Diagram 5.2 Samband mellan reklamintensitet och omsättning inom varugrupp~r
Tabell 5.2 Samband mellan residualer och omsättning
Reklamintensitet
Varugrupper
% 8
6 lo-
-
-
Ä-.--J
-
4
med den med den lägsta med största omsätt- medelstor omsättningen omsättning ningen
--A
r--
---B
B
Genomsnitt Största positiva residual Största negativa residual Standardavvikelse Antal observationer
0,63
0,04
-1,09
12,14
10,32
1,38
-6,00 3,69 25
-4,03 2,37 48
-4,18 1,74 16
C
2
---": C
I-
o
O
I
l
I
I
20
40
60
80
89
Antal varugrupper
- - Reklamintensitet med hänsyn till övriga förklaringsfaktorer --- Reklamintensitet utan hänsyn till övriga förklaringsfaktorer - - Genomsnittlig reklamintensitet för samtliga varugrupper A Lägst omsättning B Medelhög omsättning C Störst omsättning
framför att använda oss aven kontinuerlig variabel motiveras, liksom tidigare, av osäkerheten i varugruppsdefinitionen. Dessutom ger det oss större möjligheter att upptäcka om sambandet har en annan form än den linjära. Resultaten av regressionsberäkningarna redovisas i nedanstående tablå och i diagram 5.2. Hypotesen finner stöd på 10% signifikansnivå. Det finns alltså ett visst samband mellan reklamintensitet och omsättning inom varugruppen. Regressionskoefficienter Varugrupper med den lägsta omsättningen (0-75 milj kr) Varugrupper med en medelhög omsättning (76-400 milj kr) Varugrupper med den största omsättningen (över 400 milj kr) Signifikansnivå
+ 1,10 -0,10 -1,43 10%
Sambandet mellan residualerna när vi standardiserat för samtliga förklaringsfaktorer utöver omsättningen och omsättningen kan studeras i tabell 5.2 och diagram 5.3. Som framgår av detta diagram är sambandet mellan residualer och omsättning mycket svagt. I klassen med den lägsta omsättningen förklaras de positiva koefficienterna i sin helhet aven enda observation, nämligen tandkräm. Den genomsnittliga residualen för de övriga 24 varugrupperna i denna klass ligger mycket nära 0(+0,2). Det är intressant att i diagram 5.2 konstatera att spridningen i reklamintensitet mellan de olika klasserna är betydligt större när vi inte tar hänsyn till övriga förklaringsvariabler. Detta kan möjligen förklara varför Doyle och Else fick så mycket större utslag för denna variabel i sina modeller som påpekades i kapitel 3. Båda dessa författare använder ju betydligt färre förklaringsvariabler än vad som är fallet här. Skillnaderna kan också förklaras med en annorlunda varugruppsindelning. Regressionskoefficienterna för omsättningsvariablerna är nämligen mycket känsliga för hur varugruppsindelningen är gjord. Detta kan illustreras med de resultat vi fick fram i samband med den känslighetsanalys som vi redogjorde för i kapitel 4. När vi i känslighetsanalysen delar upp varugrupperna (bl a kosmetika) så att det totala antalet ökar från 89 till 115 får det 71