МИ методы анализа вторичных данных.ppt
- Количество слайдов: 37
Методы анализа вторичных данных • • • - Факторный анализ - Кластерный анализ - Дисперсионный анализ - Совместный анализ - Многомерное шкалирование - Анализ соответствий / корреспондентный анализ • - Дискриминантный анализ • - Анализ временных рядов
Факторный анализ • Факторным анализом называют совокупность методов, которые позволяют выявлять латентные (скрытые, неявные) обобщающие характеристики структуры и механизма развития изучаемых явлений и процессов на основе существующих связей признаков (или объектов). • • Чаще всего факторный анализ используют: при сегментации рынка (можно сгруппировать покупателей определенной категории товаров в зависимости от того, чем они руководствуются в своем выборе) в ценовых исследованиях - для выявления характеристик потребителей, наиболее чувствительных к ценовым изменениям для выявления атрибутов бренда, которые определяют его предпочтительность для потребителей во всех остальных случаях, где задачей выступает выявление латентных факторов
Факторный анализ (последовательность процедур): 1. построение экономически обоснованной детерминированной факторной модели; 2. выбор приема факторного анализа и подготовка условий для его выполнения; 3. реализация счетных процедур анализа модели; 4. формулирование выводов и рекомендаций по результатам анализа.
Виды детерминированных факторных моделей : • • 1. аддитивная модель; 2. мультипликативная модель; 3. кратная модель; 4. смешанная модель.
Аддитивная модель, т. е. модель, в которую факторы входят в виде алгебраической суммы. Например модель товарного баланса: где Р - реализация; - запасы на начало периода; П - поступление товаров; - запасы на конец периода; В - прочее выбытие товаров;
Мультипликативная модель, т. е. модель, в которую факторы входят в виде произведения. Например простейшая двухфакторная модель: • где Р - реализация; • Ч - численность; • ПТ - производительность труда;
Кратная модель, т. е. модель, представляющая собой отношение факторов. • Например: • где - фондовооруженность; • ОС - стоимость основных средств; • Ч – численность.
Смешанная модель, т. е. модель, в которую факторы входят в различных комбинациях. • Например: • где Р - реализация; • - рентабельность; • ОС - стоимость основных средств; Об - стоимость оборотных средств.
Типовые задачи факторного анализа : • В факторном анализе можно выделить четыре типовые задачи: • 1. Оценка влияния относительного изменения факторов на относительное изменение результативного показателя. • 2. Оценка влияния абсолютного изменения i-го фактора на абсолютное изменение результативного показателя. • 3. Определение отношения величины изменения результативного показателя, вызванного изменением i-го фактора, к базовой величине результативного показателя. • 4. Определение доли абсолютного изменения результативного показателя, вызванного изменением i-го фактора, в общем изменении результативного показателя.
Кластерный анализ • Представляет собой группу методов, которые используются для классификации объектов или событий в относительно однородные группы, которые называют кластерами. • • • Кластерный анализ используют в исследованиях для различных целей, например: для сегментации рынка, для идентификации и изучения однородных групп покупателей, для кластеризации марок и продуктов, которой можно определить конкурентоспособные наборы в пределах данного рынка. для интерпретации поведения потребителей; идентифицируются однородные группы потребителей продукта, затем поведение каждой группы изучается отдельно. для прочих задач, связанных с необходимостью разбивать объекты на группы по заданным признакам.
Кластер - это множество объектов, близких между собой по некоторой мере сходства. В пространстве переменных кластеры представляют собой скопления точек (объектов) различной формы. • • Форма кластеров может быть различной. Это необходимо учитывать при визуальном изучении выделяемых сегментов.
Кластеризация - это процесс разбиения множества объектов на кластеры (группы объектов, близких по мере сходства). Так выглядят объекты до кластеризации. Здесь изображено скопление "белых" точек -потребителей. Они не разбиты на сегменты. • Объекты после кластеризации. Каждый кластер/сегмент имеет цвет. Поэтому потребители одного сегмента образуют облако точек одного цвета.
•
Дисперсионный анализ • Метод статистического анализа, который позволяет исследовать влияние одной или несколько независимых переменных на одну зависимую переменную или на несколько зависимых переменных. • В дисперсионном анализе исследователь исходит из предположения, что одни переменные выступают как влияющие (именуемые факторами или независимыми переменными), а другие (результативные признаки или зависимые переменные) – подвержены влиянию этих факторов. • Использование: • Позволяет определить достоверность гипотезы о различиях в средних значениях на основании сравнения дисперсий (отклонений) распределений.
Дисперсионный анализ включает в себя проверку гипотез, связанных с оценкой выборочной дисперсии. • Можно выделить три основных вида гипотез: • 1. (значимо ли различие между двумя дисперсиями? ) • 2. (одна дисперсия значимо больше другой? ) • 3. (значимо ли различие между несколькими дисперсиями? )
Первые две гипотезы дисперсионного анализа проверяются с помощью критерия Фишера. Причем 1 я гипотеза - с помощью двустороннего критерия, а вторая - с помощью одностороннего. Строго говоря, эти критерии не равны, но в общем случае разницей можно пренебречь. Проверка производится по следующей формуле:
С 3 -й гипотезой (сравнение нескольких дисперсий или проверка однородности дисперсий) дело обстоит сложнее. • В дисперсионном анализе для сравнения нескольких дисперсий существует два критерия: • 1. Критерий Бартлетта • 2. Критерий Кохрена
• • 1. Критерий Бартлетта включает в себя довольно сложные вычисления Тестовая статистика сравнивается с процентной точкой распределения. • Плюсы: нет требования равенства числа степеней свободы дисперсий, критерий выявляет отклонения как в наибольшую, так и в наименьшую стороны Минусы: сложность вычислений, число степеней свободы любой дисперсии должно быть больше трех. • • 2. Критерий Кохрена Проверка однородности дисперсий включает вычисление доли максимальной дисперсии среди всех дисперсий: • которая затем сравнивается с критическим значением G(p, m, f), где f - число степеней свободы каждой дисперсии (должно быть одинаковым у всех дисперсий), m - число дисперсий, p - доверительная вероятность. Плюсы: простота вычислений Минусы: ограничение на число степеней свободы дисперсий, критерий выявляет отклонения только в большую сторону. Сравнивая плюсы и минусы критериев Бартлетта и Кохрена, можно увидеть, что они являются взаимодополняющими и должны использоваться совместно. •
Совместный анализ • Метод совместного анализа позволяет выбрать оптимальную для потребителей комбинацию свойств продукта, оставив продукт в допустимой ценовой категории. Метод построен на принципе оценки и сравнения атрибутов продуктов с целью выявления тех из них, которые оказывают наибольшее влияние на покупательские решения. • Совместный анализ чаще всего используют в маркетинге для решения следующих задач: • Определение наиболее значимых для покупателя характеристик товара • Сегментирование рынка, основанное на сходстве предпочтений • Определение структуры свойств наиболее предпочтительной торговой марки
Основные стадии проведения совместного анализа: • 1. Определение проблемы, объекта и предмета исследования • 2. Формирование полного списка атрибутов изучаемого объекта • 3. Формирование полного списка уровней всех атрибутов • 4. Сокращение полученных списков и согласование окончательных атрибутов и уровней продукта • 5. Составление профилей продукта и их включение в анкету • 6. Выбор способа измерения • 7. Проведение полевых работ • 8. Обработка и анализ результатов
Виды совместного анализа: • 1. Совместный анализ, основанный на выборе (CBC). • 2. Конструирование профилей и дизайн анкеты. 3. Адаптивный совместный анализ (ACA).
1. Совместный анализ, основанный на выборе (CBC) Основная идея метода: Этот метод предполагает выбор респондентом наиболее привлекательного профиля из нескольких наборов альтернатив, а не ранжирование. Респонденты производят выбор из каждого набора. • • Сделать это можно несколькими способами: респонденты могут назвать только один понравившийся вариант; могут назвать два и более приемлемых варианта; либо распределить баллы, чтобы показать, сколько раз они выберут каждую альтернативу. При этом ключевым преимуществом данного способа является возможность выбрать вариант «Ни один из предложенных» , что значительно облегчает задачу, приближая ситуацию выбора к реальной.
2. Конструирование профилей и дизайн анкеты • Выделяют два подхода к конструированию профилей: • 1. Фиксированные ортогональные планы. Такие планы предполагают одну версию анкеты для всех респондентов. В некоторых случаях респонденты разделяются на группы. Каждой группе соответствует своя версия анкеты. Такие ортогональные планы дают возможность измерять главные эффекты и частные взаимодействия между атрибутами и их уровнями. • 2. Случайно сгенерированные планы, в которых каждый респондент видит свой уникальный набор вопросов. Такие дизайны менее эффективны в сравнении с настоящими ортогональными планами. Однако они позволяют измерять все взаимодействия, включая такие, которые считаются неважными.
Преимущества и недостатки метода • • Преимущества: Позволяет исследовать взаимодействия атрибутов и их уровней. Ситуация выбора имеет близкое сходство с процессом принятия решений покупателями на рынке. Упрощает анализ данных, поскольку предполагает большие выборки и анализ на агрегированном уровне. Интервью может быть коротким. В то же время ситуацию выбора можно повторять в одном и том же интервью несколько раз, например, после предоставления респондентам дополнительной информации. Недостатки данного метода: Единственный выбор дает мало информации о предпочтениях, особенно на индивидуальном уровне. Анализ возможен только на групповом уровне. Этот недостаток можно преодолеть с помощью сегментирования респондентов. Кроме того, респондентам в этом случае нельзя предложить большое количество атрибутов в одном исследовании. Количество анализируемых атрибутов должно быть меньше, чем в полнопрофильном совместном анализе (не более 6).
3. Адаптивный совместный анализ (ACA) Основная идея метода: • Адаптация вопросника к каждому конкретному респонденту. В этом случае респондент делает выбор между комбинациями атрибутов и их уровнями, которые отбираются при помощи компьютера, а не оценивает абсолютно все наборы атрибутов. Компьютер сам вычисляет атрибуты, предлагаемые респондентам, на основе их предшествующих ответов. • Управляемый компьютером процесс создает структуру предпочтений каждого конкретного респондента.
Моделирование анкеты • . С помощью адаптивного совместного анализа можно тестировать до 30 атрибутов, по 15 уровней в каждом. На практике применяют от 8 до 15 атрибутов, до 5 уровней в каждом. Уровни атрибутов описывают обычно короткими фразами, небольшими рисунками, звуковыми дорожками. Анкета разделяется на несколько разделов, которые условно можно разделить на два блока: вопросыфильтры для выделения значимых атрибутов, и парные сравнения – оценка наиболее релевантных респондентам атрибутов.
• 1) Избавление от неприемлемых вариантов уровней. • 2) Выбор предпочтительных уровней (ранжирование/шкалирование). • 3) Оценка важности атрибутов. 4) Парные сравнения. • 5) Обработка концепций.
Преимущества и недостатки метода: • Основные преимущества адаптивного совместного анализа состоят в следующем: • В анкету можно включать много атрибутов и оценивать их относительную важность. • Важность атрибутов вычисляется для каждого респондента. • Каждый респондент отвечает на свой индивидуальный набор вопросов, оценивает только те атрибуты, которые важны для него. • В то же время у этого метода есть ряд ограничений: • Атрибуты оцениваются независимо друг от друга, и возможности измерять их взаимодействия ограничены. • Включение слишком большого количества атрибутов в анкету удлиняет интервью. • Воздействие критических факторов может быть недооценено. По мере включения в анализ все большего количества атрибутов повышает вероятность игнорирования важных факторов.
Многомерное шкалирование • • Метод многомерного шкалирования позволяет решить две основные задачи: 1) получение обобщенной оценки исследуемой характеристики (а не ее отдельных аспектов); 2) определение, не навязывая собственного мнения респондентам, какими же признаками они руководствовались в процессе оценивания того или иного объекта исследования. Многомерное шкалирование чаще всего используют в маркетинге для решения следующих задач: При сегментации рынка размещаются в едином пространстве торговые мароки и потребители , что позволяет выявить относительно однородные группы потребителей Многомерный анализ потребительских предпочтений При разработке нового товара многомерное шкалирование позволяет увидеть пробелы на пространственной карте, которые указывают на потенциальные возможности для размещения новых товаров
Типы шкал: • 1. Номинальные шкалы – деление на определенные категории. • 2. Порядковые шкалы – присвоение некоторой порядковой категории, ранга на основе определенной характеристики. • 3. Интервальные шкалы – оценка при которой расстояния между двумя последовательными значениями считаются одинаковыми. • 4. Относительные шкалы – интервальные шкалы с естественной нулевой точкой.
Техника шкалирования: • ТШ – базируется на использовании вопросов, расположенных в определенном ранжированном порядке. Наиболее распространены: • 1. Семантический дифференциал или шкала Осгута. • 2. Шкала Лайкерта
Семантический дифференциал или шкала Осгута • Данный метод используется при определении различий в отношение к продуктам, маркам, магазинам путем сопоставления так называемого имиджа профиля. • Респондент высказывает сове мнение по поводу различных утверждений, касающихся предмета опроса, которые наносятся на биполярную шкалу, содержащую 5 или 7 точек. Сами утверждения должны быть выбраны т. о. , чтобы проявлялся реальный профиль.
Шкала Лайкерта • ШЛ состоит из набора утверждений, относительно которых респондент должен высказать свое мнение по пятибалльной шкале. • Данная техника используется не только при определении мнений и отношений к продуктам, маркам или магазинам, но и для измерения мнений по таким вопросам, как эмансипация, религия, политика, семья и брак и т. д.
Биполяная/монополярная шкала • Биполяная (установление двух крайних значений) • Монополярная (одно крайнее значение) Вербальная/невербальная шкала • Вербальная (все значения шкалы обозначены символами) • Невербальная (не все значения шкалы обозначены символами)
Анализ соответствий / корреспондентный анализ • Широкое использование анализа соответствий в сфере маркетинга, обусловлено простотой процедуры сбора данных и получения результатов. Кроме того, метод анализа соответствий достаточно гибкий относительно вида исходных данных (это могут быть частотные данные, проценты, данные в виде рейтингов и т. д. ). Как правило, данный метод рекомендуют применять вместе с аналитическими методами анализа. А. с. обеспечивает наглядную картину взаимосвязи переменных и, таким образом, способствует возникновению новых идей и предположений относительно природы этих взаимосвязей, которые могут затем проверяться более тонкими и строгими методами анализа
Дискриминантный анализ • Дискриминантный анализ используется для разбиения респондентов на группы с целью обнаружить общую структуру, исходя из набора измерений. Кроме того, данный метод также может быть использован для того, чтобы определить, какие переменные вносят вклад в эту классификацию. Метод работает, в том случае, когда мы имеем дело с теми характеристиками продукта, которые могут быть ясно и однозначно восприняты покупателями • Дискриминантный анализ чаще всего используют в маркетинге для решения следующих задач: • При сегментации рынка • Для создания карт потребительского восприятия
Анализ временных рядов • В маркетинге чаще всего анализ временных рядов используется для прогнозирования спроса и его сезонных, циклических и случайных изменений. Он основывается на разбивке данных об объеме продаж в прошлом для прогнозирования спроса в будущем. Но существуют и более сложные модели прогноза, опирающиеся на анализ временных рядов. Например, можно ответить на вопрос, покупки каких товаров предшествуют покупке данного вида продукции.