量不高，后来选了一个专业性刊物做广告，为了取得积累性效果，在六个月内连续刊登12次，每半个月登一次，半年之后，这家企业的产品知名度从原来的9. 6%，提高到16%，销路终于打开。于是最终确定了以居民最终消费支出为被解释变量，以城镇居民储蓄、居民可支配收入、居民消费价格指数、人均旅游花费为解释变量的计量经济模型。

三．变量的设定和数据收集

1.变量设定

Y代表销售收入

X代表广告费用

μ随即扰动项，代表其他所有的影响因素

2.数据收集

企业编

号销售收入广告费用

1 618 45

2 3195 430

3 1675 240

4 753 160

5 1942 390

6 1019 80

7 906 50

8 673 130

9 2395 410

10 1267 200

11 531 40

12 1691 175

13 2580 510

14 93 10

15 192 50

16 1339 340

17 3627 580

18 902 80

19 1907 360

20 967 160

数据来源：《统计学》

四．模型建立

基于以上数据，建立模型

Yˆ= βX+μ

由于经济中许多变量之间都有隐藏的表面看不到的相关性，经济中许多方面有些微妙的联系，就如人们对某一产品的需求量会受到该产品价格，替代品价格，居民收入水平等因素影响又不能全部列入模型，就用随即扰动项表示。

五．参数估计

（一）使用Excel软件，运用一元线性回归的估计模型：

SUMMARY OUTPUT

回归统计

Multiple R 0.930627

R Square 0.866067

Adjusted R Square 0.858626 标准误差361.8672 观测值20 方差分析

df SS MS F Significance

F

回归分析 1 15241774 15241774 116.3958 2.74271E-09

残差18 2357061 130947.8

总计19 17598835

Coefficients 标准误差t Stat P-value Lower 95% Upper 95% Intercept 274.5502 133.0193 2.063988 0.05374 -4.912997321 554.013469 X Variable 1 5.130855 0.475577 10.78869 2.74E-09 4.131703915 6.13000567

1.模型估计结果：

Yˆ= 5.130855X + 274.5502

t (2.063988) (10.78869)

2

R=0.866067 AR=0.858626 F=116.3958 r=0.930627