рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Совместный анализ

Совместный анализ - раздел Маркетинг, Маркетинговые исследования В Отличие От Предыдущих Методов, Совместный Анализ – Это Не Столько Многомерн...

В отличие от предыдущих методов, совместный анализ – это не столько многомерный метод, сколько совокупность исследовательских процедур для планирования и анализа экспериментов. Обычно цель эксперимента – определить влияние на выбор или предпочтение товара каждой из его характеристик. Общим для всех процедур совместного анализа является допущение о том, что товар представляет собой пучок характеристик, которые рассматриваются совместно. Например, конфета является комбинацией вполне определенных ингредиентов, а именно: размера, цены и торговой марки.

Маркетологи используют совместный анализ для разнообразных целей, в том числе для:

  • Определение товаров с оптимальной комбинацией свойств.
  • Определение относительных вкладов каждой характеристики и ее уровня в общую оценку товара.
  • Прогноза рыночной доли товара с различными наборами характеристик.
  • Определения рыночных возможностей товара или услуги, не представленных в настоящее время на рынке.
  • Определение доходности нового товара, исходя из сравнения его стоимости с ожидаемой ценой и долей рынка.
  • Выяснение возможностей использования стратегии вывода на рынок товарного ряда и торговых марок, включая опасность каннибализма
  • Оценки влияния ухода товара или торговой марки с рынка.
  • Определение возможности модификации имеющегося в настоящее время на рынке товара с тем, чтобы он мог конкурировать с новыми, входящими на рынок товарами.
  • Оценки эффекта исключения некоторых характеристик изделия, поддержание которых дорого стоит, но предельная стоимость которых минимальна.
  • Сегментации потребителей в зависимости от того, какие свойства товара они считают важными. Установление возможного размера сегмента потребителей, ориентированных исключительно на цену, или размера сегмента потребителей, ориентированных исключительно на торговую марку.

Независимо от подхода, используемого для совместного анализа, самое главное для успешного исследования – это выбор включаемых в план характеристик и уровней. Неопытные исследователи стремятся включить в анализ чрезмерное количество свойств товара, полагая, что потребители, как и они, учитывают все тонкости товара. На самом деле человек стремится упростить процесс принятия решения, и поэтому включение в план исследования от пяти до восьми важнейших характеристик обычно вполне достаточно, чтобы спрогнозировать вероятность покупки. При выборе окончательных переменных совместного анализа убедитесь, что включены только те характеристики, которые можно добавить или убрать из процесса выбора и которая показывают различия между товарами.

Другая опасность для начинающего исследователя кроется в стремлении чрезмерно обобщить полученное решение. Если изменение в уровнях цены сильно влияет на предпочтение продукта, то нельзя делать такое заявление: «цена – самая важная характеристика изделия». Ваши измерения означают лишь, что переход от одного уровня цены к другому среди выбранных вами для проверки цен, был более определяющим фактором для выбора респондентом изделия, чем изменение уровней по другим характеристикам. Вы могли бы выбрать ценовые уровни, ближе расположенные один к другому, и получить совершенно другой результат

Резюме № 1

Базовый анализ данных позволяет глубже проникнуть в суть явления и является основой как для выполнения последующего анализа, так и для интерпретации данных. Для каждой переменной необходимо получить распределение частот признаков (вариационный ряд). Результаты анализа отражены в таблицах частот, частностей и накопленных частот для всех значений переменной. Они показывают наличие выбросов, пропущенных или экстремальных значений. Показатели центра распределения - среднее арифметическое, медиана и мода. Вариация распределения признаков описывается размахом, дисперсией стандартным отклонением, коэффициентом вариации и межквартальным размахом. Форму кривой распределения определяют асимметрия и эксцесс.

Кросс-табуляция представляют собой процедуру создания таблиц сопряженности признаков, которое отражают совместное распределение значений двух или более переменных. В кросс-табуляции проценты вычисляем по колонкам (к итоговой колонке) или по рядам (к итоговому ряду). Общее правило - вычисление процентов в направлении независимой переменной через зависимую переменную.

Часто, чтобы лучше уяснить суть связи переменных, вводят третью переменную. Ститистика хи-квадрат позволяет проверить статистическую значимость наблюдаемой связи в таблице сопряженности. С помощью фи-коэффициента, коэффициента сопряженности, У- коэффициет Крамера и коэффициент "лямбда" определяют силу связи между переменными.

Для проверки гипотез о различиях используют параметрические и непараметрические методы. Из параметрических методов для проверки гипотезы относительно среднего совокупности используют т-критерий. Его различные типы подходят для проверки гипотезы на основе которой лежит одна выборка, две независимые выборки или парные выборки. Из непараметрических методов популярны одновыборные критерии, включающие критерии, согласия Колмогорова-Смирнова , критерий хи-квадрат, критерий серий и биномиальный критерий. Для двух независимых непараметрических выборок можно использовать У-критерий Манна-Уитни, медианный критерий и критерий Колмогорова-Смирнова. В случае парных сравнений Уилкоксона и критерий знаков.

 

Резюме №2

В дисперсионном и ковариационном анализе зависимая переменная метрическая, а все независимые переменные категориальные или представляют собой комбинации категориальных и метрических переменных. Однофакторный дисперсионный анализ включает единственную независимую категориальную переменную. Суть метода заключается в проверке нулевой гипотезы о равенстве средних в совокупности. Полная вариация в зависимой переменной раскладывается на два компонента: вариация, связанная с независимой переменной, и вариация, связанная с ошибкой. Вариацию выражают как сумму квадратов, скорректированную на среднее значение. Средний квадрат получают делением суммы квадратов, на соответствующее число степеней свободы. Нулевую гипотезу о равенстве средних проверяют с помощью - статистики, которая представляет собой отношение среднего квадрата независимой переменной к среднему квадрату ошибки.

Многофакторный дисперсионный анализ включает одновременное исследование двух или более категориальных независимых переменных. Главное преимущество этого анализа в том, что он позволяет изучить взаимодействия между независимыми переменными. Значимость общего эффекта, эффекты взаимодействия и главные эффекты отдельных факторов изучают с помощью соответствующих - критериев. Имеет смысл проверять значимость главных эффектов отдельных факторов, только если соответствующие эффекты взаимодействия незначимы.

Ковариационный анализ включает, по крайней мере, одну категориальную независимую переменную и одну интервальную или метрическую независимую переменную. Метрическую независимую переменную или ковариату обычно используют для удаления посторонних вариаций из независимой переменной.

Если дисперсионный анализ выполняют для двух и больше факторов, то могут возникнуть проблемы и взаимодействия. Взаимодействие имеет место, если эффект независимой переменной на зависимую различен для разных уровней другой независимой переменной. Если взаимодействие статистически значимо, оно может быть упорядочным или неупорядочным. Неупорядочное взаимодействие может быть пересекающегося или непересекающегося типа. В сбалансированных планах относительную влажность факторов при объяснении вариации в зависимой переменной измеряют с помощью . Для изучения различий между конкретными средними используются множественные сравнения либо в форме априорных, либо в форме апостериорных контрастов.

В дисперсионном анализе с повторными измерениями наблюдения над каждым участником эксперимента выполняются для каждой комбинации условий эксперимента. Этот план полезен для управления различиями среди участников, которые существуют априори и известны до проведения эксперимента. Неметрический дисперсионный анализ включает изучение различий в средних значениях двух или больше группы, когда зависимая переменная измерена порядковой шкалой. Многомерный дисперсионный анализ включает две или больше метрических зависимых переменных.

 

Резюме № 3

Парный коэффициент корреляции является мерой линейной связи между двумя метрическими (измеренными интервальной или относительной шкалой) переменными. Его квадрат измеряет долю вариации одной из переменных, обусловленную вариацией другой. Частный коэффициент вариации - мера зависимости между переменными после исключения эффекта от влияния одной или нескольких дополнительных переменных. Порядок частной корреляции указывает на количество переменных, на которое необходимо внести поправку или которые следует исключить. Коэффициенты частной корреляции могут оказаться полезными для выявления должных связей.

С помощью парной регрессии устанавливается математическая зависимость (в виде уравнения) переменной и метрической независимой переменной (предиктором). Уравнение описывает прямую линию, и для его ввода используют метод наименьших квадратов. В случае построения регрессии с нормированными данными отрезок, отсекаемый на оси, принимает значение, равное 0, и коэффициенты регрессии называют взвешенными "бета" коэффициентами. Силу тесноты связи измеряют коэффициентом детерминации, который получают, вычисляя отношение . Стандартную ошибку уравнения регрессии используют для оценки точности предсказания, и ее можно интерпретировать как род средней ошибки, сделанной при теоретическом предсказании, исходя из уравнения регрессии.

Множественная регрессия включает одну зависимую и две (или более) независимых переменных. Частный коэффициент регрессии представляет ожидаемое изменение, когда меняется на одну единицу, а переменные от до остаются постоянными. Силу тесноты связи измеряют коэффициентом множественной детерминации. Значимость общего уравнения регрессии проверяется общим -критерием. Отдельные частные коэффициенты регрессии можно проверить на значимость, используя -критерий приращений. Диаграммы рассеяния остаточных членов, когда их значения представлены графически в зависимости от предсказанных теоретических значений, времени и предикторов, полезны для проверки соответствия основным допущениям и подобранной регрессионной модели.

При пошаговой регрессии предикторы вводят или выводят из уравнения регрессии один за другим с целью выбора меньшего их числа, которые объясняют большую часть вариации критериальной переменной. Мультиколлинеарность или очень высокая взаимная корреляция между предиктором может вызвать некоторые проблемы. Из-за того, что предикторы взаимосвязаны (коррелируют), регрессионный анализ не обеспечивает однозначного свидетельства об относительной важности предикторов. Перекрестная проверка может установить, верна ли регрессионная модель для сопоставимых данных, не использованных приеме вычислении. Она является полезным методом при оценке регрессионной модели.

Можно использовать категориальные переменные как предикторы путем их кодирования как фиктивных переменных. Множественная регрессия с фиктивными переменными предоставляет общий метод для выполнения дисперсионного и ковариационного анализа.

 

Резюме № 4

Факторный анализ – это общее название для класса методов, используемых, главным образом, для сокращения числа переменных и их обобщения. Каждую переменную выражают как линейную комбинацию латентных факторов. Аналогично, сами факторы можно выразить как линейную комбинацию наблюдаемых переменных. Факторы выделяют таким образом, что первый фактор объясняет самую высокую долю дисперсии, второй – следующий по величине долю дисперсии и т.д. Кроме того, можно выделить факторы так, что они будут не коррелированными, как это и делают в анализе главных компонент.

При формулировании проблемы факторного анализа переменные, включаемые в факторный анализ, задаются, исходя из прошлых исследований, теоретических выкладок и по усмотрению исследователя. Эти переменные измеряются в интервальной ли относительной шкале. В основе факторного анализа лежит матрица корреляций между переменными. Приемлемость корреляционной матрицы для факторного анализа определяется статистической проверкой.

Существует два основных метода проведения факторного анализа – анализ главных компонент и анализ общих факторов. В анализе главных компонент учитывается полная дисперсия. Анализ главных компонент рекомендуется, если основная задача исследователя – определение минимального числа факторов, которые вносят максимальный вклад в дисперсию, чтобы в последующем использовать их во многомерном анализе. В анализе общих факторов факторы оценивают только по общей (для всех факторов) дисперсии. Этот метод подходит, если основная задача – определение факторов, лежащих в основе изучаемой переменной, и общей дисперсии. Этот метод также известен как разложение матрицы.

Число выделяемых факторов определяется, исходя из предварительной информации; собственных значений факторов; критерия «каменистой осыпи»; процента объясненной дисперсии; метода расщепления; критериев значимости. Несмотря на то, что матрица исходных или неповернутых факторов указывает на взаимосвязь факторов и отдельных переменных, она редко приводит к факторам, которые можно интерпретировать, поскольку факторы коррелируют со многими переменными. Поэтому вращением матрицу факторных коэффициентов преобразуют в более простую, которую легче интерпретировать. Самый распространенный метод вращения матрицы – метод варимакс (вращение, максимизирующее дисперсию), который приводит к ортогональным факторам. Если факторы в совокупности высококоррелированны, то можно использовать косоугольное вращение. Матрица повернутых факторов создает основу для интерпретации факторов.

Для каждого респондента можно вычислить значение фактора. Альтернативно, можно выбрать переменные-заменители, изучив, матрицу факторных нагрузок и выбрав для каждого фактора переменную с наивысшим (или ближайшим к наивысшему) значением факторной нагрузки. Разницу между наблюдаемыми корреляциями и вычисленными, которую оценивают исходя из матрицы факторных нагрузок, используют для определения степени подгонки эмпирической модели.

 

 

Резюме № 5

Дискриминантный анализ целесообразно использовать, когда зависимая переменная является категориальной, а предикторы (независимые переменные) – интервальными. Если зависимая переменная имеет две категории, то используемый метод известен как дискриминантный анализ для двух групп. Если анализируют три или больше групп, то метод называют множественным дискриминантным анализом.

Процедура дискриминантного анализа состоит из пяти шагов. Первый шаг – формулирование проблемы, требует определения целей, зависимой и независимых переменных. Выборку делят на две части. Анализируемую выборку используют для вычисления дискриминантный функции; проверочную – для проверки достоверности модели. Второй шаг – определение функции, включает выведение такой линейной комбинации предикторов (дискриминантный функций), чтобы группы максимально возможно различать между собой значениями предикторов.

Определение статистической значимости представляют собой третий шаг. Она включает проверку нулевой гипотезы о том, что в совокупности средние всех дискриминантный функций во всех группах равны между собой. Если нулевую гипотезу отклоняют, то имеет смысл интерпретировать результаты.

Четвертый шаг – интерпретация дискриминантных весов или коэффициентов аналогично такой же стадии во множественном регрессионном анализе. При данной мультиколлинеарности в предсказанных переменных не существует однозначной меры относительной важности предикторов в дискриминации ими групп. Однако некоторое представление об относительной важности переменных можно получить, изучив абсолютные значения нормированных коэффициентов дискриминантной функции и структуру корреляций или дискриминантных нагрузок. Эти коэффициенты линейной корреляции между каждым предиктором и дискриминантной функцией представляют дисперсию, которую предиктор делит вместе с функцией. Другим средством интерпретации результатов дискриминантного анализа является разработка характеристической структуры для каждой группы, исходя из групповых средних для предикторов.

Пятый шаг – проверка достоверности. Она включает разработку классификационной матрицы. Дискриминантные веса, определенные с помощью анализируемой выборки, умножают на значения независимых переменных в проверочной выборке, чтобы получить дискриминантные показатели для случаев в этой выборке. Затем случаи распределяют по группам, исходя из дискриминантных показателей и соответствующего правила принятия решения. Определяют процент верно классифицированных случаев и сравнивают его с процентом случаев, которое можно ожидать на основе классификации методом случайного выбора.

Для оценки коэффициентов существует два известных подхода. Прямой метод включает оценку дискриминантной функции при одновременном введении всех предикторов. Альтернативный ему пошаговый метод включает последовательное введение предсказанных переменных, исходя из их способности дискиминировать группы.

Во множественном дискриминантном анализе, если имеется G групп и k предикторов, можно оценить (G – 1) и меньше, чем (G -1) или k дискриминантных функций. Первая функция имеет самое высокое значение отношения межгрупповой суммы квадратов к внутригрупповой сумме квадратов. Вторая функция, некоррелирующая с первой, имеет второе по величине собственное значение и т.д.

 

Резюме № 6

Кластерный анализ используют для группирования (классификации) объектов (событиев, случаев), а иногда и переменных в относительно однородные группы. Образование кластеров зависит от имеющихся данных, а не определяется заранее.

Переменные, которые являются основанием для кластеризации, следует выбирать, исходя из опыта предшествующих исследований, теоретических предпосылок, проверяемых гипотез, а также по усмотрению исследователя. Кроме того, следует выбирать соответствующую меру расстояния (сходства). Особенно иерархической кластеризации – разработка иерархической или древовидной структуры. Иерархические методы кластеризации могут быть агломеративными или дивизивными. Агломеративные методы включают: метод одиночной связи, метод полной связи и метод средней связи. Широко распространенными дисперсионным методом является метод Варда. Неиерархические методы кластеризации часто называют методом k-средних. Эти методы включают последовательный пороговый метод, параллельный пороговый метод и оптимизирующее распределение. Иерархические и неиерархические методы можно применять совместно. Выбор метода кластеризации и выбор меры расстояния взаимосвязаны.

Решение о числе кластеров принимают по теоретическим и практическим соображениям. В иерархической кластеризации важным критерием принятия решения о числе кластеров являются расстояния, при которых происходит объединение кластеров. Относительные размеры кластеров должны быть такими, чтобы имело смысл сохранить данный кластер, а не объединить его с другими. Кластеры интерпретируют с точки зрения кластерных центроидов. Часто интерпретировать кластеры помогает их профилирование через переменные, которые не лежали в основе кластеризации. Надежность и достоверность решений кластеризации оценивают разными способами.

 

Резюме № 7

Маркетологи используют многомерное шкалирование для получения пространственного представления о восприятиях и предпочтениях респондентов. Воспринимаемые (психологические) связи между объектами представляют в виде геометрических связей между точками в многомерном пространстве. Формулирование проблемы многомерного шкалирования (ММШ) требует определение торговых марок (объектов), включенных в анализ. Выбранное число и природа торговых марок влияют на окончательное решение, получаемое в ходе анализа. Исходные данные, получаемые от респондентов, можно связать с восприятиями или предпочтениями. Данные о восприятиях могут быть прямыми или непрямыми. В маркетинговых исследованиях наибольшее распространение получил прямой метод сбора данных.

Выбор метода ММШ зависит от природы исходных данных (метрические или неметрические), а также того, что именно подлежит шкалированию – восприятия или предпочтения. Другим определяющим фактором является уровень проведения анализа – индивидуальный или агрегатный. В основе решения о числе размерностей, в котором нужно получить результат анализа, лежат теоретические предпосылки, интерпретируемой получаемых результатов, критерий изогнутости и легкость в использовании данного числа размерностей. Обозначение осей является трудной задачей, и решение о названиях координатных осей принимает сам исследователь, исходя из своего опыта. Для определения достоверности и надежности решений ММШ существует несколько принципов. Данные о предпочтениях можно подвергнуть внутреннему или внешнему анализу. Если исходные данные носят качественный характер, то их можно проанализировать анализом соответствий. Если к сбору данных применили атрибутивный подход, то пространственные карты можно также получить с помощью факторного или дискриминантного анализа.

Совместный анализ основан на положении, что относительную важность, которую придают потребители ясно выраженным характеристикам, а также полезности, которые они связывают с уровнями характеристик, можно определить из оценок потребителями профилей торговых марок, построенных с использованием этих характеристик и их уровней. Обычно для конструирования объектов применяют Полнопрофильный и попарный методы. Исходные данные бывают неметрическими (ранги) или метрическими (рейтинги). Обычно зависимая переменная представляет собой предпочтение или намерение совершить покупку.

 

– Конец работы –

Эта тема принадлежит разделу:

Маркетинговые исследования

Бурцева Т А... Маркетинговые исследования...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Совместный анализ

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Исследовательского отдела
Собственный исследовательский отдел занимается маркетинговыми исследованиями в соответствии с информационными потребностями фирмы. Проведение исследования собственным исследовательским отд

Специализированного исследовательского агентства
Специализированные исследовательские агентства выполняют разно­образные исследования, результаты которых могут помочь фирме ре­шить имеющиеся проблемы. Чтобы воспользоваться преимуществами работы с

Проявления неэтичного поведения в отношении респондентов
К первой группе относятся потенциальные и реальные респонденты, с которыми контактируют исследователи в процессе сбора информа­ции. Н. Крэйг Смит в своей статье «Этика маркетинга» отмечает сле­дующ

Саморегулирование исследовательской деятельности
Существуют различные подходы к решению этических проблем. При определении «правильности» поступка могут оказаться полезными рекомендации нормативной этики. Нормативная этика — это предписы

Влияние корпоративной культуры на этичность поведения сотрудников
На решения о том, какое поведение уместно в каждой конкретной си­туации, оказывают влияние не только существующие профессиональ­ные кодексы, но и корпоративная культура исследовательской орга­низац

Тема 6 Постановка задач маркетингового исследования.
1. Идентификация проблемы исследования. 2. Цели маркетингового исследования. 3. Формирование рабочей гипотезы. 4. Определение задач исследования. 1. Пос

Характеристика приемов осмысления проблемы
Приемы Достоинства Недостатки 1.Анализ результатов деятельности Прост Доступен Не требует допол. орган

Цели маркетинговых исследований
Цели Описание Поисковые (разведочные) Предусматривают сбор информации для предварительной оценки проблемы и ее структур

Тема 6 Выбор метода исследования и методов сбора информации
1. Классификация методов проведения маркетинговых исследований 2. Метод сбора информации: полевые и кабинетные исследования. 3. Качественные и количественные исследования.

Характеристика экспертных методов исследования
Описание Достоинства Недостатки Основываются на изучении мнений специалистов-экспертов об изучаемом объекте

Характеристика экономико-математических методов исследования
Описание Достоинства Недостатки Основываются на математическом моделировании изучаемых объектов с целью прогнозирования б

Преимущества и недостатки кабинетных исследований
Преимущества Недостатки Быстрота и относительная дешевизна. Возможность мониторинга основных рыночных тенденций, динамического изменен

Тема 8 Планирование программы исследования
1. Подготовка плана исследования. 2. Основные типы маркетинговых исследований: поисковые, дескриптивные, профильные. 3. Определение объема ассигнований на проведение МИ.

Взаимосвязьтипов маркетингового исследования
Конкретный проект МИ может включать несколько типов исследования и таким образом служить различным целям. Комбинация типов исследования зависит от характера проблема. Можно использоватьследующие об

Сравнительные недостатки методов наблюдения.
Наиболее серьезным недостатком методов наблюдения является то, что причины наблюдаемого поведения не поддаются определению, поскольку почти ничего не известно о его мотивах, убеждениях, отношениях

По форме проведения эксперимента
7.1 Реальные эксперименты — проводятся на реально существующих объек­тах. Преимуществом этой формы эксперимента является естественная обстановка, к которой привыкли участники эксперимента, следоват

Тема 9 Планирование выборки
1. Выделение объектов генеральной совокупности. 2. Определение процедуры формирования выборки. 3. Определение объема выборки.   1. Планирование выб

Тема 10 Измерение и шкалирование: основы и сравнительное шкалирование
Вопросы: 1. Основные типы шкал 2. Сопоставление методов шкалирования 3. . . . . . 4… 1…. Разработав план проведения исследования и определив, какую имен

Тема: Разработка анкет
Вопросы: 1. Основные виды вопросов. Функциональное назначение вопросов. 2. Композиция анкет. 3. Предварительное тестирование анкет.   1. В

Тема 20
  На результатах маркетингового исследования может сказаться наличие потенциальных источников ошибок. В хорошо составленном плане маркетингового исследования должен предусматриваться

Выбор стратегии анализа данных
  7) Выбор стратегии анализа данных   1. Подготовка данных должна

Презентация отчета.
  1. Подготовка отчета и его презентация – последний этап маркетинговых исследований. Ему предшествуют определенные проблемы, разработка подхода, формулирование плана исследо

Множественная регрессия
Множественная регрессия – испытанный и надежный метод маркетинговых исследований, применяемый, главным образом, для прогнозирования и объяснения относительного вклада предикторов в изменение опреде

Дискриминантный анализ
Как и для множественной регрессии, главное назначение дискриминантного анализа – прогнозирование и определение относительной важности предикторов. Ключевое различие между этими двумя методами состо

Факторный анализ
Чаще всего факторный анализ используют для снижения числа данных и установления характера взаимосвязи переменных. Мы можем задать 20 вопросов на одну тему, но с их помощью в действительности можно

Кластерный анализ
Кластерный анализ используют, в основном, для целей сегментации. Обычно различают сегментацию двух типов: первый тип – простая рыночная сегментация, когда измерение потребностей и мотиваций обуслов

Многомерное шкалирование
Простейшее определение многомерное шкалирование (ММШ) состоит в том, что с его помощью можно количественно измерить пространственные взаимосвязи. Предположим, что мы хотим попытаться понять, как лю

Дисперсионный анализ
Дисперсионный анализ (ANOVA) чрезвычайно полезный инструмент в практике маркетинговых исследований, поскольку именно его используют чаще всего для снижения кумулятивной ошибки. Она представляет соб

Множественная регрессия
Множественная регрессия – испытанный и надежный метод маркетинговых исследований, применяемый, главным образом, для прогнозирования и объяснения относительного Влада предикторов в изменение определ

Дискриминантный анализ
Как и для множественной регрессии, главное назначение дискриминантного анализа – прогнозирование и определение относительной важности предикторов. Ключевое различие между этими двумя методами состо

Факторный анализ
Чаще всего факторный анализ используют для снижения числа данных и установления характера взаимосвязи переменных. Мы можем задать 20 вопросов на одну тему, но с их помощью в действительности можно

Кластерный анализ
Кластерный анализ используют, в основном, для целей сегментации. Обычно различают сегментацию двух типов: первый тип – простая рыночная сегментация, когда измерение потребностей и мотиваций обуслов

Многомерное шкалирование
Простейшее определение многомерное шкалирование (ММШ) состоит в том, что с его помощью можно количественно измерить пространственные взаимосвязи. Предположим, что мы хотим попытаться понять, как лю

Совместный анализ
В отличие от предыдущих методов, совместный анализ – это не столько многомерный метод, сколько совокупность исследовательских процедур для планирования и анализа экспериментов. Обычно цель эксперим

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги