Факторный анализ как метод редукции данных - раздел Маркетинг, СТАТИСТИЧЕСКИЕ МЕТОДЫ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ Пример 1:
Предположим, Вы Хотите Измерить Уд...
Пример 1:
Предположим, вы хотите измерить удовлетворенность людей жизнью, для чего составляете вопросник с различными пунктами:
удовлетворены ли люди своим хобби;
как интенсивно они им занимаются.
Две переменные (ответы на два разных пункта) коррелированы между собой.
Из высокой коррелированности двух этих переменных можно сделать вывод об избыточности двух пунктов опросника.
Объединение двух переменных в один фактор.
Зависимость между переменными можно обнаружить с помощью диаграммы рассеяния.
Если определить новую переменную на основе линии регрессии, изображенной на этой диаграмме, то такая переменная будет включать в себя наиболее существенные черты обеих переменных.
Так сокращают число переменных с двух до одной. Отметим, что новый фактор-переменная в действительности является линейной комбинацией двух исходных переменных.
Главная идея факторного анализа:объединение двух коррелированных переменных в один фактор.
Если пример с двумя переменными распространить на большее число переменных, то вычисления становятся сложнее, однако основной принцип представления двух или более зависимых переменных одним фактором остается в силе.
Выделение главных компонент.
На диаграмме рассеяния вы можете рассматривать линию регрессии как ось X, повернув ее так, что она совпадает с прямой регрессии. Этот тип вращения называется вращением, максимизирующим дисперсию, так как критерий (цель) вращения заключается в минимизации разброса вокруг нее и максимизации дисперсии (изменчивости) "новой" переменной (фактора).
Обобщение на случай многих переменных.
В том случае, когда имеются более двух - три переменные, можно считать, что они определяют трехмерное "пространство" точно так же, как две переменные определяют плоскость. Если вы имеете три переменные, то можете построить ЗМ диаграмму рассеяния.
представить точки на диаграмме рассеяния, однако логика вращения осей с целью максимизации дисперсии нового фактора остается прежней.
Сколько Факторов следует выделять?
Анализ главных компонент является методом сокращения или редукции данных, т.е. методом сокращения числа переменных.
Отметим, что в процессе последовательного выделения факторов они включают в себя все меньше и меньше изменчивости.
Решение о том, когда следует остановить процедуру выделения факторов, главным образом зависит от точки зрения на то, что считать малой "случайной" изменчивостью. Это решение достаточно произвольно, однако имеются некоторые рекомендации, позволяющие рационально выбрать число факторов.
Лабораторный пример:(7респондентов отвечают на 6 вопросов) Как только получена информация о том, сколько дисперсии выделил каждый фактор, вы можете возвратиться к вопросу о том, сколько факторов следует оставить.
1. Критерий Кайзера.Сначала вы можете отобрать только факторы, со значениями вклада, большими 1. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он опускается. Этот критерий предложен Кайзером (Ка(зег, 1960), и является, вероятно, наиболее широко используемым. В приведенном выше примере на основе этого критерия вам следует сохранить только 2 фактора (две главные компоненты).
2. Критерий каменистой осыпи -
является графическим методом, впервые предложенным Кэттелем (Саttel, 1966). Вы можете изобразить собственные значения, представленные в таблице ранее, в виде простого графика.
Кэттель предложил найти такое место на графике, где убывание собственных значений слева направо
максимально замедляется. В соответствии с этим критерием можно оставить в этом примере 2 или 3 фактора.
Вопрос о группировке вопросов-переменных в факторы решается далее на основе соответствующей таблицы или графика.
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:
Факторный анализ как метод редукции данных
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.
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