Анализ колебаний цен на рынке фигурок японского производства

Несколько вариантов построения обычных и множественных регрессий позволили выявить искомую зависимость. В подтверждение начальным ожиданиям, оказалось, что множество факторов значимо влияют на процент скидки. Этими факторами оказались: принадлежность фигурки к определенному бренду и серии, популярность серии, скульптора и бренда, а также определенный масштаб, прошедшее время со дня выпуска и принадлежность фигурки с ограниченной серии.

В работе детально проанализированы возможные причины полученного результата моделирования.

В целом, освоена методика и наработан опыт анализа спроса на массивных данных, включающих экзогенные и эндогенные переменные. Полученные результаты являются хорошим заделом для создания интеллектуальной системы прогнозирования колебания цен и скидок на товары коллекционной категории позволяющей выявлять наиболее значимые факторы и таким образом выдать рекомендации производителям при дальнейшем расширении ассортимента и выпуске новых товаров, а также рекомендации коллекционерам по возможности свершить более выгодную покупку.

Список литературы

1. Alexander W.P., Grimshaw S.D. (1996). Treed regression. Journal of Computational and Graphical Statistics, 5(2), 156-175.

2. Black, Fischer., Michael C. Jensen, and Myron Scholes (1972). The Capital Asset Pricing Model: Some Empirical Tests in M. Jensen ed., Studies in the Theory of Capital Markets. New York: Praeger Publishers, pp.79-121

3. Breiman L. (2017). Classification and regression trees. Routledge.

4. Carey C. (2008). Modeling collecting behavior: The role of set completion. Journal of Economic Psychology Vol.29, No. 3, pp. 336-347

5. Coifman R.R., Wickerhauser M.V. (1992). Entropy-based algorithms for best basis selection. IEEE Transactions on information theory, 38(2), 713-718.

6. David A. Freedman (2009). Statistical Models: Theory and Practice. Cambridge University Press, p.26.

7. De'ath G., Fabricius K.E. (2000). Classification and regression trees: a powerful yet simple technique for ecological data analysis. Ecology, 81(11), 3178-3192.

8. Draper N.R., Smith H. (2014). Applied regression analysis (Vol. 326). John Wiley & Sons.

9. Hunt E.B., Marin J., Stone P.J. (1966). Experiments in induction.

10. Karaliи A. (1992, August). Employing linear regression in regression tree leaves. In Proceedings of the 10th European conference on Artificial intelligence. John Wiley & Sons, Inc. pp. 440-441.

11. Kendall M.G. (1945) The advanced theory of statistics. Distribution theory (2nd edition). Charles Griffin & Company Limited, Vol. 1

12. Keynes J.M., Moggridge D. (1971). Collected writings. London and New York, 13.

13. Kurt I., Ture M., Kurum A.T. (2008). Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease. Expert systems with applications, 34(1), 366-374.

14. Pal M., Mather P.M. (2003). An assessment of the effectiveness of decision tree methods for land cover classification. Remote sensing of environment, 86(4), 554-565.

15. Parrish Erin D., Nancy L. Cassill, William Oxenham, (2006) "Niche market strategy for a mature marketplace". Marketing Intelligence & Planning, Vol. 24 Issue: 7, pp.694-707

16. Pearson K. (1896). Mathematical contributions to the theory of evolution. III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society of London. Series A, containing papers of a mathematical or physical character, 187, 253-318.

17. Quinlan J.R. (1986). Induction of decision trees. Machine learning, 1(1), 81-106.

18. Quinlan J.R. (2014). C4. 5: programs for machine learning. Elsevier.

19. Rao C.R. (1973). Linear statistical inference and its applications (2nd ed.). New York: John Wiley & Sons.

20. Safavian S.R., Landgrebe D. (1991). A survey of decision tree classifier methodology. IEEE transactions on systems, man, and cybernetics, 21(3), 660-674.

21. Scorcu A., Zanola R. (2011). The 'Right' Price for Art Collectibles. A Quantile Hedonic Regression Investigation of Picasso Paintings. The Journal of Alternative Investments Vol.14, No. 2, pp. 89-99

22. Seal H.L. (1967). Studies in the History of Probability and Statistics. XV The historical development of the Gauss linear model. Biometrika, 54(1-2), 1-24.

23. Sousa S.I.V., Martins F.G., Alvim-Ferraz M.C.M., Pereira M.C. (2007). Multiple linear regression and artificial neural networks based on principal components to predict ozone concentrations, Environmental Modelling & Software Vol. 22, No. 1, pp. 97-103

24. Stoller M.A. (1984). On the Economics of Antitrust and Competition in a Collectibles Market: The Strange Case of the Baseball Card Industry. Business Economics Vol. 19, No. 3, pp. 18-26

25. Ture M., Tokatli F., Kurt I. (2009). Using Kaplan-Meier analysis together with decision tree methods (C&RT, CHAID, QUEST, C4. 5 and ID3) in determining recurrence-free survival of breast cancer patients. Expert Systems with Applications, 36(2), 2017-2026.

26. Lai T.L., Robbins H., Wei C.Z. (1978). Strong consistency of least squares estimates in multiple regression. PNAS No. 7, pp. 3034-3036.

27. Malerba D., Esposito F., Ceci M., Appice, A. (2004). Top-down induction of model trees with regression and splitting nodes. IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(5), 612-625.

28. Loureiro M., Hine S. (2002). Discovering Niche Markets: A Comparison of Consumer Willingness to Pay for Local (Colorado Grown), Organic, and GMO-Free Products. Journal of Agricultural and Applied Economics, 34(3), 477-487

29. Ghani R. (2005). Price prediction and insurance for online auctions. In Proceedings of the eleventh ACM SIGKDD international conference on Knowledge discovery in data mining (pp. 411-418). ACM.

30. Lucking-Reiley D., Bryan D., Prasad N., Reeves D. (2007). Pennies from eBay: The determinants of price in online auctions. The journal of industrial economics, 55(2), 223-233.

31. Vickers J.S., Renand F. (2003). The marketing of luxury goods: An exploratory study-three conceptual dimensions. The Marketing Review, 3(4), 459-478.

32. Vogel D.S., Asparouhov O., Scheffer T. (2007). Scalable look-ahead linear regression trees. In Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 757-764). ACM.

33. Williamson O.E. (1981). The economics of organization: The transaction cost approach. American journal of sociology, 87(3), 548-577.

34. Yuang-Shung Lee, Chia-Hui Kao, Wei-Yen Wang. (2005), "BMF Fuzzy Neural Network with Genetic Algorithm for Forecasting Electric Load", Power Electronics and Drives Systems 2005. PEDS 2005. International Conference on, vol. 2, pp. 1662-1667.

35. Zurek W.H. (2018). Complexity, entropy and the physics of information. CRC Press.

Приложение А

Расширенный список возможных источников:

My Figure Collection база данных:

· Название фигурки

· Категория (тип фигурки)

· Происхождение (сериал)

· Персонажи

· Компания производитель

· Создатель (скульптор либо художник)

· Материалы

· Масштаб/размеры

· Дата релиза

· Цена на релизе

· Ссылка на магазины, продающие в настоящее время

· Комментарии с датой и оценкой

· Количество желающих/имеющих/заказавших фигурку

· Объявления о продаже

· Обзоры

· Рейтинг и кол-во оценок

· Расположение в топах (по кол-вам желающих, рейтингу и т.д.)

· Теги

· Является ли эксклюзивом, если да, то кол-во экземпляров

· Дата перевыпуска (если был)

· Фотографии

· Связанные клубы

· Рейтинги магазинов и производителей и их обсуждение

· Предварительная информация по будущим фигуркам

· Указание наличия/отсутствия подделок фигурки

AmiAmi магазин:

· Название фигурки

· Цена на релизе

· Цена на данный момент (также указывается процент от предыдущей в случае понижения цены)

· Раздел фигурок б/у (минусы: довольно быстро чистится после продажи фигурки)

· Дата релиза

· Теги по персонажу, производителю

Mandarake магазин подержанных фигурок:

Имеются данные по очень старым или уникальным фигуркам. Можно найти старые фигурки в неоткрытом состоянии. Минусы: поиск лучше производить на японском, бывают некорректные теги.

· Название фигурки (обычно на японском, редко на английском)

· Цена продажи на данный момент

· Каждая продажа фиксируется отдельно и сохраняется на сайте в открытом доступе (можно отследить динамику повышения/понижения цен на конкретный товар)

· Производитель

· Состояние фигурки (sealed, opened, damaged etc)

· Размеры коробки

· Теги по типу фигурки, происхождению и персонажу

Facebook, ВК и тд. Социальные сети:

· Группы коллекционеров фигурок

· Группы по фэндомам (любители определенных сериалов)

· Кол-во человек в группах

· Комментарии

· Кол-во запросов на опр. сериал, фигурку, персонажа

My Anime List база данных по аниме сериалам:

· Название аниме

· Название на японском

· Сезон выпуска

· Рейтинг и кол-во голосовавших

· Ранг в топе по рейтингу

· Ранг в топе по популярности

· Кол-во посмотревших

· Наличие и название сиквелов/приквелов и тд

· Актеры озвучки

· Кол-во эпизодов

· Статус (закончилось, идет и тд)

· Даты показа (первого и последнего эпизода)

· Расписание и время показа на ТВ

· Продюсеры

· Лицензия

· Студия

· Источник (LN, VN, manga и тд)

· Жанры

· Длительность эпизода

· Возрастной рейтинг

· Кол-во добавлений в избранное

· Названия OP и ED

· Обзоры

· Комментарии

· Краткое описание

Приложение Б

Результаты опросов за 2012-2015

Опрос 2012 года

Опрос 2013 года

Опрос 2014 года



Опрос 2015 года

Приложение В

Программные модули и скрипты

Код программы для скачивания ссылок

from bs4 import BeautifulSoup as soup

from urllib.request import urlopen as uReq

import urllib.request

import re

n_pages = 158

base_link = 'http://slist.amiami.com/top/search/list?inc_txt2=2&s_cate3=9713&s_cate_tag=14&s_sortkey=releasedatea&pagemax=40&getcnt=0&pagecnt='

filename = "AmiAmi_urls.csv"

for i in range(1, n_pages+1):

link = base_link+str(i)

page_html = uReq(link)

page_soup = soup(page_html, "html.parser")

item_icon = page_soup.findAll("li", {"class": "product_name_list"})

f = open(filename, "a", encoding="utf-8")

for container in item_icon:

url1 = container.a.get("href")

if url1:

url = container.a.get("href")

else:

url = "NA"

print("url: " + url)

f.write(url + "\n")

f.close

Код программы для скачивания информации со страниц

from bs4 import BeautifulSoup as soup

from urllib.request import urlopen as uReq

import urllib.request

import re

lists = open("AmiAmi_urls.csv").read().split("\n")[:-1]

filename = "Ami_full.csv"

f = open(filename, "w", encoding="utf-8")

headers = "fig_name_eng, fig_name_jap, Scale, Size, Type, Materials, Sell_price, Price, Sale, Status, Code, date, brand, line_prod, series, char_name, sculpt\n"

f.write(headers)

f.close

for url in lists:

uClient = uReq(url)

page_html = uClient.read()

uClient.close()

page_soup = soup(page_html, "html.parser")

page_soup.findAll("div", style="width:600px;")

f = open(filename, "a", encoding="utf-8")

error = page_soup.findAll(text=re.compile("An error has occurred."))

if not error:

info4 = page_soup.findAll("h2", {"class": "heading_10"})

container4 = info4[0]

for container4 in info4:

jap = container4.find('span', class_='').text

if jap:

Jap = jap.strip().replace("\n", "|")

else:

Jap = "NA"

r = str(container4)

container5 = soup(r[:r.rindex('<br/>')], 'html.parser')

if container5:

eng = container5.find('h2').text.strip().replace("\n", "|")

else:

eng = "NA"

f.write(eng.replace(",", "|") + "," + jap.replace(",", "|") + ",")

info1 = page_soup.findAll("p", {"class": "box_01"}) or "NA"

if info1 == "NA":

Scale = "NA"

Size = "NA"

Type = "NA"

Material = "NA"

f.write(Scale.replace(",", ".") + "," + Size.replace(",", ".") + "," + Type.replace(",", "|") + "," + Material.replace(",", "|") + ",")

else:

try:

Scale1 = info1[0].findAll(text=re.compile('Scale'))

if Scale1:

Scale = str(Scale1[0]).strip()

else:

Scale = "NA"

Size1 = info1[0].findAll(text=re.compile('Size'))

if Size1:

Size = str(Size1[0]).strip()

else:

Size = "NA"

Type1 = info1[0].findAll(text=re.compile('Figure'))

if Type1:

Type = Type1[0].replace("\n", "|")

else:

Type = "NA"

Material1 = info1[0].findAll(text=re.compile('Material'))

if Material1:

Material = Material1[0].strip()

else:

Material = "NA"

print("Scale: " + Scale)

print("Size: " + Size)

print("Type: " + Type)

print("Materials: " + Material)

f.write(Scale.replace(",", ".") + "," + Size.replace(",", ".") + "," + Type.replace(",", "|") + "," + Material.replace(",", "|") + ",")

except TypeError:

pass

try:

Sell_price1 = page_soup.findAll("li", {"class": "selling_price"})

if Sell_price1:

Sell_price = Sell_price1[0].text.strip()

else:

Sell_price = "NA"

Price1 = page_soup.findAll("li", {"class": "price"})

if Price1:

Price = Price1[0].findAll(text=re.compile('JPY'))[0].strip()

else:

Price = "NA"

sale1 = page_soup.findAll("span", {"class": "off_price"})

if sale1:

Sale = sale1[0].text

else:

Sale = "0"

status1 = page_soup.findAll("li", {"class": "selling_price"})

Status = status1[-1].text.strip() or 'NA'

print("Sell price: " + Sell_price)

print("Price: " + Price)

print("Sale: " + Sale)

print("Status: " + Status)

f.write(Sell_price.replace(",", ".") + "," + Price.replace(",", ".") + "," + Sale.replace(",", ".") + "," + Status.replace(",", ".") + ",")

except TypeError:

pass

info3 = page_soup.findAll("dl", {"class": "spec_data"})

container3 = info3[0]

try:

code = container3.find('dt', text='JAN Code')

if code:

Code = code.find_next_sibling("dd").text.strip()

else:

Code = "NA"

Release_Date = container3.find('dt', text='Release Date')

if Release_Date:

date = Release_Date.find_next_sibling("dd").text.strip()

else:

date = "NA"

Brand = container3.find('dt', text='Brand')

if Brand:

brand = Brand.find_next_sibling("dd").text.strip().replace("\n", "|")

else:

brand = "NA"

Line = container3.find('dt', text='Product Line')

if Line:

line_prod = Line.find_next_sibling("dd").text.strip().replace("\n", "|")

else:

line_prod = "NA"

Series = container3.find('dt', text='Series Title')

if Series:

series = Series.find_next_sibling("dd").text.strip().replace("\n", "|")

else:

series = "NA"

Name = container3.find('dt', text='Character Name')

if Name:

char_name = Name.find_next_sibling("dd").text.strip().replace("\n", "|")

else:

char_name = "NA"

Sculptor = container3.find('dt', text='Sculptor')

if Sculptor:

sculpt = Sculptor.find_next_sibling("dd").text.strip().replace("\n", "|")

else:

sculpt = "NA"

f.write(Code.replace(",", ".") + "," + date + "," + brand.replace(",", ".") + "," + line_prod.replace(",",".") + "," + series.replace(",", ".") + "," + char_name.replace(",", ".") + "," + sculpt + "\n")

except TypeError:

pass

f.close

Приложение Г

Датасеты

Первичная база данных (фрагмент)

Данные после первичной обработки (фрагмент)



Данные с переменными материалов (фрагмент)

Данные с переменными материалов (фрагмент)

Данные с новыми переменными (фрагмент)

Категории по сериям и количеству фигурок, цветом отмечены те серии, которые подлежат объединению (фрагмент)

Сопоставление серий в общие категории (фрагмент)

Статистика по сериям (фрагмент)

Статистика по брендам (фрагмент)

Приложение Д

Результаты моделирования

Полный вариант результатов первой модели линейной регрессии

Call:

lm(formula=Sale~Scale+log(Sell_price)+ as.factor(brand) + as.factor(series) + log(m_passed) + boxcon + itemcon + Limited + Exclusive + amiamibonus, data = data1)

Residuals: Min -44.995 1Q -0.340 Median 0.000 3Q 2.262 Max 33.169

	Estimate	Std. Error	t value	Pr(>|t|)
(Intercept)	15.83771	118.529	0.133619	0.893996
Scale1/12	37.41849	29.96628	1.248686	0.214948
Scale1/2,5	43.82892	49.0589	0.893394	0.373977
Scale1/4	68.78688	48.05691	1.431363	0.155715
Scale1/4,5	35.92916	34.50881	1.041159	0.30053
Scale1/5	-17.1346	31.1265	-0.55048	0.583323
Scale1/6	14.33657	22.05954	0.649904	0.517374
Scale1/7	19.35354	12.2197	1.583798	0.116671
Scale1/8	2.958474	10.17689	0.290705	0.771931
ScaleNon-scale	51.31326	43.2228	1.18718	0.238213
log(Sell_price)	-7.5002	12.17218	-0.61618	0.5393
as.factor(brand)Alphamax	81.41887	33.74078	2.41307	0.017801
as.factor(brand)Alter	63.43804	31.84045	1.992373	0.049294
as.factor(brand)AMAKUNI	25.02063	37.38428	0.669282	0.504992
as.factor(brand)Amie-Grand	28.55267	31.66257	0.90178	0.369529
as.factor(brand)Aniplex	71.7235	35.02737	2.047642	0.043446
as.factor(brand)Aoshima	54.78532	31.21808	1.754923	0.082602
as.factor(brand)Aoshima|FunnyKnights	67.17924	36.58645	1.836178	0.069561
as.factor(brand)Aquamarine	75.53397	38.02683	1.986333	0.049972
as.factor(brand)Arugo-sha|Fullcock	42.95925	30.66241	1.40104	0.164566
as.factor(brand)Aspire	81.71752	43.44812	1.880807	0.063161
as.factor(brand)Beat	32.59741	42.86894	0.760397	0.448962
as.factor(brand)Bellfine	57.51908	31.65821	1.816877	0.072492
as.factor(brand)Broccoli	92.78737	31.84398	2.913812	0.004482
as.factor(brand)cLayz	34.27455	36.20116	0.94678	0.346231
as.factor(brand)COSPA|Resinya!	62.40102	44.66843	1.396982	0.165779
as.factor(brand)Daiki Kogyo	60.61392	36.33431	1.668228	0.098671
as.factor(brand)Di molto bene	66.19434	34.31876	1.928809	0.056837
as.factor(brand)DRAGON Toy	61.83049	36.22609	1.706794	0.091234
as.factor(brand)e Jeuness	47.64688	29.83913	1.596792	0.113741
as.factor(brand)Embrace Japan	89.83049	32.75847	2.742207	0.007334
as.factor(brand)Enterbrain|Wafudo Ganguten	59.40029	36.62855	1.621694	0.108291
as.factor(brand)FOTS JAPAN	68.48225	44.20695	1.549129	0.124784
as.factor(brand)FREEing	34.49137	47.4688	0.726611	0.469309
as.factor(brand)Gift	81.18217	31.32975	2.591217	0.011122
as.factor(brand)Good Smile Company	73.75429	30.98469	2.380346	0.019359
as.factor(brand)Griffon Enterprises	39.44796	31.03283	1.271169	0.206873
as.factor(brand)HobbyJAPAN	63.66924	32.74563	1.944359	0.054907
as.factor(brand)Hobby Stock	64.95965	33.38053	1.946034	0.054702
as.factor(brand)KADOKAWA	88.73381	33.13322	2.678092	0.00877
as.factor(brand)Kalmia Project	49.06491	37.22982	1.317893	0.190812
as.factor(brand)Kotobukiya	62.54507	30.39584	2.057685	0.04245
as.factor(brand)Mabell|Kaitendo	65.85896	52.92431	1.244399	0.216514
as.factor(brand)Max Factory	64.96539	29.05654	2.235827	0.027782
as.factor(brand)MegaHouse	85.86297	31.41838	2.73289	0.007529
as.factor(brand)Milestone	69.31673	34.5011	2.009117	0.047455
as.factor(brand)Mouse Unit	38.46544	35.90869	1.071201	0.286881
as.factor(brand)Movic	45.29456	31.66623	1.430375	0.155997
as.factor(brand)Myethos	80.75861	31.28836	2.581107	0.011429
as.factor(brand)Native	64.73675	44.11598	1.467422	0.145672
as.factor(brand)New Vision Toys	50.11721	30.7812	1.628176	0.106908
as.factor(brand)Oh-ami|amiami	38.69942	30.6142	1.2641	0.209387
as.factor(brand)Orca Toys	109.3164	39.51495	2.766456	0.00685
as.factor(brand)OrchidSeed	55.32769	34.67304	1.595698	0.113986
as.factor(brand)Penguin Parade	61.31086	37.96401	1.614974	0.109741
as.factor(brand)Phat Company	74.90229	31.70844	2.362219	0.020274
as.factor(brand)PM Office A|Plum	45.14136	32.58587	1.385305	0.169309
as.factor(brand)PULCHRA	80.13388	32.6803	2.452055	0.016091
as.factor(brand)Q-six	65.25771	31.63843	2.062609	0.041969
as.factor(brand)ques Q	58.14019	32.54575	1.786414	0.077326
as.factor(brand)SkyTube	31.41403	32.98816	0.952282	0.343449
as.factor(brand)Stronger	78.10607	41.92332	1.86307	0.065643
as.factor(brand)Toranoana	64.54995	46.45707	1.389454	0.168048
as.factor(brand)Vertex	53.72343	29.50648	1.820733	0.071898
as.factor(brand)Volks	101.2966	39.72776	2.549769	0.012433
as.factor(brand)WAVE	59.13941	32.22707	1.835085	0.069724
as.factor(brand)WING	49.28163	30.94812	1.592395	0.114726
as.factor(series)Anne Happy (Unhappy Go Lucky)	-2.59407	32.45099	-0.07994	0.93646
as.factor(series)AnoHana (Ano Hi Mita Hana no Namae o Boku-tachi wa Mada Shiranai)	-3.42073	29.65139	-0.11537	0.908407
as.factor(series)Ano Natsu de Matteru (Waiting in the Summer)	-25.8002	27.49455	-0.93838	0.350509
as.factor(series)Arpeggio of Blue Steel Series	-25.4166	30.97051	-0.82067	0.413954
as.factor(series)Baka to Test to Shokanjuu	-44.8207	29.20881	-1.53449	0.12834
as.factor(series)Bakuon!!	-3.50311	30.95181	-0.11318	0.910135
as.factor(series)Bastard!!	35.88159	45.57283	0.787346	0.433103
as.factor(series)BEATLESS	-52.2503	27.77969	-1.88088	0.063151
as.factor(series)Berry\'s	49.1686	33.27744	1.477535	0.142947
as.factor(series)Bikini Warriors	-32.4192	28.55755	-1.13522	0.25923
as.factor(series)BLADE ARCUS from Shining	-28.5914	30.90024	-0.92528	0.35724
as.factor(series)BlazBlue	18.35826	20.99411	0.874449	0.384151
as.factor(series)Bodacious Space Pirates	7.092937	24.0487	0.294941	0.768704
as.factor(series)Border Break	8.365005	28.38282	0.294721	0.768871
as.factor(series)C3 -C Cube-	-31.3478	28.95883	-1.08249	0.281862
as.factor(series)Cardcaptor Sakura	-34.4314	23.36261	-1.47378	0.143953
as.factor(series)Chichinoe	23.99322	43.88217	0.546765	0.585864
as.factor(series)Chu x Chu Idol|"Chu x Chu!" Series	-56.0206	44.33505	-1.26357	0.209576
as.factor(series)Comet Lucifer	-18.3959	27.60689	-0.66635	0.506855
as.factor(series)COMIC	-31.9447	36.71902	-0.86998	0.386577
as.factor(series)Comic Aun	-3.29557	33.63018	-0.09799	0.92215
as.factor(series)Da Capo	15.61844	21.9698	0.710905	0.478942
as.factor(series)Dai Teikoku	14.43413	52.46823	0.275102	0.783855
as.factor(series)Date A Live	-20.1053	27.88007	-0.72114	0.472654
as.factor(series)DC Comics	-30.4407	27.45518	-1.10874	0.270431
as.factor(series)Dead or Alive	-49.2383	33.35598	-1.47615	0.143319
as.factor(series)Devil Survivor	-5.22092	28.75446	-0.18157	0.85632
as.factor(series)Dimension W	17.97187	28.4578	0.631527	0.529262
as.factor(series)Fortune Arterial	10.96342	29.8167	0.367694	0.713946
as.factor(series)Frame Arms Girl|Frame Arms	-12.7928	28.02607	-0.45646	0.649135
as.factor(series)Fullmetal Daemon Muramasa	-48.407	26.31353	-1.83962	0.069048
as.factor(series)Gin\'iro no Olynssis	1.856129	29.56462	0.062782	0.950076
as.factor(series)Girls und Panzer	0.647164	21.15702	0.030589	0.975664
as.factor(series)GOD EATER	-25.1123	25.89673	-0.96971	0.334734
as.factor(series)GRANBLUE FANTASY	3.162723	28.46892	0.111094	0.911784
as.factor(series)Gundam	-34.6315	23.57098	-1.46924	0.145178
as.factor(series)Gun x Sword	-19.0831	26.64822	-0.71611	0.475737
as.factor(series)Hanasaku Iroha	7.780043	28.88099	0.269383	0.788238
as.factor(series)Hatena Illusion	31.19026	28.68624	1.08729	0.279749
as.factor(series)Hidamari Sketch	22.02015	28.57227	0.770682	0.44287
as.factor(series)Horizon in the Middle of Nowhere	33.06911	24.10384	1.371944	0.173417
as.factor(series)Hyakka Ryoran Series	10.67473	23.25092	0.45911	0.647238
as.factor(series)Hyperdimension Neptunia	14.04593	33.61804	0.417809	0.67706
as.factor(series)Infinite Stratos (IS)	23.89341	29.96769	0.797306	0.427327
as.factor(series)Is the order a rabbit?	-39.7263	30.19742	-1.31555	0.191594
as.factor(series)Jigoku Sensei Nube	-37.4033	28.20282	-1.32622	0.188048
as.factor(series)Jingai Makyo	10.92276	26.30057	0.415305	0.678886
as.factor(series)Kaitou Tenshi Twin Angel	6.844349	23.12372	0.295988	0.767906
as.factor(series)Kamikyoku no Grimoire	-7.02683	27.75578	-0.25317	0.800705
as.factor(series)Kantai Collection -Kan Colle-	-7.74702	19.46108	-0.39808	0.691495
as.factor(series)Kara no Kyokai	-36.4213	27.50919	-1.32397	0.188793
as.factor(series)Kimi ga Yobu, Megida no Oku de	17.59134	28.64323	0.614154	0.54063
as.factor(series)Kono Naka ni Hitori, Imouto ga Iru!	-6.12296	25.47409	-0.24036	0.810586
as.factor(series)Linebarrels of Iron	17.97709	27.73993	0.648058	0.518561
as.factor(series)Little Busters!	13.36263	24.55554	0.54418	0.587634
as.factor(series)Love Live!	-8.92579	22.10069	-0.40387	0.687246
as.factor(series)Loveplus	-3.31585	24.74604	-0.13399	0.893699
as.factor(series)Lucky Star	-34.3496	37.75795	-0.90973	0.365342
as.factor(series)Macross Frontier	-19.2559	23.23769	-0.82865	0.409448
as.factor(series)Madan no Ou to Vanadis (Lord Marksman and Vanadis)	-62.4078	30.95451	-2.01611	0.046705
as.factor(series)Maitetsu	-33.9415	32.76476	-1.03592	0.302957
as.factor(series)Monogatari	-25.4008	22.21999	-1.14315	0.255942
as.factor(series)Mushihime-sama	-29.0364	26.58183	-1.09234	0.277535
as.factor(series)Muv-Luv	-16.381	22.93442	-0.71425	0.476878
as.factor(series)My-HiME	8.751599	28.33219	0.308892	0.758102
as.factor(series)Natsuiro Kiseki	28.7401	29.96107	0.959248	0.339948
as.factor(series)Noragami	-26.6637	28.12957	-0.94789	0.345669
as.factor(series)Occult Academy (Seikimatsu Occult Gakuin)	-16.8014	28.62111	-0.58703	0.558621
as.factor(series)Oh My Goddess! (Ah! My Goddess!)	-49.3217	28.43561	-1.7345	0.086178
as.factor(series)Onegai Teacher (Please Teacher!)	-0.44665	34.71283	-0.01287	0.989762
as.factor(series)Oppai no Kakikata	25.68303	37.76858	0.68001	0.498205
as.factor(series)Oreimo	-36.6435	27.9907	-1.30913	0.19375
as.factor(series)Original Character: Coffee Kizoku|Original Character	23.05132	27.78752	0.829557	0.408937
as.factor(series)Original Character: Comomo Momoi|Original Character	-18.7329	32.87557	-0.56981	0.570193
as.factor(series)Original Character: Murakami Suigun|Original Character: abec|Original Character	-3.62563	27.41034	-0.13227	0.895058
as.factor(series)Persona	-19.8737	33.94746	-0.58542	0.559696
as.factor(series)PreCure	2.397248	26.21189	0.091457	0.927329
as.factor(series)Prison School	-25.0093	30.93835	-0.80836	0.420969
as.factor(series)Puella Magi Madoka Magica	17.74139	28.91115	0.613652	0.54096
as.factor(series)Queen's Blade	15.7365	23.73467	0.663017	0.508977
as.factor(series)Quiz Magic Academy	-8.48543	31.82564	-0.26662	0.790357
as.factor(series)Rage of Bahamut	-22.7728	23.05152	-0.98791	0.325788
as.factor(series)Ragnastrike Angels	-16.6636	31.55999	-0.528	0.598773
as.factor(series)Rance	-3.5257	23.05306	-0.15294	0.878782
as.factor(series)RO-KYU-BU!	-9.77324	23.62984	-0.4136	0.680131
as.factor(series)Rozen Maiden	-24.5527	27.99971	-0.87689	0.38283
as.factor(series)Ru/Li/Lu/Ra	7.302599	29.79921	0.24506	0.806956
as.factor(series)Saekano: How to Raise a Boring Girlfriend	-48.6998	23.75372	-2.0502	0.043191
as.factor(series)Saki Zenkoku Hen|"Saki" Series	-4.08598	24.23611	-0.16859	0.866489
as.factor(series)Sasami-san@Ganbaranai	-19.9191	25.84603	-0.77068	0.442869
as.factor(series)Secretarial Section Drop	-50.0453	34.42467	-1.45376	0.149415
as.factor(series)se Kirara	6.782112	26.35649	0.257322	0.797505
as.factor(series)Sengoku Taisen	0.069621	32.67839	0.00213	0.998305
as.factor(series)Senko no Ronde	23.443	34.12593	0.686956	0.493839
as.factor(series)Sex Life	15.74425	37.28442	0.422274	0.67381
as.factor(series)Shining	-15.8728	19.84624	-0.79979	0.425892
as.factor(series)Shinkyoku Soukai Polyphonica	8.344846	33.26184	0.250883	0.802464
as.factor(series)Shinra Bansho	-0.7783	26.31472	-0.02958	0.976469
as.factor(series)Shokunyuu	-79.3135	57.14444	-1.38795	0.168505
as.factor(series)S,M,G,	-81.2989	43.27546	-1.87864	0.06346
as.factor(series)Sonic Soldier Borgman	-8.45083	30.0764	-0.28098	0.779358
as.factor(series)Star Blazers	-14.7376	23.33011	-0.6317	0.529151
as.factor(series)STARLESS	7.06716	27.34437	0.25845	0.796637
as.factor(series)Steins;Gate	-37.1984	28.44303	-1.30782	0.194192
as.factor(series)Strike Witches	-1.52185	23.76057	-0.06405	0.94907
as.factor(series)_summer	38.99607	29.02274	1.343639	0.18237
as.factor(series)Summon Knight	15.09224	24.53773	0.615063	0.540032
as.factor(series)Super Sonico	-17.5433	22.65467	-0.77438	0.440692
as.factor(series)Sword Oratoria Is It Wrong to Try to Pick Up Girls in a Dungeon?	-5.9448	28.3124	-0.20997	0.834154
as.factor(series)Sword & Wizards -Haken no Koutei to Shichisei no Himekishi-	9.632409	28.6552	0.336149	0.737524
as.factor(series)T2 Art Girls	37.05992	27.72555	1.33667	0.184627
as.factor(series)Tales of	-24.5376	28.05101	-0.87475	0.383988
as.factor(series)The 7 Deadly Sins	1.698565	25.67499	0.066156	0.947397
as.factor(series)THE IDOLM@STER	-0.26596	19.09064	-0.01393	0.988915
as.factor(series)Toaru Kagaku no Railgun	-35.6922	39.43929	-0.90499	0.367834
as.factor(series)ToHeart2	-35.0264	32.62128	-1.07373	0.285753
as.factor(series)To Love-Ru	-15.2544	33.10987	-0.46072	0.646087
as.factor(series)Triggerheart Exelica	38.89976	28.68292	1.3562	0.178355
as.factor(series)Unity Marriage -Futari no Hanayome-	-12.0513	29.47809	-0.40882	0.68362
as.factor(series)Vividred Operation	7.944472	28.47255	0.279022	0.780854
as.factor(series)Welcome to Pia Carrot	8.967969	29.30538	0.306018	0.760282
as.factor(series)With you -Mitsumete Itai-	21.35334	29.82243	0.716016	0.475795
as.factor(series)World Conquest Zvezda Plot	8.782132	30.11366	0.291633	0.771224
as.factor(series)Xenoblade	-42.9148	30.57756	-1.40347	0.163842
as.factor(series)Yakitate!! Japan	9.846422	34.09843	0.288765	0.773411
as.factor(series)YuruYuri	-0.90072	28.64008	-0.03145	0.974979
as.factor(series)Zanma Taisei Demonbane	31.97951	30.36816	1.05306	0.295071
as.factor(series)Zegapain	28.22263	29.6369	0.95228	0.34345
as.factor(series)ZOIDS	0.076011	27.15404	0.002799	0.997773
as.factor(series)Zoku Satsuriku no Jango|Satsuriku no Jango (TRE DONNE CRUDELI)	-48.2445	26.49925	-1.8206	0.071919
log(m_passed)	6.175843	3.340727	1.848652	0.06772
boxconC	10.71306	8.848518	1.210718	0.229105
itemconB	1.702159	5.006045	0.340021	0.734616
itemconC	17.5175	10.90468	1.60642	0.111609
Limited	-0.43533	12.45943	-0.03494	0.972203
Exclusive	-5.35685	6.429229	-0.8332	0.406888
amiamibonus	-3.68716	7.138065	-0.51655	0.606711

---

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 19.3 on 92 degrees of freedom

Multiple R-squared: 0.7925,Adjusted R-squared: 0.3346

F-statistic: 1.731 on 203 and 92 DF, p-value: 0.001631

Фрагмент первой кросс таблицы (для наглядности данные отсортированы по бренду Alter)

Фрагмент второй кросс таблицы

Полный вариант результатов обновленной первой модели линейной регрессии

Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 ` ' 1

Residual standard error: 19.36 on 89 degrees of freedom

Multiple R-squared: 0.7545,Adjusted R-squared: 0.3324

F-statistic: 1.787 on 153 and 89 DF, p-value: 0.001525

...

	Estimate	Std. Error	t value	Pr(>|t|)
(Intercept)	24.48453	119.1127	0.205558	0.837606
Scale1/12	35.41963	30.10412	1.176571	0.242504
Scale1/2,5	38.85828

Подобные документы

• Основные принципы ценообразования продукции общественного питания и промышленных товаров

  Влияние цен на объемы продаж. Основные ценовые документы на предприятии общественного питания. Взаимосвязь между ценой, выручкой от продаж, прибылью и долей рынка. Возможные методы ценообразования на рынке стиральных машин, расчет торговой надбавки.
  
  контрольная работа [64,4 K], добавлен 27.11.2010
  

• Формирование рынка и экономический рост

  Условия возникновения рынка, их роль и функции. Сущность, факторы и модели экономического роста. Взаимосвязь между факторами производства. Соотношение между производственными мощностями и ценами выпускаемой продукции. Изменение объема спроса на товар.
  
  контрольная работа [186,7 K], добавлен 21.06.2012
  

• Исследование цен и дивидендов

  Построение корреляционного поля между ценой акции и доходностью капитала. Гипотеза о тесноте и виде зависимости между доходностью и ценой. Расчет коэффициента детерминации. Оценка статистической значимости уравнения регрессии с помощью F-критерия Фишера.
  
  контрольная работа [274,3 K], добавлен 25.09.2013
  

• Рыночное равновесие

  Механизм достижения рыночного равновесия. Его виды в зависимости от временных возможностей производителей. Взаимосвязь между изменениями спроса и предложения, ценой и количеством товаров. Современные модели рыночного равновесия и примеры их применения.
  
  курсовая работа [73,4 K], добавлен 17.09.2011
  

• Взаимосвязь цены, спроса и предложения

  Взаимосвязь между объемом спроса на товар, предложением, ценой и определяющими их факторами. Классификация цен в зависимости от степени воздействия на них государства. Расчет выручки и расходов покупателя. Структура свободной отпускной и розничной цен.
  
  контрольная работа [35,4 K], добавлен 23.11.2011
  

• Модели ценообразования на рынках

  Сущность и этапы реализации процесса ценообразования, его особенности на рынке труда. Модели ценообразования на рынках факторов производства: классическая и неоклассическая, кейнсианская система равновесия. Заработная плата и занятость в экономике РФ.
  
  курсовая работа [386,5 K], добавлен 12.04.2014
  

• Составление дискретных экономических моделей и анализ сценариев развития на основе этих моделей

  Моделирование односекторной экономической системы. Построение графической, статистической и динамической моделей. Графики погашения внешних инвестиций. Моделирование двухсекторной экономической системы. Архитектура системы. Спецификация данных модели.
  
  дипломная работа [1023,8 K], добавлен 16.12.2012
  

• Механизм ценообразования на рынке энергетических ресурсов

  Изучение формирования механизма ценообразования на рынке природных ресурсов. Понятие ренты, как цены на рынке природных ресурсов: сущность, виды. Анализ структуры и факторов формирования спроса. Конъюнктура энергетического рынка в период с 2000-2007 гг.
  
  курсовая работа [2,7 M], добавлен 16.11.2010
  

• Ценообразование, модели рынка труда и формы заработной платы

  Особенности ценообразования на рынке экономических ресурсов. Характеристика рынка труда, его моделей и особенностей. Содержание, функции и формы заработной платы. Самые главные причины возникновения и эволюцию денег. Суть закона денежного обращения.
  
  контрольная работа [24,2 K], добавлен 08.05.2011
  

• Производственная функция и техническая результативность производства

  Взаимосвязь между факторами производства и получаемой продукцией, описываемая производственной функцией. Определение переменных производственной функции, ее графическое отображение и значение для повышения технической результативности производства.
  
  контрольная работа [464,2 K], добавлен 18.12.2011
  

• Влияние конъюнктуры рынка на развитие производства овощей

  Процессы и тенденции, происходящие на отечественном и зарубежном рынке овощей, их влияние на производство овощных культур. Природные, организационно-экономические характеристики ЗАО "Радуга". Анализ системы производства, хранения и реализации овощей.
  
  курсовая работа [53,1 K], добавлен 19.12.2011
  

• Особенности формирования спроса на рынке средств производства

  Характерные особенности рынка средств производства. Основные условия функционирования, сегментация рынка и ее основные критерии. Спрос на рынке капитала. Влияние ценообразования, государства, изменение прямых и косвенных налогов на формирование спроса.
  
  реферат [73,5 K], добавлен 09.12.2010
  

• Анализ системы планирования сбыта, цены и издержек на предприятии

  Анализ издержек в производстве. Затратные, рыночные и экономические методы ценообразования. Оценка влияния отдельных факторов на величину общих затрат. Анализ производства и реализации продукции, использования основных производственных фондов предприятия.
  
  дипломная работа [333,7 K], добавлен 02.06.2011
  

• Анализ рынка жилой недвижимости

  Понятие, характеристика классов жилой недвижимости. Тенденции спроса и предложения на рынке. Влияние экономических факторов. Построение модели для прогноза стоимости квадратного метра на первичном и вторичном рынке жилой недвижимости г. Нижнего Новгорода.
  
  дипломная работа [1,9 M], добавлен 19.09.2016
  

• Политика ценообразования на предприятии

  Понятие цены и ценовой политики. Методы ценообразования, применяемые на рынке. Анализ ценообразующих факторов: себестоимость продукции по калькуляционным статьям, прибыль. Оценка направлений ценовой политики, совершенствование системы ценообразования.
  
  дипломная работа [251,3 K], добавлен 21.05.2010
  

• Ценообразование в сфере туризма (на примере ООО "Чемал-Тур")

  Особенности ценообразования в туризме. Методы и факторы формирования цен на туристские услуги. Классификация и характеристика моделей ценообразования. Сравнительный анализ ценообразования предприятия и конкурентов, маркетинговый и финансовый план.
  
  курсовая работа [327,8 K], добавлен 10.01.2016
  

• Современное состояние рынка жилья: проблемы и перспективы

  Нормативно-правовое регулирование рынка жилья. Сущность и механизмы осуществления ипотечного кредитования. Характеристика строительного производства. Анализ цен на рынке жилья. Реализация национального проекта "Доступное жилье" в Костромской области.
  
  курсовая работа [126,0 K], добавлен 23.11.2009
  

• Анализ неформальных институтов в виде коррупции и неформальных сетей и их влияния на распределение благ между различными группами населения и производительность экономики

  Влияние на распределение ограниченных ресурсов, трансакционных издержек и подрыв принципов честной конкуренции - последствия деятельности неформальных институтов для экономики. Характеристика особенностей экономической модели коррупции и бюрократии.
  
  дипломная работа [530,1 K], добавлен 11.08.2017
  

• Актуальные проблемы макроэкономики в России

  Сущность спроса и предложения, факторы, влияющие на них. Зависимость между ценой товара и величиной предложения. Анализ потребительского рынка Оренбургской области. Законы спроса и предложения. Проблемы формирования потребительского рынка в России.
  
  курсовая работа [264,4 K], добавлен 12.05.2014
  

• Статистические показатели развития рынка жилья

  Изучение предмета и задач статистики рынка жилья. Причины роста цен на рынке жилья, обоснование необходимости развития рынка доступного жилья. Статистическая сводка и группировка. Построение и анализ ранжированного и интервального ряда. Индексный анализ.
  
  курсовая работа [61,3 K], добавлен 19.10.2011
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам