Ћекции.ќрг


ѕоиск:




 атегории:

јстрономи€
Ѕиологи€
√еографи€
ƒругие €зыки
»нтернет
»нформатика
»стори€
 ультура
Ћитература
Ћогика
ћатематика
ћедицина
ћеханика
ќхрана труда
ѕедагогика
ѕолитика
ѕраво
ѕсихологи€
–елиги€
–иторика
—оциологи€
—порт
—троительство
“ехнологи€
“ранспорт
‘изика
‘илософи€
‘инансы
’ими€
Ёкологи€
Ёкономика
Ёлектроника

 

 

 

 


 оррел€ционный и регрессивный анализ




 оррел€ционный анализ. ¬еличины, характеризующие различные свойства объектов, могут быть независимыми или взаимосв€занными. –азличают два вида зависимостей между величинами (факторами): функциональную и статистическую.

ѕри функциональной зависимости двух величин значению одной из них об€зательно соответствует одно или несколько точно определенных значений другой величины. ‘ункциональна€ св€зь двух факторов возможна лишь при условии, что втора€ величина зависит только от первой и не зависит ни от каких других величин. ‘ункциональна€ св€зь одной величины с множеством других возможна, если эта величина зависит только от этого множества факторов. ¬ реальных ситуаци€х существует бесконечно большое количество свойств самого объекта и внешней среды, вли€ющих друг на друга, поэтому такого рода св€зи не существуют, иначе говор€, функциональные св€зи €вл€ютс€ математическими абстракци€ми. »х применение допустимо тогда, когда соответствующа€ величина в основном зависит от соответствующих факторов.

¬оздействие общих факторов, наличие объективных закономерностей в поведении объектов привод€т лишь к про€влению статистической зависимости. —татистической называют зависимость, при которой изменение одной из величин влечет изменение распределени€ других (другой), и эти другие величины принимают некоторые значени€ с определенными веро€тност€ми. ‘ункциональную зависимость в таком случае следует считать частным случаем статистической: значению одного фактора соответствуют значени€ других факторов с веро€тностью, равной единице. ќднако на практике такое рассмотрение функциональной св€зи применени€ не нашло.

Ѕолее важным частным случаем статистической зависимости €вл€етс€ коррел€ционна€ зависимость, характеризующа€ взаимосв€зь значений одних случайных величин со средним значением других, хот€ в каждом отдельном случае люба€ взаимосв€занна€ величина может принимать различные значени€.

–егрессионный анализ.. ќдной из типовых задач обработки многомерных Ёƒ €вл€етс€ определение количественной зависимости показателей качества объекта от значений его параметров и характеристик внешней среды. ѕримером такой постановки задачи €вл€етс€ установление зависимости между временем обработки запросов к базе данных и интенсивностью входного потока. ¬рем€ обработки зависит от многих факторов, в том числе от размещени€ искомой информации на внешних носител€х, сложности запроса. —ледовательно, врем€ обработки конкретного запроса можно считать случайной величиной. Ќо вместе с тем, при увеличении интенсивности потока запросов следует ожидать возрастани€ его среднего значени€, т.е. считать, что врем€ обработки и интенсивность потока запросов св€заны коррел€ционной зависимостью.

ƒискриминантный анализ. ќсновна€ цель ƒискриминантный анализ используетс€ дл€ прин€ти€ решени€ о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы). Ќапример, некий исследователь в области образовани€ может захотеть исследовать, какие переменные относ€т выпускника средней школы к одной из трех категорий: (1) поступающий в колледж, (2) поступающий в профессиональную школу или (3) отказывающийс€ от дальнейшего образовани€ или профессиональной подготовки. ƒл€ этой цели исследователь может собрать данные о различных переменных, св€занных с учащимис€ школы. ѕосле выпуска большинство учащихс€ естественно должно попасть в одну из названных категорий. «атем можно использовать ƒискриминантный анализ дл€ определени€ того, какие переменные дают наилучшее предсказание выбора учащимис€ дальнейшего пути.

ќсновна€ иде€ дискриминантного анализа заключаетс€ в том, чтобы определить, отличаютс€ ли совокупности по среднему какой-либо переменной (или линейной комбинации переменных), и затем использовать эту переменную, чтобы предсказать дл€ новых членов их принадлежность к той или иной группе.

‘акторный анализ. ѕод факторным анализом понимаетс€ методика комплексного и системного изучени€ и измерени€ воздействи€ факторов на величину результативных показателей. ¬ общем случае можно выделить следующие основные этапы факторного анализа:

1. ѕостановка цели анализа.

2. ќтбор факторов, определ€ющих исследуемые результативные показатели.

3.  лассификаци€ и систематизаци€ факторов с целью обеспечени€ комплексного и системного подхода к исследованию их вли€ни€ на результаты хоз€йственной де€тельности.

4. ќпределение формы зависимости между факторами и результативным показателем.

5. ћоделирование взаимосв€зей между результативным и факторными показател€ми.

6. –асчет вли€ни€ факторов и оценка роли каждого из них в изменении величины результативного показател€.

7. –абота с факторной моделью (практическое ее использование дл€ управлени€ экономическими процессами).

 ластерный анализ.  ластерный анализ предназначен дл€ разбиени€ совокупности объектов на однородные группы (кластеры или классы). ѕо сути это задача многомерной классификации данных. —уществует около 100 разных алгоритмов кластеризации, однако наиболее часто используемые: иерархический кластерный анализ и кластеризаци€ методов k-средних.

√де примен€етс€ кластерный анализ? ¬ маркетинге это сегментаци€ конкурентов и потребителей. ¬ менеджменте: разбиение персонала на различные по уровню мотивации группы, классификаци€ поставщиков, вы€вление схожих производственных ситуаций, при которых возникает брак. ¬ медицине - классификаци€ симптомов, пациентов, препаратов. ¬ социологии - разбиение респондентов на однородные группы. ѕо сути, кластерный анализ хорошо зарекомендовал себ€ во всех сферах жизнеде€тельности человека.

ѕрелесть данного метода - он работает даже тогда, когда данных мало и невыполн€ютс€ требовани€ нормальности распределений случайных величин и другие требовани€ классических методов статистического анализа.

ћногомерное шкалирование. ћногомерное шкалирование (ћЌЎ) можно рассматривать как альтернативу факторному анализу. ÷елью последнего, вообще говор€, €вл€етс€ поиск и интерпретаци€ "латентных (т.е. непосредственно не наблюдаемых) переменных", дающих возможность пользователю объ€снить сходства между объектами, заданными точками в исходном пространстве признаков. ƒл€ определенности и краткости, далее, как правило, будем говорить лишь о сходствах объектов, име€ ввиду, что на практике это могут быть различи€, рассто€ни€ или степени св€зи между ними.

—овместный анализ. —овместный анализ Ч один из лучших методов определени€ оптимальных характеристик продукта и его цены на основе моделировани€ поведени€ потребителей.

—уть метода заключена в его названии: conjoint Ц consider jointly, т. е. Урассматривать совместноФ. ¬ отличие от композиционных методов, где кажда€ характеристика оцениваетс€ по отдельности, в совместном анализе респондент оценивает все характеристики.

ѕриведем поэтапную процедуру применени€ совместного анализа с описанием тех проблем, которые могут возникнуть на каждом ее этапе.

Ётап 1: ‘ормирование списка характеристик. –азработка дизайна проекта совместного анализа начинаетс€ с определени€ атрибутов, из которых будут сформированы профили продуктов. ƒл€ того чтобы не упустить важные дл€ потребителей характеристики продукта, необходимо, прежде всего, составить их список, из которого затем будут выбраны атрибуты. —реди характеристик, включаемых в профили продуктов, можно отметить две универсальные характеристики: торгова€ марка и цена

Ётап 2. ¬ыбор атрибутов. ќдним из недостатков совместного анализа €вл€етс€ ограничение, накладываемое этим методом на количество атрибутов. Ёто св€зано с тем, что при оценке профилей респонденту приходитс€ одновременно рассматривать все представленные в нем атрибуты, в то врем€ как мозг человека может одновременно обрабатывать не более 7 элементов информации. ≈сли в профил€х продуктов будет содержатьс€ более 5Ч7 атрибутов, это может привести к информационной перегрузке респондентов и снижению точности их оценок. ѕоэтому на втором этапе необходимо прин€ть решение о том, какие характеристики продукта из общего списка будут включатьс€ в дизайн проекта в виде атрибутов.

Ётап 3: определение диапазона значений атрибутов. ѕосле того, как выбраны атрибуты, необходимо определить диапазон их возможных значений. ќсобое внимание на этом этапе следует уделить тому, чтобы этот диапазон включал в себ€ все возможные значени€ атрибутов, которые могут быть использованы при проведении последующего анализа. Ќеобходимо помнить о том, что во врем€ анализа мы сможем провести интерпол€цию данных между значени€ми уровней атрибутов, но не сможем экстраполировать полученные результаты за пределы крайних значений. “ак, если в исследовании использовались такие уровни цен, как $150, $250 и $350, то в дальнейшем мы сможем вычислить значение полезности любой цены между ними, например, $200 или $300, но не сможем определить полезность уровней цен, выход€щих за этот диапазон, Ч скажем, $100 или $400.

Ётап 4. ќпределение количества уровней. ќпредел€€ привлекательность дл€ потребителей какого-либо продукта, исследователь может использовать дл€ его описани€ только те уровни атрибутов, которые рассматривались респондентами при оценке профилей. ѕоэтому при разработке дизайна проекта желательно включить в него как можно большее количество уровней. “ак, например, если в исследование были включены такие марки телефонов, как Nokia, Siemens, Benefon, то в дальнейшем исследователь ничего не сможет сказать о том, насколько привлекательна дл€ потребителей марка Motorola. Ѕолее того, невозможно будет также определить реальные доли рынка изученных марок, так как неизвестна привлекательность других марок, представленных на рынке.

Ётап 5. ќпределение значений уровней. ”ровни атрибутов, отобранные дл€ формировани€ профилей продуктов, должны удовлетвор€ть двум услови€м: они должны быть пон€тны респондентам, а компани€ должна иметь возможность реализовать их изменени€ в продукте. ѕервое условие означает, что интервьюеры смогут легко объ€снить респондентам, что представл€ют собой те или иные характеристики и их значени€. ¬торое условие св€зано с тем, что результаты совместного анализа должны давать компании возможность четко пон€ть, что необходимо предприн€ть дл€ улучшени€ своего продукта.

Ётап 6. ¬ыбор функции предпочтени€. ‘ункци€ предпочтени€ определ€ет некое св€зующее правило между полезностью атрибута и его уровн€ми. ¬озможность выбора разнообразных функций предпочтени€ добавл€ет гибкости совместному анализу.  ак правило, исследователь имеет возможность выбрать один из трех основных вариантов: модель идеального вектора (ideal vector), модель идеальной точки (ideal point) и дискретна€ модель (partial benefit).

Ётап 7. ќпределение количества профилей. ¬ажность атрибутов и полезность их уровней вычисл€ютс€ из оценок профилей продуктов. ¬ идеальном варианте респонденты должны оценить профили со всеми возможными комбинаци€ми уровней атрибутов. Ётот подход, предполагающий формирование всех возможных комбинаций, называетс€ полным факториальным дизайном. ќднако в большинстве случаев его невозможно реализовать на практике из-за чрезмерно большого количества профилей, которые необходимо будет оценивать респондентам

Ётап 8. ‘ормирование профилей. Ќа данном этапе необходимо выбрать из множества возможных вариантов лишь несколько профилей, которые должны быть оценены респондентами. ќдин из наиболее простых подходов к формированию профилей заключаетс€ в случайном выборе необходимого количества профилей из общего списка возможных вариантов. ќднако этот подход почти никогда не примен€етс€ на практике. ќдна из особенностей совместного анализа заключаетс€ в том, что он, в отличие от многих других методов, не требует каких-либо проверок на нормальность, гетероскедастичность или независимость переменных. Ёто достигаетс€, главным образом, за счет того, что дизайн профилей формируетс€ особым, систематическим методом.

Ётап 9. ¬ыбор метода измерений. —уществует несколько методов измерений, с помощью которых респонденты могут выразить свое отношение к профил€м. ќдин из них основан на ранжировании профилей: подразумеваетс€, что респонденты ознаком€тс€ со всеми предложенными им альтернативами, после чего упор€дочат их по убыванию привлекательности. ƒл€ этого респондент может выбрать самый лучший (с его точки зрени€) профиль и присвоить ему ранг У1Ф, затем выбрать самый лучший профиль среди оставшихс€ и присвоить ему ранг У2Ф и т. д. –анжирование представл€ет собой достаточно простую и пон€тную дл€ респондентов задачу, а потому дает более надежные результаты.

Ётап 10. ѕроведение полевых работ. ѕри проведении совместного анализа могут использоватьс€ различные методы сбора данных. ќптимальным методом €вл€етс€ личное интервью, в ходе которого интервьюер имеет возможность использовать различные варианты визуального представлени€ профилей, а также может помочь респонденту выполнить задание. ¬ то же врем€ личное интервью €вл€етс€ одним из самых дорогих методов сбора данных. —низить затраты на проведение исследовани€ можно с помощью почтового опроса. ќднако этот метод характеризуетс€ низким процентом возвращаемых анкет. Ётой проблемы можно избежать, провод€ опрос по телефону. Ќо проведение телефонных интервью возможно только при небольшом количестве атрибутов и уровней, не нуждающихс€ в графическом представлении. ’орошие результаты может дать комбинаци€ телефонного интервью и почтового опроса

Ётап 11. јнализ данных. ¬ычисление важности атрибутов и полезности их уровней в совместном анализе представл€ет собой достаточно сложную процедуру. ќднако от исследовател€ не требуетс€ проводить ее УвручнуюФ, так как это делаетс€ с помощью специальных программных продуктов. —уществуют различные алгоритмы, по которым из общих оценок профилей выдел€ютс€ полезности отдельных уровней атрибутов. ќдним из наиболее попул€рных методов анализа, примен€емых дл€ метрических шкал, €вл€етс€ регрессионный анализ с фиктивными переменными (ќLS).

Ётап 12. ќпределение доли рынка. `Ќа завершающем этапе исследователь может использовать вычисленные полезности уровней дл€ определени€ оптимальных характеристик и цены продукта, а также его доли рынка на основе моделировани€ поведени€ потребителей. ƒл€ этого необходимо, прежде всего, вычислить общие полезности продуктов компании и конкурентов, определ€емые как сумма полезностей уровней атрибутов. ѕолученные значени€ полезности продуктов необходимо затем перевести в доли рынка. ƒл€ этого может быть использована модель одиночного выбора (First Choice), в основе которой лежит предположение о том, что потребитель выбирает продукт с максимальной полезностью. ¬ реальности потребители не провод€т детального анализа полезности продуктов, а потому могут выбирать не самые привлекательные варианты. ¬еро€тностный подход оставл€ет шанс любому продукту быть купленным.

«аключение. —овместный анализ предоставл€ет исследователю большие возможности по изучению мотивации и моделированию поведени€ потребителей. ќднако достоверность и применимость результатов, полученных с его помощью, во многом завис€т от решений, прин€тых исследователем на стадии разработки дизайна проекта. ѕринима€ во внимание этот факт, исследователь должен удел€ть повышенное внимание процессу разработки дизайна, так как ошибки, допущенные на этой стадии, будет невозможно исправить в дальнейшем. Ѕолее того, некоторые ошибки невозможно будет не только исправить, но и обнаружить, что может привести к неадекватным выводам и решени€м, основанным на результатах некорректно проведенного анализа.

 





ѕоделитьс€ с друзь€ми:


ƒата добавлени€: 2015-11-05; ћы поможем в написании ваших работ!; просмотров: 445 | Ќарушение авторских прав


ѕоиск на сайте:

Ћучшие изречени€:

Ќачинать всегда стоит с того, что сеет сомнени€. © Ѕорис —тругацкий
==> читать все изречени€...

1306 - | 1124 -


© 2015-2024 lektsii.org -  онтакты - ѕоследнее добавление

√ен: 0.021 с.