Fachhochschule Dortmund Wintersemester 12/13 Fachbereich Wirtschaft Prof. Dr. Laufner Studiengänge BA Betriebswirtschaft und BA International Business (Management) Übungsaufgaben zur Woche Modul 14 (BA Bw) bzw. Modul 3 (BA IB) bzw. Modul 4 (BA IBM): Wirtschaftsstatistik Teil 1: Beschreibende Statistik 3. + 4. 12. 12 Aufgabe 10.1: Für ein Produktionsunternehmen sind in der folgenden Tabelle die Produktionsmengen und die Kosten für die vier ersten Monate eines Jahres angegeben. Monate Produzierte Menge (in Mio. Stück) Produktionskosten (Mio €) Jan. 5 8 Febr. 3 4 März 2 6 April 4 5 a) Berechnen Sie eine lineare Regressionsfunktion K̂ = K̂( x ) = a + b ⋅ x , die den Zusammenhang zwischen produzierter Menge und Kosten möglichst gut charakterisiert. (x produzierte Menge in Mio. Stück und K Kosten in Mio €) Berechnungstabelle Summe Regressionsfunktion K̂ = K̂( x ) = a + b ⋅ x = b) Zeichnen Sie das Streuungsdiagramm und die Regressionsfunktion in das folgende Koordinatensystem ein. (Beschriftung der Achsen nicht vergessen!) c) Interpretieren Sie die beiden Regressionskoeffizienten der berechneten Regressionsfunktion K̂ = K̂( x ) = a + b ⋅ x betriebswirtschaftlich: a: b: Wie nennt man eine solche Funktion in der Betriebswirtschaftslehre? d) Erstellen Sie auf der Basis der in a) ermittelten Regressionsfunktion eine Kostenprognose für den Monat Mai, in dem eine Produktionsmenge von 6 Mio. Stück geplant ist. 2 e) Berechnen Sie den Korrelationskoeffizienten und das Bestimmtheitsmaß zur obigen Regressionsrechnung. f) Interpretieren Sie das Bestimmtheitsmaß. g) Berechnen Sie die Varianz der Produktionsmengen, der Produktionskosten und der Regressionswerte (Formel (2) und Summen aus der Berechnungstabelle verwenden). Zeigen Sie an diesem Beispiel, dass das Bestimmtheitsmaß angibt, welcher Anteil der Varianz der Produktionskosten erklärt wird durch die Regressionsfunktion bzw. die Varianz der Produktionsmengen. Aufgabe 10.2: Die Marktforschungsabteilung eines Unternehmens will für ein neues Produkt die Abhängigkeit der Absatzmenge X vom Preis P empirisch untersuchen. Dazu wird in 4 vergleichbar großen Testmärkten unter sonst annähernd gleichen Rahmenbedingungen 8 Wochen lang jeweils ein unterschiedlicher Preis gefordert. Die Ergebnisse dieses Tests stehen in der folgenden Tabelle: Testmärkte P: Preis pro Stück (€) X: Absatzmenge in 8 Wochen (Stück) A 1,90 5.000 B 2,10 4.000 C 1,50 8.000 D 2,50 3.000 = x (p) = a + b ⋅ p , die die Abhängigkeit a) Berechnen Sie eine lineare Regressionsfunktion x zwischen Preis und Absatzmenge möglichst gut charakterisiert. (p Preis in € und x Absatzmenge in Stück) Berechnungstabelle Testmarkt p x Summe Regressionsfunktion x = x (p) = a + b ⋅ p = b) Zeichnen Sie das Streuungsdiagramm und die Regressionsfunktion in ein Koordinatensystem ein. (Beschriftung der Achsen nicht vergessen!) c) Interpretieren Sie die beiden Regressionskoeffizienten a und b der in a) berechneten Regressionsfunktion betriebswirtschaftlich. a: b: d) Berechnen Sie den Korrelationskoeffizienten und das Bestimmtheitsmaß zur obigen Regressionsrechnung. e) Interpretieren Sie das Bestimmtheitsmaß für diesen Fall. f) Erstellen Sie auf der Basis der in a) ermittelten Regressionsfunktion eine Absatzmengen-Prognose für einen Testmarkt XYZ, der den Testmärkten A, B, C und D entspricht. Welche Absatzmenge ist dort in 8 Wochen zu erwarten bei einem Preis von € 1,70. g) Was halten Sie von der Prognosegüte der in f) erstellten Prognose? h) Berechnen Sie für die Daten die Varianz der empirisch ermittelten Absatzmengen und die Varianz der dazugehörigen Regressionswerte (= entsprechende Absatzmengen auf der Regressionsfunktion). Was ergibt der Quotient „Varianz der Regressionswerte zur Varianz der Absatzmengen“? 3 Aufgabe 10.3: a) Welche Vorüberlegungen muss man anstellen, bevor man eine Regressions- und Korrelationsrechnung durchführt? b) Nach welchem Kriterium wird die lineare Regressionsfunktion ermittelt? c) Welche mathematische Rechnung wird dabei genutzt? d) Worüber informiert die statistische Kennzahl Kovarianz? e) Welche Werte kann der Korrelationskoeffizient annehmen? f) Welcher Zusammenhang liegt vor, wenn der Korrelationskoeffizient die Intervallgrenzen des Wertebereichs annimmt? g) Worüber informiert der Kontingenzkoeffizient? h) Welche Werte kann der Kontingenzkoeffizient annehmen? Aufgabe 10.4: Im Rahmen einer Marktforschungsstudie wurden 1000 Personen befragt, welches der beiden Produkte Gamma und Delta sie bevorzugt kaufen. Geschlecht Î Markenwahl Ð weiblich männlich Summe Produkt Gamma 180 270 450 Produkt Delta 220 330 550 Summe 400 600 1000 Abbildung 1: Zweidimensionale Häufigkeitstabelle: Geschlecht und Markenwahl Gibt es hier einen Zusammenhang zwischen Geschlecht und Markenwahl? Auf den ersten Blick nicht, denn sowohl bei den Frauen als auch bei den Männern ist der Käuferanteil für Produkt Gamma 45%, für Delta jeweils 55%. Die Vertriebsleute zweifeln das Ergebnis an. Den Statistikern in der Marktforschungsabteilung kommen Zweifel, ob eine zweidimensionale Analyse ausreicht. Daher nehmen sie als drittes Merkmal das Alter (klassiert) hinzu. Das Ergebnis einer dreidimensionalen Auszählung ist in Abbildung 2 dargestellt: Alter Î Geschlecht Î Markenwahl Ð bis unter 40 Jahre alt 40 Jahre und älter Summe weiblich männlich weiblich Produkt Gamma 90 260 90 10 450 Produkt Delta 10 140 210 190 550 100 400 300 200 1000 Summe männlich Abbildung 2: Dreidimensionale Häufigkeitstabelle: Geschlecht, Alter und Markenwahl a) Welche wesentliche Aussage steckt in der Tabelle in Abbildung 3? b) Skizzieren Sie in einem Diagramm - die möglichen, - die zahlenmäßigen (Kontingenzkoeffizient C > 0) und die - kausalen Zusammenhänge (Abhängigkeiten) zwischen den drei Merkmalen Geschlecht, Alter und Markenwahl. Aufgabe 10.5: In Abbildung 3 sehen Sie ein Streuungsdiagramm, in dem jeweils der durchschnittliche Kartoffelverbrauch pro Kopf und Jahr in kg (K) und der Elektroenergieverbrauch in deutschen Haushalten in Mrd. kWh pro Jahr (E) für 23 Jahre eingetragen sind. 4 Energie-Sparen durch höheren Kartoffel-Verbrauch ? 120 120 Mrd. kWh 100 100 Mrd. kWh 80 80 Mrd. kWh 60 60 Mrd. kWh 40 40 Mrd. kWh 20 20 Mrd. kWh 0 60kg 0 Mrd. kWh 70kg 80kg 90kg 100kg 110kg 120kg Die Daten stammen aus: Statistische Jahrbücher der Bundesrepublik Deutschland 1968 - 1990 Abbildung 3 Eine Regressions- und Korrelationsrechnung ergab die folgende lineare Regressionsfunktion: Ê = 207.929 − 1.528,41⋅ K und den folgenden Korrelationskoeffizienten (Bestimmtheitsmaß) 2 r = -0,965 (r = 0,931) a) Energiepolitiker wollen die berechnete durchschnittliche Abhängigkeit zwischen Energie- und Kartoffelverbrauch nutzen. Sie planen durch gezielte Werbemaßnahmen den durchschnittlichen Kartoffelverbrauch in Deutschland pro Kopf und Jahr auf 150 kg zu erhöhen. Erstellen Sie auf der Basis der Regressionsanalyse für diesen Fall eine bedingte Prognose für den Elektroenergieverbrauch in deutschen Haushalten. b) Was halten Sie von der obigen Regressions- und Korrelationsanalyse sowie der darauf basierenden bedingten Prognose? c) Machen Sie sich an diesem Beispiel den Unterschied zwischen Kausalität und Korrelation (d.h., hoher Korrelationskoeffizient) klar. d) Wie lässt sich die hohe Korrelation erklären?