用于多门店销售数据的多类向量自回归模型
应用统计
2016-05-12 v1
摘要
零售商使用向量自回归（Vector AutoRegressive, VAR）模型作为标准工具来估计一个产品类别的价格、促销和销售额对另一个产品类别销售额的影响。此外，这些价格、促销和销售数据不仅适用于一家门店，而且适用于整个门店链。我们提议使用多类VAR模型来研究跨类别效应：我们联合估计几个不同但相关的VAR模型（每家门店一个）的跨类别效应。我们的方法鼓励各门店间的效应相似，同时仍允许门店间存在微小差异以解释门店异质性。此外，我们的估计量是稀疏的：不重要的效应被精确估计为零，这有助于解释结果。一项模拟研究表明，所提出的多类估计量通过跨类借用强度提高了估计精度。最后，我们提供了三种可视化工具，展示（i）具有相同跨类别效应的门店聚类，（ii）产品类别的网络，以及（iii）跨门店共享跨类别效应的相似矩阵。
引用
@article{arxiv.1605.03325,
title = {Multi-class Vector AutoRegressive Models for Multi-store Sales Data},
author = {Ines Wilms and Luca Barbaglia and Christophe Croux},
journal= {arXiv preprint arXiv:1605.03325},
year = {2016}
}