MétaCan
Menu
Retour à la cohorte
Enregistrement W2461440816

백화점 출점을 위한 매출액 예측에 관한 연구

2010· article· ko· W2461440816 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

Revuenon disponible
Typearticle
Langueko
DomaineBusiness, Management and Accounting
ThématiqueConsumer Perception and Purchasing Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetition (biology)PopulationPosition (finance)Quarter (Canadian coin)Scale (ratio)Product (mathematics)EconometricsRegression analysisOrder (exchange)BusinessMarketingDistribution (mathematics)StatisticsEconomicsGeographyMathematicsCartographyDemography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As the growth of department stores, which have led the distribution industry, started to decrease recently, large-scale discount stores have emerged as a new format of retail business and taken the central position in the distribution industry. As large-scale discount stores gain more and more momentum in opening, there appears a shift to the competition structure between department stores and large-scale discount stores. Despite the latter`s remarkable growth, however, it should be noted that the two retail formats deal with different items in each product category and attract consumers with different preferences. Thus approaches to opening between them should naturally be different. In addition to the old approach toward opening a distribution facility including location analysis and market potential(MP) analysis, they should consider the unique characteristics of department stores to estimate sales. Thus this study divided the main variables to affect the sales of department stores into population and economic factors, location factors, internal environment factors, and differential factors. Then the investigator selected their input variables. Based on the factors to affect sales and sales data, I devised an estimation model of regression analysis and artificial neural networks. Based on the national statistics and the data of A department stores across the nation from the first quarter of 2002 to the fourth quarter of 2006, I compared the estimated and actual sales of 2007 and reviewed the model`s accuracy. In order to compare and assess total 505 cases by the regions and analysis methods, I divided the model composition into four(the Seoul metropolitan area(including Seoul), the Seoul metropolitan area(excluding Seoul), the rest of the nation, and the entire nation) and made estimations. As a result, the Seoul metropolitan area(including Seoul) model showed the highest estimating power at 96.6%. Using the model with the best estimation of sales, I predicted the sales of a new A department store for 2008. The relative importance of the input variables used in estimating sales turned out to influence the sales of a new department store. Thus it`s suggested that sales should multiply when they compose the store`s MD(merchandise) based on those variables.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,1260,024

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle