论文代写常见问题 | 论文代写在线留言欢迎光临乐虎国际娱乐场,权威的论文发表,免费论文范文学习平台,我们将竭诚为您服务!
您的位置: 乐虎国际娱乐场 -> 写作指导 -> 文章内容

乐虎国际娱乐场

赞助商链接

餐饮店选址影响因素的计量经济分析与检验

乐虎国际娱乐:乐虎国际娱乐场 更新时间:2016-10-13 10:30:31

 摘要: 通过对餐饮店总销售额的影响因素进行分析,建立相关影响因子的计量经济学模型,寻求餐饮店选址和相关影响因素之间的函数关系。本文以实际调查数据为依据,建立计量经济模型,然后对模型进行一系列检验来验证模型的合理性,以确定最终的影响因素及其排序,为决策者做出最优决策提供参考。 
  Abstract: By analyzing the influential factors of the total sales of eating and drinking establishments, an econometric model is developed to estimate the possible functional relations between the site selection of eating and drinking establishments and the related impact factors. Based on the actual survey data and a series of tests to verify its rationality, the model is finally set up to determine the ultimate influencing factors and their orders, thus providing necessary references and supports for managers or decision-makers. 
  关键词: 选址;计量经济模型;影响因素;函数关系;模型检验 
  Key words: site selection;econometric model;influencing factors;functional relation;model verification 
  中图分类号:F224.0 文献标识码:A 文章编号:1006-4311(2016)28-0202-03 
  0 引言 
  目前,餐饮行业竞争日趋激烈,转型成为餐饮业发展的迫切任务。大众餐饮将成为消费餐饮的主力军,成为城市经济转型时期的动力引擎。餐饮业服务功能的完善是城市转型中的民生工程,餐饮业发展模式的改造可有效提升城市资源的配置效率。某一知名大众餐饮店为了拓展业务,计划另设一家连锁店。为了确定其的最佳位置,对此家各分店及其类似业务竞争者进行调查收集数据,发现店面销售额可作为确定其最佳选址位置属性变量。在诸如成本、价格、客流量、人员成本、房租费用及其他条件相同情况下,附近居住人口密度、居民平均收入水平、类似店面的数量可作为影响因素进行分析。 
  1 建立模型 
  相比于线性模型而言,非线性模型的设定复杂并且其检验计算复杂,因此本文采用线性模型进行模拟[1]。销售额的多少与附近有到少消费者即附近居民数量显然是有联系的,可大致猜测两者之间为正相关;并且周边居民收入水平越高那么销售额就可能也越高;竞争对手是个不利因素,竞争激烈势必会使销售额下滑。 
  由此,可建立如下多元回归方程: 
  Sj=α0+α1Rj+α2AIj+α3CPTj+μj 
  其中S为某一特定店面的销售额(元),R为附近居民数(个),AI为附近居民的人平均收入(元),CPT为对应具体餐饮店附近类似店面个数。初步预测类似餐饮店数目越多,销售额就越少(α3<0),人口数量越多,周边居民收入水平越高销售额就越大(α1>0,α2>0)。当然,收入水平可能对销售额影响不大,高薪阶层可能更倾向于去高档次场所消费。 
  2 数据 
  通过对武汉市,孝感,汉川,荆门,荆州,咸宁,郑州,洛阳,许昌,开封,合肥,巢湖,六安等几个地市做调研统计,收集数据,整理如表1所示。 
  其中S表示餐饮店总销售额,R表示4千米内居住人口量,AI表示附近居民人均收入水平,CPT表示3千米范围内业务类似店面数量。 
  3 回归结果及其含义 
  式中括号内数字表示相应参数的t统计量的值,R-squared表示判定系数,Adjusted R-squared是调整后的系数,F表示F统计量的值。 
  从回归结果看,R2=0.446,R、AI、CPT对应的Prob值分别为0.0075、0.0478、0.0431,表明R的系数在1%水平下显著不为零,AI和CPT对应的系数均在5%水平下显著,并且各系数的符号与预期一致。当地居民人口数增加1人,可使销售额增加约0.23元,人均收入水平提高1元则大约有1.42元的销售收入,而当竞争对手每增加一个,则会使餐饮店销售额下降约4265元。可见以上各因素符合实际意义。 
  4 模型检验 
  4.1 经济意义检验 
  从回归结果来看,R的系数为0.23,AI系数为1.42,CPT系数为-4264.76,符号与预期一致,大小在经济理论上可被接受,因此,该模型通过经济意义检验[2]。 
  4.2 拟合优度检验 
  由回归结果知,R2=0.446,调整后的R2也只有0.389,均不是很高。对多元回归模型,拟合优度R2不是判断模型质量的唯一标准,有时为了追求模型的经济意义,可牺牲一点拟合优度。在实际应用中不必对调整后的R2过分苛求,且此模型的经济关系比较合理,可认为通过了拟合优度检验[3]。 
  4.3 回归系数显著性检验(t检验) 
  从回归结果看,回归系数t值分别为t1=5.54,t2=2.87, t3=2.067,t4=-2.12,在5%的显著水平下,自由度为29的t的临界值为2.045,t1=t2,t3,t4绝对值均大于t0.025,即在95%的置信系数下,认为当地居民人口数,人均收入水平,竞争对手对点面营业额都有线性相关关系。  4.4 回归方程总体显著性检验(F检验) 
  H0:α1=α2=α3=0;由R2=ESS/TSS,TSS=ESS+RSS,F=ESS*(n-k-1)/RSS*k 
  可得 F=R2*[n-k-1]/[1-R2]*k 代入数据可知在5%的显著水平下,F值是显著的。因此,拒绝变量之间线性无关的假设。 
  4.5 异方差的诊断与检验 
  收入越高的家庭或个人,外出就餐的选择店面的范围就越大,个体差异就越大,表现出较强的随意性,稳定性变差。除此之外,随机误差项μ中包括了统计误差和模型中被省略的一些因素对因变量的影响,于是随机干扰项的方差可能发生变动,违背了线性回归中随机干扰项的波动是稳定的经典假设,此时,模型各个参数的估计量、相应的检验失效,模型估计失去意义[4]。 
  由图1知,回归方程残差基本上在0附近以正负3000的幅度波动,比较平稳。图2中AI与GG(残差平方)的regression line呈水平状,表明数据中也许不存在异方差性;在图3与图4中GG随自变量的增大呈现增长趋势,表示GG和CPT,GG和R之间存在线性关系。由于图解法是一种非正式的方法,不能判断是否存在异方差性,需进一步检验[5]。 
  由辅助回归得到R2与样本容量的乘积渐近地遵循自由度等于辅助回归中回归元个数(不含常数项)的卡方分布,即nR2 ~X2(K),又方程中有9个自变量,故d.f.=9,则在95%的置信系数下,有nR2=4.9137  由表2可知,F统计量和卡方统计量Obs*R-squared对应的Prob值都相对较大,有些值超过0.94,显著不为零,因而不拒绝原假设H0,几种检验方式均说明不存在异方差,因此对原模型不必进行异方差修正。 
  4.6 多重共线性检验 
  时间序列数据多元样本回归模型往往存在多重共线性。本例虽是截面数据,但由于各种经济变量之间可能存在某种共同的相关趋势,再加上数据收集的局限性,多重共线性不能排除,因而需要进一步检验。 
  由表3可知,各变量之间的相关系数不是很高,但不一定不存在多重共线性。为进一步检验方程是否具有多重共线性,可建立如下辅助回归[6]: 
  由表4内容可知,三个回归方程A、B、C中A方程对应的R2 最大,因此选择S=f(R)作为初始回归模型,将AI、CPT两个解释变量逐个引入,寻找最优回归方程。 
  在初始回归模型的基础上,每引入一个变量,模型的拟合优度都会提高,变量的各个参数也都通过了显著性检验,参数的经济意义也合理,并且表中三个辅助回归方程对应的方差膨胀因子VIF都比较小(不到1.4),方程几乎不存在多重共线性,因此模型中R、AI、CPT三个变量都不应剔除[7]。如表5所示。 
  则最终的餐饮店选址因素回归模型为S=f(r,ai,cpt),拟合结果如下 
  5 影响因素的排序 
  虽然模型的设定通过了检验,但是各个因素影响的大小或者说所起的作用在模型中不能较好的体现。从量纲上看S的量纲为元,R的量纲为个(家),AI量纲为元,CPT量纲为家(个),各量纲不同,因此不能直接用参数估计值的大小来判断个解释变量对被解释变量的影响程度的大小,因此需对模型进行标准化处理来凸显出各个影响因素对自变量S的影响程度。如表6所示。 
  从表6可以看出,标准化后R对应的Prob值0.0066小于0.01,说明在4千米内居住人口在1%的显著水平下对餐饮店的位置选择有重要影响,AI和CPT对应的Prob分别为0.0441和0.0396,表明在5%的显著水平下周围居民平均收入水平和附近3千米范围内竞争对手的个数对店面的选址有重要影响。则CPT、R、AI在一个标准差下偏离均值的程度每变动1%将分别使销售额S在一个标准差下偏离均值的程度变动-0.417%、0.576%、0.326%。因此,附近居民数量R对店面位置选择影响程度最大,竞争对手数量CPT次之,附近居民收入AI相比较而言最小。 
  6 结论 
  由于实际因素众多,不可能把所有影响要素包括进来,并且有些因素难以量化,故而,我们假设在其他条件不变的情况下建立模型并分析了店面的销售额与附近居民数、居民的人平均收入、餐饮店附近类似店面个数几个因素之间的关系,证明上述因素确实对店面位置决策有影响并对其影响程度进行了排序,为决策者在确定方案过程中提供参考。 
  建议和措施:餐饮店选址影响因素错综复杂,如确定地理位置和交通情况,商业的聚集和竞争度,品牌名称,定位业态类别,进行品牌定位(大众的、高档的)、物业使用方式(租赁,购买,合作)、开店方式(独立经营,加盟经营)等,在实际确定店面位置影响因素时,除了要考虑上述所提及到的影响因素外,对一些隐形的未涉及到的潜在因素也要仔细考虑,充分做好市场调查,对比分析,综合统筹,做出最优决策。 
  参考文献: 
  [1]韩本三,曹征,黎实.二元选择面板模型的设定检验[J].统计研究,2012(7):81-85.
  [2]邝国良,曾铁城.关于广东省民用汽车拥有量的计量经济学模型及其检验和预测[J].工业技术经济,2007(8):138-141.
 
  [3]李子奈,潘文卿.计量经济学[M].北京:高等教育出版社,2010:75-77. 
  [4]杜江,李桓,贾文.计量经济学及其应用[M].北京:机械工业出版社,2015:86-88. 
  [5]袁文.关于我国居民消费水平的计量经济分析[J].统计与,2012(6):27-29. 
  [6]刘平.货运量预测的多元线性回归模型验证与改进研究[D].合肥工业大学,2011. 
  [7]徐宗营,郜沫沫.基于回归模型的我国国内旅游收入影响研究[J].城市建设理论研究(电子版),2013(11):45-47.