Aplicação de regressão linear múltipla para determinação dos gastos de clientes para empresa do setor varejista.

• Autor(a) principal: ENDLER, Kellen Danyelle.
• Data de Publicação: 2020
• Outros Autores: SCARPIN, Cassius Tadeu., STEINER, Maria Teresinha Arns., SFEIR, Tamires de Almeida.
• Tipo de documento: Artigo de conferência
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32431
• topic: Regressão linear múltipla; Gastos de clientes; Varejo; Regressão stepwise; Multiple linear regression; Customer spending; Retail; Stepwise regression; Engenharia de Produção.

Entender o comportamento dos consumidores pode fazer toda diferença no momento de estabelecer as estratégias de negócios de empresas. O presente trabalho consiste de uma pesquisa exploratória que visa estimar os gastos de clientes de um grupo de lojas varejistas situadas no município de Curitiba-PR utilizando-se a técnica de Regressão Linear Múltipla. A pesquisa realizada partiu do pressuposto de que é possível prever a quantidade de gastos gerados pelos clientes em determinada loja, analisando suas características e seu perfil de consumo. Considerouse como variável resposta (dependente), o gasto realizado pelo consumidor e como variáveis explicativas, as características dos clientes, como idade, sexo, endereço, renda, distância do cliente até a loja. Como resultados, obteve-se o coeficiente correlação de 0,5433, que mostra uma correlação moderada, indicando que parte dos valores gastos pelos clientes são explicados por outras variáveis que não constam no modelo. Os valores de erros para os valores de teste são MAE=119,1538 e MSE =214,2868. É importante observar que outras variáveis adicionais poderiam também ser levadas em consideração para contribuir com um modelo mais eficiente, como número de filhos e grau de escolaridade. Porém, tais informações ainda não são levantadas pelo cadastro da empresa. Estas limitações encorajam a realização de trabalhos futuros e a aplicação de outras técnicas de processamento, como as Redes Neurais Artificiais e Árvores de Decisão, por exemplo.