КЛАСТЕРНЫЙ АНАЛИЗ - раздел Маркетинг, СТАТИСТИЧЕСКИЕ МЕТОДЫ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ Основная Цель:Термин Кластерный Анализ (Впервы...
Основная цель:Термин кластерный анализ (впервые ввел Tryon,1939) в действительности включает в себя набор различных алгоритмов классификации респондентов (в общем случае).
Общий вопрос, задаваемый исследователями во многих областях, состоит в том, как организовать наблюдаемые данные в наглядные структуры, т.е. развернуть таксономии.
Например:биологи ставят цель разбить животных на различные виды, чтобы содержательно описать различия между ними. В соответствии с современной системой, принятой в биологии, человек принадлежит к приматам, млекопитающим, амниотам, позвоночным и животным.
Проверка статистической значимости
Фактически, кластерный анализ является не столько обычным статистическим методом, сколько "набором" различных алгоритмов "распределения объектов по кластерам".
Следует понимать, что кластерный анализ определяет "наиболее возможно значимое решение".Поэтому проверка статистической значимости в действительности здесь неприменима.
Области применения
Техника кластеризации применяется в самых разнообразных областях. Хартиган (Нагйдап, 1975) дал прекрасный обзор многих опубликованных исследований, содержащих результаты, полученные методами кластерного анализа:
- в области медицины: кластеризация заболеваний, лечения заболеваний или симптомов заболеваний приводит к широко используемым таксономиям;
- в области психиатрии: правильная диагностика кластеров симптомов (паранойя, шизофрения и т.д.) является решающей для успешной терапии;
- в археологии: с помощью кластерного анализа исследователи пытаются установить таксономии каменных орудий, похоронных объектов и т.д.;
- в маркетинговых исследованиях: когда необходимо классифицировать "горы" информации к пригодным для дальнейшей обработкигруппам, кластерный анализ оказывается весьма полезным и эффективным.
Метод кластеризации - Объединение(древовидная кластеризация)
Общая логика: алгоритм состоит в объединении объектов в достаточно большие кластеры, используя некоторую меру сходства или расстояние между объектами.
Типичным результатом такой кластеризации является иерархическое дерево.
1) Диаграмма начинается с каждого объекта в классе (в левойчасти диаграммы).
2) Постепенно (очень малыми шагами) "ослабляем" критерий о том, какие объекты являются уникальными, а какие нет (понижаем порог, относящийся к решению об объединении двух или более объектов в один кластер).
3) Связываются вместе всё большее число объектов и объединяется все больше кластеров, состоящих из все сильнее различающихся элементов.
4) Окончательно, на последнем шаге все объекты объединяются в месте.
* * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * *
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:
КЛАСТЕРНЫЙ АНАЛИЗ
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
Парная корреляционная связь
Парная корреляция:при определении связи между двумя переменными не контролируются их связи с другими переменными, включенными в анализ.
Диаграмма рассеив
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
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