Парная корреляционная связь - раздел Маркетинг, СТАТИСТИЧЕСКИЕ МЕТОДЫ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ Парная Корреляция:При Определении Связи Между Двумя П...
Парная корреляция:при определении связи между двумя переменными не контролируются их связи с другими переменными, включенными в анализ.
Диаграмма рассеивания:визуальное отражение связи между двумя переменными (принято, что независимая переменная должна соответствовать горизонтальной оси диаграммы, а зависимая переменная - вертикальной).
Каждому наблюдению на диаграмме соответствует одна точка. Если в расположении точек не прослеживается никаких закономерностей, то две переменные не связаны. Однако, как правило, некоторая связь между переменными наблюдается и чаще всего эта связь близка по форме к линейной. В этом случае расположение точек на диаграмме рассеивания напоминает эллипс, вытянутый из левого нижнего угла в правый верхний в случае положительной корреляции переменных и из левого верхнего угла в правый нижний - в случае отрицательной корреляции. Чем более вытянут эллипс, чем более он отличается от окружности, тем более сильной является линейная корреляционная связь. Расположение точек может принимать также и другие упорядоченные формы, отличающиеся от эллипса, например, форму треугольника. Это означает, что связь между переменными является нелинейной, что затрудняет использование стандартных статистических методов.
Коэффициент корреляции:отражает силу линейной связи между двумя переменными.
Этот способ определения связи не является столь наглядным как диаграммы рассеивания, но зато позволяет точно оценить силу линейной связи. Коэффициент корреляции является нормированной величиной, он может меняться от -1 до 1. Значения, которые по модулю близки к 1, соответствуют сильной линейной связи, а значения, близкие к нулю, соответствуют отсутствию значимой линейной связи. Если коэффициент корреляции равен по модулю 1, то это означает, что связь между переменными является строго линейной, что практически невозможно для маркетинговых показателей.
Сила связи может определяться:
- как по самому коэффициенту корреляции;
- так и по соответствующему ему уровню значимости(если эмпирический уровень значимости меньше критических значений, то корреляция является статистически достоверной).
Параметрический коэффициент корреляции Пирсона -для переменных, измеренных в интервальной шкале или относительной шкале.
Непараметрический коэффициент корреляции Спирмена- для переменных, измеренных в порядковой шкале.
Существуют также коэффициенты корреляции для переменных, измеренных в шкале наименований, но их мы в данном разделе не рассматриваем.
Необходимо помнить о том, что различия между интервальной и порядковой шкалой зачастую являются нечеткими, к тому же коэффициент Спирмена, как правило, незначительно отличается от коэффициента Пирсона, рассчитанного для тех же данных.
Корреляционная матрица: состоит из коэффициентов корреляции для всех возможных пар переменных (так как в анализ часто включено одновременно более двух переменных).
Количество столбцов в корреляционной матрице равно количеству строк, причем каждый столбец, равно как и каждая строка, соответствует одной из переменных. Каждая ячейка корреляционной матрицы содержит коэффициент корреляции между двумя переменными. На главной диагонали матрицы находятся единицы, так как коэффициент корреляции переменной самой с собой равен 1.
Гилберт А Черчилль Маркетинговые исследования СПб Издательство Питер с ил... Малхотра Нэреш К Маркетинговые исследования Практическое руководство Пер... Голубков Е П Маркетинговые исследования теория методология и практика М Финпресс с ил...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Парная корреляционная связь
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Измерительные шкалы
Респондент переносит свои оценки на шкалу, которую разрабатывает исследователь.
Различают 4 типа шкал,с помощью которых могут проводиться измерения:
- шкала наиме
Переменные
Большинство статистических методов предполагает разделение переменных на зависимые и независимые.
В качестве независимых переменных,как правило, рассматриваются показатели
МЕТОДЫ АНАЛИЗА
Большинство статистических методов предполагают в результате расчет уровня значимости. Общепринято считать закономерность статистически достоверной в случаях, когда эмпирический уро
Одномерное табулирование
Табулирование -подсчет количества событий, попадающих в различные категории (определяются распределение переменной в форме таблицы и гистограммы; рассчитываются описательные
Меры центральной тенденции
1. Среднее значениеявляется наиболее адекватной мерой центральной тенденции в случаях когда показатель измерен в интервальной или относительной шкале (все значения показател
Меры изменчивости
1.Размах - разность между крайними значениями показателя
2.Стандартное отклонение и Дисперсия. Это меры того, наскол
Практика
1. Обработка выборок малого размера (для возможности обобщать результаты на генеральную совокупность выборки должны быть большими - как правило, объемом не менее 500).
ФОРМИРОВАНИЕ ИСХОДНОЙ БАЗЫ ДАННЫХ В SPSS
Во вкладке «Переменные» представлена таблица с данными, описывающими свойства переменных. Каждая строка отображает переменную, каждый столбец – её с
АНАЛИЗ таблицы сопряженности
1) Основные закономерности, содержащиеся в данных, видны уже после просмотра процентных долей, рассчитанных для различных категорий:
- таблица сопряженности;
- гистограмма.
МНОГОМЕРНОЕ ТАБУЛИРОВАНИЕ
1) Позволяет более точно определить форму и характер связи между исследуемыми переменными - предполагает введение в анализ одновременно более двух переменных.
Например:
ВЕСОВАЯ ПЕРЕМЕННАЯ
(в перекрестном табулировании)
1) Удобнее с точки зрения упрощения ввода данных.
2) Форма представления исходных данных должна содержать данные о частотах вст
Практика
1. Построение таблиц сопряженности(для двух переменных):
«Анализ/НагляднаяСтатистика/Перекрестные табличные данные»
- Стр
Корреляционный и регрессионный анализ
Для принятия обоснованного управленческого решения, часто важны не столько данные об одной маркетинговой переменной, сколько информация о ее взаимосвязи с другими переменными.
К
Частная корреляционная связь
Частная корреляция:позволяет получить информацию о связи двух переменных с учетом влияния других переменных.
Частные коэффициенты корреляции:
Регрессионный анализ
Одно из главных назначений -построение модели, позволяющей прогнозировать значения зависимой переменной.
Рассмотрим наиболее простую из них -• линейную модель, опис
Проверка гипотез
Гипотеза- ни чем не доказанное предположение.
Пользуясь статистическими приемами, будем устанавливать -Существует ли эмпирическое доказательство, подтвержда
ПРОВЕРКА СОГЛАСИЯ РАСПРЕДЕЛЕНИЯ
(критерий Хи-квадрат)
Ситуация в М.И.: нужно определить - соответствует ли определенный образец поведения, о котором свидетельствуют данные, тому
СРЕДНЕЕ ЗНАЧЕНИЕ ОДНОЙ ВЫБОРКИ
(параметрический одновыборочный 1-критерий Стьюдента)
Ситуация в М.И.: часто возникает необходимость делать предположения о среднем значении генер
РАЗЛИЧИЕ СРЕДНИХ ЗНАЧЕНИЙ ДВУХ ВЫБОРОК
Задачи М.И.(оценка статистической значимости различий средних значений двух случайных величин):
предпочтение упаковки продукта(пиво - стекло; жест
СРАВНЕНИЕ ДОЛЕЙ
(для одной генеральной совокупности)
Задача М.И. - исследование различий между двумя долевыми выборками из одной ге
ВЫБОРКАМИ
Независимые выборки:образуются в результате принадлежности наблюдений к разным категориям (разделение респондентов на группы по полу, по профессии и т.д.).
Группы
ВЫБОРКАМИ
Связанные выборки (зависимые, парные) - каждое наблюдение одной выборки неразрывно связано (находится в паре) с одним из наблюдений другой выборки.
Факторный анализ как метод редукции данных
Пример 1:
Предположим, вы хотите измерить удовлетворенность людей жизнью, для чего составляете вопросник с различными пунктами:
удовлетворены ли люди своим
КЛАСТЕРНЫЙ АНАЛИЗ
Основная цель:Термин кластерный анализ (впервые ввел Tryon,1939) в действительности включает в себя набор различных алгоритмов классификации респо
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
3 òûòòòòòòòòòø
ДИСКРИМИНАНТНЫЙ АНАЛИЗ
Основная цель- используется для принятия решения о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы).
Пр
Вычислительный подход
Дисперсионный анализ.
1) Задача о функции дискриминации может быть перефразирована как задача одновходового дисперсионного анализа (АNOVА): являют
Построение модели
Наиболее общее применение дискриминантного анализа включение в исследование многих переменных с целью определения тех из них, которые наилучшим образом разделяют совокуп
КАНОНИЧЕСКИЙ АНАЛИЗ
Во многих модулях SPSS можно вычислить матрицы парных коэффициентов корреляции для выражения зависимости между несколькими переменными.
Модуль
МНОГОМЕРНОЕ ШКАЛИРОВАНИЕ
Общая цель: - выявление скрытых, не доступных непосредственному наблюдению переменных, по которым различаются объекты.
Многомерное шкалирование
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов