11.3.2　金额和总金额

金额（DOLLAR）一栏对应的是采购的品类，对于表11.1的10个随机挑选的客户，表11.2列出了购买金额。客户15047在2016年5月的开票周期中，服务类采购支出26.74美元，通信支出为864.05美元，其余4个品类的采购金额见表。最后一栏AMPECS总金额（TOTAL DOLLARS）是6个品类采购金额的合计。AMPECS总金额作为SOW_q的分子。

表11.2　各品类采购金额和AMPECS总金额　（单位：美元）

SOW_q和SOW的其他形式一样，也有总金额这个变量。在我们详细讨论总金额的估算（模拟）过程之前，我把总金额（钱包[1]）一栏对应的10个客户的金额栏放在表11.3中。每个品类的总金额是在假设使用AMPECS和竞争对手信用卡情况下对总金额的估计值。

表11.3　每个品类采购总金额（钱包）与总金额（钱包）　（单位：美元）

计算总金额的步骤如下：

1）对于给定的品类（如服务），一家商业客户预期交易（采购）数量SERVICE_TRX是将SERVICE_TRX作为一个随机二值变量，根据以下参数确定：

a.p=采购发生的概率。

b.n=开票周期的天数。

c.对于服务、通信、娱乐、商品和旅游，p设定为1/30；对于用品，p设定为3/30。这些值是根据AMPECS的2016年5月数据确定的。

d.n设定为30，显然对所有品类都一样。

2）对于一个给定的品类，比如服务，预计客户采购的总金额（TOTAL SERVICE DOLLARS）等于SERVICE_TRX*AMPECS SERVICE DOLLARS（服务采购金额，见表11.2）。

3）对于其他品类重复执行步骤1和步骤2，分别得出通信采购总金额（COMMUNICA-TIONS SERVICE DOLLARS）、娱乐采购总金额（ENTERTAINMENT SERVICE DOLLARS）、商品采购总金额（MERCHANDISE SERVICE DOLLARS）、用品采购总金额（SUPPLIES SERVICE DOLLARS）以及旅游采购总金额（TRAVEL SERVICE DOLLARS）。

4）在步骤3中总金额（钱包）=第三步变量值的总和。

5）AMPECS金额（钱包）=AMPECS总金额。

6）SOW_q=AMPECS金额（钱包）/总金额（钱包）。

这六步的子程序见附录11.A。10家客户的SOW_q值见表11.4。观察总金额和SOW_q之间的关系，你可能会发现存在着负相关。事实是，对于2016年5月的开票周期，AMPECS的样本数据并不存在这样的关系。

表11.4　SOW_q

11.4节将构建SOW_q模型。表11.5列出了SOW_q的频次分布，表明SOW_q本质上是一个独立变量。表的下方给出的模型或分析的核心统计量揭示了更多细节。这个SOW_q分布用于诊断并无太大问题：轻微的正偏度（1.492）、均值0.312、极差0.96（1.000-0.040）表明数据之间差异足够大，这对于构建一个有用模型是必要条件。

表11.5　SOW_q频次分布和基本统计量

[1] 也指钱包里的总金额。