화장품 매출액 시계열 분석

목차

1. Summary

2. Introduction

3. 분석 과정

4. Conclusion

본문내용

5 | . |*** |
6 | . |* . |
7 | .**| . |
8 | . | . |
Conditional Least Squares Estimation
Standard Approx
Parameter Estimate Error t Value Pr > |t| Lag Variable
MU -0.0012820 0.0008235 -1.56 0.1216 0 lncos
MA1,1 0.66298 0.06030 11.00 <.0001 1 lncos
MA2,1 0.57989 0.07037 8.24 <.0001 12 lncos
NUM1 -0.07554 0.04966 -1.52 0.1302 0 news
Model for variable lncos
Estimated Intercept -0.00128
Period(s) of Differencing 1,12
Moving Average Factors
Factor 1: 1 - 0.66298 B**(1)
Factor 2: 1 - 0.57989 B**(12)
[표4]와 [표5]에서 Obs 157(2003년 1월)은 유의한 결과를 얻어냈으나, Obs 165(2003년 9월)은 유의하지 않다라는 결론을 내리게 되었다. 그 결과를 바탕으로 개입분석 후의 적합된 모형식은 다음과 같다.
(1-B)(1-B)lncost = 0.20104 It + (1-0.63672B)(1-0.59292 B)
단, I=
전이함수를 이용한 모형의 적합
변수 : 월별 강우일 수(계절성), 물가지수(추세)
예상 : 계절성은 월별 강우일수에 영향을 받아서 비가 많이 온 달은 매출액이 상대적으로 작았을 것이고, 비가 적게 온 달은 상대적으로 매출액이 컸을 것으로 생각하였다. 왜냐하면, 비가 오면 사람들이 외출을 꺼려하기 때문에 화장품 매출액 감소로 이어 질 것이라고 생각을 하였다. 한편, 물가지수는 추세를 설명해 줄 수 있다고 보았다. 강우일수와 물가지수는 서로 상관관계가 없고, 또한 화장품매출액이 사치품이기 때 문에 물가지수에 영향을 미친다고 볼 수 없다고 보았다. 곧, 월별 강우일수와 물가 지수는 서로 독립이고, 화장품 매출액에 영향을 미치지만, 피드백이 없는 변수라고 할 수 있다. 월별 강우일수와 물가지수를 각각 정상화 시켜서 설명변수가 두개인 전이함수 모형에 적합시키려고 하였다.
결과 : 월별 비온 날 수 => (1-B)(1-B)rain, 물가지수 => (1-B)(1-B)price 로 정상화 시켰다. 잔차의 White-noise를 확인하고 Crosscorrelations을 살펴보았다. [표6]의 결
과 밑의 Output print 에서 알 수 있듯이 예상과는 다르게 각각이 화장품 매출액에 뚜렷한 상관관계를 가져다주지 못한다는 결과가 나왔다. 곧, 전이함수 모형으로의 적합은 불필요하다라는 결론을 내렸다.
[표6] lncos와 (월별 강우량, 물가지수)의 Crosscorrelations

Lag -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
-5 | .**| . |
-4 | .**| . |
-3 | . |* . |
-2 | . *| . |
-1 | . | . |
0 | . *| . |
1 | . | . |
2 | ***| . |
3 | . | . |
4 | . *| . |
5 | ***| . |

Lag -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
-5 | . | . |
-4 | . |**. |
-3 | .**| . |
-2 | . |**. |
-1 | . *| . |
0 | . *| . |
1 | . |* . |
2 | . |* . |
3 | .**| . |
4 | . |**. |
5 | . |*** |
최종모형 : (1-B)(1-B)lncost = 0.20104 It + (1-0.63672B)(1-0.59292 B)
단, I=
우리가 적합한 모형을 가지고 얼마나 잘 적합이 되었는지 예측을 해 보도록 한다. [그림6]을 보면 상당히 적합이 잘 되었다는 것을 알 수 있다.
[그림6] 예측치와 원자료의 overlay 그림
4. Conclusion
1) 계절성을 띄는 이유 : 여름에 판매량이 적은 반면에 겨울에 판매량이 상대적으로 많았 다. 이것은 기후의 영향이 크게 영향을 미쳤다는 생각이 든다. 여름에 화장품에 대한 사 용 빈도가 줄어드는 반면에 겨울로 갈수록 화장품에 대한 사용이 증가하고 이것은 화장 품의 교체시기를 앞당길 수 있지 않나 추측을 해 본다.
2) 뒤로 갈수록 변동이 커지는 이유 : 이것은 2000년대 초부터 남성화장품에 대한 매출액 증가와 관련지어서 생각해 볼 수 있다. 과거에 비해 남성화장품 시장이 차지하는 비율이 점점 더 증가하고 있다. 전체 시장의 위축 속에서도 남성화장품은 꾸준한 증가를 보여왔 다는 점에서 의미가 크다 하겠다. 그리고 남성화장품의 실제 구매객이 누구인가에 대한 물음이다. 사용자는 남성이지만, 실제적으로 구매하는 사람은 여자친구, 가족(누나, 어머 니, 여동생) 이라는 점이다. 따라서 남성화장품은 어떻게 보면, 여성들이 자기들 것을 살 때 더불어 같이 사기 때문에 여성이 화장품을 자주 살 때에는 남성화장품 구매 효과까지 더해져 더 많이 올라가고, 반면에 여성이 화장품을 덜 사게 되면, 남성화장품 매출감소가 더해져 매출액이 더 많이 줄어든다는 점에서 이해할 수 있다. 그리고 주로 12월 1월 2월 3월에 매출액이 큰 것으로 나오는 데 이것은 아마도 각종 이벤트가 많은 날들이 여기에 포함되어 나타나는 결과라고 해석할 수 있다.
3) 2002년 말부터 매출액이 줄어든 이유
새로운 대통령으로 당선된 노무현 당선자의 재벌개혁에 따른 경제환경 변화와 소비심리위축에 따른 매출 감소로 이어졌고, 이라크, 북한 핵위기 등이 대외적 이슈들이 우리나라 경제 활동을 불안하게 만들었다. 또, 화장품 시장을 얼어붙게 만든 요인 중에 하나는 2002년 말 공정거래위원회가 제조업체를 대상으로 내린 불공정 행위에 대한 제재조치로 인해 유통전략의 혼선이 있어 시장을 더 얼어붙게 만들었기 때문이다.

키워드

월별 화장품 매출액,   전이함수를 이용한 모형의 적합,   모형의 적합,   화장품 매출,   시계열 분석,   매출액 시계열 분석,   화장품 매출액 시계열 분석,   화장품 매출액 시계열