Маркетинговые исследования

Размещено на http://www.allbest.ru/

Содержание

1. Классификация методов анализа данных. Одномерный и многомерный статистический анализ: сущность основных методов. Выбор стратегии анализа данных

2. Задача

3. Задача

4. Задача

Список использованной литературы



1. Классификация методов анализа данных. Одномерный и многомерный статистический анализ: сущность основных методов. Выбор стратегии анализа данных

Классификация статистических методов анализа данных

Статистические методы делятся на одномерные и многомерные. Одномерные методы (univariate techniques) используются тогда, когда все элементы выборки оцениваются единым измерителем, либо если этих измерителей несколько для каждого элемента, но каждая переменная анализируется при этом отдельно ото всех остальных.

Многомерные методы (multivariate techniques) прекрасно подходят для анализа данных, если для оценки каждого элемента выборки используется два или больше измерителей, а эти переменные анализируются одновременно. Такие методы применяются для определения одновременных взаимосвязей между двумя или больше явлениями. Многомерные методы отличаются от одномерных прежде всего тем, что при их использовании центр внимания смещается с уровней (средних показателей) и распределений (дисперсий) явлений и сосредотачивается на степени взаимосвязи (корреляции или ковариации) между этими явлениями.

Одномерные методы можно классифицировать на основе того, какие данные анализируются: метрические или неметрические. Метрические данные (metric data) измеряются по интервальной шкале или относительной шкале. Неметрические данные (nonmetric data) оцениваются по номинальной или порядковой шкале

Затем эти методы делят на классы на основе того, сколько выборок -- одна, две или более -- анализируется в ходе исследований. Заметим, что число выборок определяется тем, как ведется работа с данными для конкретного анализа, а не тем, каким способом собирались данные. Например, данные по лицам мужского и женского пола можно получить в пределах одной выборки, но если их анализ нацелен на выявление разницы в восприятии, основанной на разнице полов, исследователю придется воспользоваться двумя разными методами выборки. Выборки считаются независимыми, если они выделены из разных генеральных совокупностей произвольно. Для анализа данные, относящиеся к разным группам респондентов, например собранные от лиц женского и мужского пола, обычно обрабатываются как независимые выборки. С другой стороны, если данные по двум выборкам относятся к одной и той же группе респондентов, выборки считаются объединенными в пары.

Что касается метрических данных, то если существует только одна выборка, может использоваться z- и t- критерий. Если же независимых выборок две или больше, в первом случае можно воспользоваться z- и t-критерием для двух выборок, в во втором -- методом однофакторного дисперсионного анализа. Для двух связанных выборок используется парный t-критерий. Если речь идет о неметрических данных по одной выборке, исследователь может воспользоваться критериями частотного распределения, х-квадратом, критерием Колмогорова--Смирнова (K~S), критерием серий и биномиальным критерием. Для двух независимых выборок с неметрическими данными можно прибегнуть к следующим методам анализа: х-квадрат, Манна--Уитни, медианы, К--С, однофакторным дисперсионным анализом Крускала--Уоллиса (ДА К-У). В отличие от этого, если существует две или больше взаимосвязанных выборок, следует воспользоваться критериями знаков, Мак-Немара и Уилкоксона (рис.).



Многомерные статистические методы можно разделить на методы зависимости и методы взаимозависимости (рис )

Методы зависимости (dependence techniques) применяются в случаях, когда одна или больше переменных идентифицированы как зависимые, а остальные как независимые.

Если есть только одна зависимая переменная, используются такие методы анализа, как кросс-табуляция, дисперсионный и ковариационный анализ, регрессионный анализ, двух - групповой, дискриминантный анализ и совместный анализ. Однако, если имеется больше одной зависимой переменной, следует воспользоваться многомерными методами анализа: дисперсионным и ковариационным, методом канонической корреляции и множественным дискриминантным анализом. При применении методов взаимозависимости (interdependent techniques) переменные не подразделяются на зависимые и независимые; напротив исследуется весь набор взаимозависимых взаимосвязей. Методы данного типа, прежде всего нацелены на выявление взаимозависимости переменных, либо межобъектного сходства. При исследовании взаимозависимости переменных чаще всего применяется факторный анализ. Анализ межобъектного сходства можно вести, используя методы кластерного анализа и многомерного шкалирования.

Выбор стратегии анализа данных.



Процесс выбора стратегии анализа данных представлен на рис.

Выбор стратегии анализа собранных данных основывается на итогах предыдущих этапов процесса маркетинговых исследований, известных характеристиках информации, свойствах конкретных статистических методов, а также на опыте и взглядах исследователя. Необходимо помнить, что анализ данных - это вовсе не конечный этап исследования. Его цель - получить информацию, которая поможет решить определенную проблему. Выбор стратегии анализа должен начинаться с исследования итогов предыдущих этапов процесса: определение проблемы (этап 1), разработка подхода (этап 2) и разработка плана исследования (этап 3). В качестве "трамплина" используется предварительный план анализа данных, разработанный как один из элементов плана исследования. Затем, в ходе поступления на последующих стадиях процесса исследования дополнительной информации, может понадобиться ввести некоторые изменения.

Следующий этап заключается в анализе известных характеристик данных. Так, на выбор статистического метода сильно влияет то, какие шкалы измерений используются в ходе исследования (см. главу 8). Кроме того, определено, какие именно методы анализа желательно использовать при определенной структуре исследования. Дисперсионный анализ подходит для работы с экспериментальными данными, полученными от проведения причинно-следственного исследования. Кроме того, очень весомы при выборе стратегии анализа данных результаты изучения собранных данных на этапе их подготовки к анализу.

Чрезвычайно важно также учитывать конкретные характеристики разных статистических методов, особенно их основные цели и лежащие в основе предположения. Некоторые методы лучше всего подходят для исследования различий между переменными, другие для оценки величин соотношений между переменными, а третьи -- для составления прогнозов. Кроме то-то, поскольку все методы основаны на разных предположениях, некоторые из них намного лучше других выдерживают нарушения этих предположений. Подробная классификация статистических методов представлена в следующем разделе.

И наконец, на выбор стратегии анализа данных влияет опыт и методология исследователя. Опытный исследователь, специально подготовленный для проведения статистического анализа, пользуется широким диапазоном приемов, включая сложные статистические методы. Исследователи отличаются друг от друга предположениями относительно переменных и соответствующих генеральных совокупностей. Как правило, для анализа данных в ходе реализации того или иного проекта можно использовать сразу несколько разных методов.

Предварительный анализ.

Экономический анализ - объективно необходимый элемент управления экономикой в целом и отдельными ее звеньями, функции которого сводятся к объективной оценке экономической деятельности, выявлению, измерению влияния факторов на уровень хозяйственной деятельности, выявлению и мобилизации резервов. Проведение экономического анализа способствует рациональному использованию сил и средств предприятия и организации для стабилизации и максимизации прибыли. Предварительный анализ деятельности и конкретных управленческих решений позволяет прогнозировать целесообразность использования различных факторов производства, позволяет избежать нерационального использования средств организации, предприятия; так же по средствам прогнозного анализа можно спрогнозировать возможный итог, результат принятия того или иного решения с определенной вероятностью.

Анализ (от греч. -- analisis) буквально означает расчленение, разложение изучаемого объекта на части, элементы, на внутренне присущие этому объекту составляющие (или реальные). Анализ выступает в диалектическом, противоречивом единстве с понятием ?синтез? (от греч. - sinthesis) - соединение ранее расчлененных элементов изучаемого объекта в единое целое.

Экономический анализ как наука представляет собой систему специальных знаний, базирующихся на законах развития и функционирования систем и направленных на познание методологии оценки, диагностики и прогнозирования финансово-хозяйственной деятельности предприятия. Под предметом экономического анализа понимаются хозяйственные процессы предприятий, их социально-экономическая эффективность и конечные финансовые результаты деятельности, складывающиеся под воздействием объективных и субъективных факторов, находящие отражение через систему экономической информации. Предмет экономического анализа определяет стоящие перед ним задачи. Среди основных выделим:

- повышение научно-экономической обоснованности бизнес-планов, бизнес-процессов и нормативов в процессе их разработки;

- объективное и всестороннее исследование выполнения бизнес-планов, бизнес-процессов и соблюдения нормативов;

- определение эффективности использования трудовых и материальных ресурсов;

- контроль за осуществлением требований коммерческого расчета;

- выявление и измерение внутренних резервов на всех стадиях производственного процесса;

- проверка оптимальности управленческих решений.

Сущность предварительного анализа.

Предварительный (перспективный) анализ проводится до осуществления хозяйственных операций, он необходим для обоснования управленческих решений и плановых заданий, а также прогнозирования будущего и оценки ожидаемого выполнения плана. Особенность перспективного анализа заключается в рассмотрении явлений и процессов деятельности предприятия с позиций будущего, т.е. перспективы развития. Важнейшими задачами этого вида анализа являются: прогнозирование хозяйственной деятельности; научное обоснование перспективных планов; оценка ожидаемого выполнения планов. В первую очередь, использование перспективного анализа позволяет повысить научную обоснованность разрабатываемых перспективных планов развития предприятий, а также анализировать их выполнение. Предварительный анализ в зависимости от сроков делится на краткосрочный и долгосрочный. Краткосрочный анализ охватывает период до одного года и используется для выработки тактической политики предприятия, а долгосрочный анализ осуществляется на период свыше года и используется для выработки стратегической политики предприятия, поэтому роль его значительно выше. Возможные варианты решения предварительного анализа оцениваются с позиций момента принятия решения и с учетом возможных последствий. Предварительный анализ по содержанию может быть как тактическим, так и стратегическим. Перспективный анализ включает оценку будущих результатов, возможных темпов развития, оценку рисков, анализ при составлении годовых и перспективных планов, прогнозирование банкротства.

Перспективным анализом называют анализ результатов хозяйственной деятельности с целью определения их возможных значений в будущем. Особенность перспективного анализа заключается в рассмотрении явлений и процессов хозяйственной деятельности с позиций будущего, т.е. перспективы развития, с точки зрения проекции составляющих элементов прошлого и настоящего хозяйственной деятельности в элементы будущего.

Исходным пунктом перспективного анализа является признание факта преемственности, или определенной устойчивости, изменений экономических показателей от одного отчетного периода к другому, от предшествующего к настоящему, от настоящего к последующему. Перспективный анализ -- нахождение в каждом процессе или явлении хозяйственной деятельности наиболее устойчивых арогенных (перспективных) элементов, способных играть решающую роль в будущем. Задачи перспективного анализа определяются его сущностью и местом в планировании управлении. Важнейшими задачами являются: прогнозирование хозяйственной деятельности; научное обоснование перспективных планов; оценка ожидаемого выполнения планов. При составлении планов перспективный анализ выступает как основная форма предплановых исследований экономики предприятия; в ходе выполнения бизнес-планов -- это инструмент предвидения и оценки ожидаемых результатов.

В практических методиках и исследованиях задачи перспективного анализа конкретизируются по: объектам анализа (бригада, участок, цех, предприятие, ассоциация); показателям деятельности (объем продукции, производительность труда, себестоимость и т. д.); горизонтам перспективы (анализ текущей перспективы - смена, сутки; анализ ближайшей перспективы - месяц; анализ среднесрочной перспективы - 2-3 года; анализ долгосрочной перспективы -5 лет и более).

Наряду с остальными видами анализа по классификации периода проведения, предварительный анализ имеет важное, неотъемлемое и первостепенное значение, так как по средствам планирования по результатам этого анализа осуществляется большая часть деятельности организации в различных экономических ситуациях.

Результаты предварительного анализа являются ориентиром для осуществления деятельности, что позволяет выявить положительную или отрицательную динамику деятельности за отчетный период. Сложность проведения анализа заключена в большом количестве факторов (прямых и косвенных), которые необходимо учитывать при проведении предварительного анализа.

2. Определите вид шкалы (номинальная, порядковая, интервальная, относительная) в каждом из приведённых ниже вопросов:

А) Какой репутацией, по вашему мнению, пользуются телефонные компании?

хорошая плохая затрудняюсь

ответить

-Электросвязь 1 2 3

-ВестБалтТелеком 1 2 3

-Балттелеком 1 2 3

Ответ: порядковая шкала.

Порядковая шкала. Места, занимаемые величинами в шкале порядка, называются рангами, а сама шкала называется ранговой, или неметрической. В такой шкале составляющие ее числа упорядочены по рангам (т.е. занимаемым местам), но интервалы между ними точно измерить нельзя. В отличие от шкалы наименований шкала порядка позволяет не только установить факт равенства или неравенства измеряемых объектов, но и определить характер неравенства в виде суждений: «больше-меньше», «лучше-хуже» и т.п. С помощью шкал порядка можно измерять качественные, не имеющие строгой количественной меры, показатели. Особенно широко эти шкалы используются в гуманитарных науках: педагогике, психологии, социологии. К рангам шкалы порядка можно применять большее число математических операций, чем к числам шкалы наименований.

Б) Знаете ли вы об услугах Интернет-связи, предоставляемой по телефонным картам в г. Калининграде? Да (1)/нет(2).

Ответ: номинальная шкала.

Шкала наименований (номинальная шкала). Это самая простая из всех шкал. В ней числа выполняют роль ярлыков и служат для обнаружения и различения изучаемых объектов. Числа, составляющие шкалу наименований, разрешается менять местами. В этой шкале нет отношений типа «больше-меньше», поэтому некоторые полагают, что применение шкалы наименований не стоит считать измерением. При использовании шкалы наименований могут проводится только некоторые математические операции. Например, ее числа нельзя складывать и вычитать, но можно подсчитывать, сколько раз (как часто) встречается то или иное число.

3. Одной из задач маркетингового исследования было определение ежемесячных доходов целевого сегмента рынка. Объём вероятностной выборки составил 100 респондентов. Результаты обработки первичных данных сведены в табл. 15.Проведите базовый анализ данных и рассчитайте среднее значение; стандартное отклонение; доверительный интервал. Постройте гистограмму и определите форму вариационного ряда с помощью показателей асимметрии и эксцесса, оцените существенность асимметрии.

Доходы целевого сегмента рынка (тыс. руб. в мес.)

Доходы целевого сегмента	10,3	10,5	10,7	10,9	11,1	11,3	11,5	11,7	11,9	12,1
Частота	4	7	8	10	25	15	12	10	4	5

Решение

Среднее арифметическое значение рассчитывается по формуле:

,

где Х - значение,

N- количество выборки

Составим таблицу расчета среднего значения и стандартного отклонения:

Среднее значение и стандартное отклонение

Частота	X, значение	(X-M)	(X-M)^2
4	10.3	-0.894	0.799
7	10.5	-0.694	0.482
8	10.7	-0.494	0.244
10	10.9	-0.294	0.087
25	11.1	-0.094	0.009
15	11.3	0.106	0.011
12	11.5	0.306	0.094
10	11.7	0.506	0.256
4	11.9	0.706	0.498
5	12.1	0.906	0.820
	1119.4		3.3
N	100	n-1	99
M	11.194	S	0,183

Cтандартное отклонение (среднее квадратическое отклонение) рассчитывается по формуле:

Таким образом, среднее значение среднемесячных доходов целевого сегмента рынка составляет 11,194 тыс. руб. 0,183

Доверительный интервал рассчитывается по формуле:

,

- точность оценки;

n - объем выборки;

t - значение аргумента функции Лапласа.

Примем надежность оценки

Из соотношения:

По таблице значений функций:

Ф(е)=0,475, t=1.96

Найдем точность оценки:

Доверительный интервал примет вид: (x-0,036; x+0.036)

При x = 11.194, доверительный интервал имеет следующие доверительные границы: (11,158;11,23) наглядного изображения интервального ряда распределения построим гистограмму. Она представлена на рисунке.

Построим вспомогательную таблицу для определения выборочных характеристик дохода целевого сегмента рынка:

Вспомогательная таблица для определения выборочных характеристик дохода целевого сегмента рынка

Xi	ni	ui	ni*ui	ni*ui^2	ni*ui^3	ni*ui^4	ni*(ui+1)^4
10.3	4	-4	-16	64	-256	1024	324
10.5	7	-3	-21	63	-189	567	112
10.7	8	-2	-16	32	-64	128	8
10.9	10	-1	-10	10	-10	10	0
11.1	25	0	0	0	0	0	25
11.3	15	1	15	15	15	15	240
11.5	12	2	24	48	96	192	972
11.7	10	3	30	90	270	810	2560
11.9	4	4	16	64	256	1024	2500
12.1	5	5	25	125	625	3125	6480
	100	5	47	511	743	6895	13221

Проведем проверку:

13221=6895+2972+3066+188+100=13221

Выборочный условный момент k-го порядка определяется по формуле :

По данным примера:

M "1 = 0,47

M "2 = 5,11

M "3 = 7,43

M "4 = 68,95

Определение длины интервала по формуле Стерджеса:



R = хmax - х min = 10,8

h=0.664

Найдем центральные эмпирические моменты третьего и четвертого порядка:

(7.43-7.2051+0.2076)*0.2928 = 0.1266

(68.95-13.9684+6.7728-0.1464)*0.1944 = 11.98

Найдем значение коэффициента асимметрии и эксцесса:

0.1266:0.006 = 21.1

(11.98:0.0011) - 3 = 10887

Для того, чтобы определить, является ли асимметрия существенной или не существенной, рассчитывается отклонение показателя асимметрии к среднеквадратическому отклонению. Для этого используют соотношение:

,

Где As - показатель асимметрии;

- средняя квадратическая ошибка отклонения асимметрии, которая рассчитывается по формуле:

,

Где n - число единиц в совокупности.

0.239

= 21.1 / 0.239 = 88.28

= 23.2 / 0,239 = 97.7

Соотношение будет определено как: 88.28/97.28=0.90

Если данное соотношение меньше 3, то асимметрия признается несущественной, иначе - существенной.

Как видим, данное соотношение значительно меньше 3, поэтому в данном случае асимметрия признается несущественной.

4. Одной из рабочих гипотез маркетингового исследования была гипотеза о влиянии степени осведомлённости потребителей о магазине на предпочтение данного магазина. Степень осведомлённости потребителей об универсальных магазинах маркетологи разделили на высокую, среднюю и низкую. Переменная «предпочтение магазина» была измерена с помощью метрической (интервальной) шкалы. Выберите метод статистического анализа, позволяющий проверить выдвинутую гипотезу:

А) корреляционно-регрессионный анализ;

Б) дискриминантный анализ;

В) дисперсионный анализ;

Г) факторный анализ;

Д) кластерный анализ

Ответ: Дисперсионный анализ

Дисперсионный анализ. Основные понятия дисперсионного анализа. В процессе наблюдения за исследуемым объектом качественные факторы произвольно или заданным образом изменяются. Конкретная реализация фактора (например, определенный температурный режим, выбранное оборудование или материал) называется уровнем фактора или способом обработки. Модель дисперсионного анализа с фиксированными уровнями факторов называют моделью I, модель со случайными факторами - моделью II. Благодаря варьированию фактора можно исследовать его влияние на величину отклика. В настоящее время общая теория дисперсионного анализа разработана для моделей I.

В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяют на однофакторный и многофакторный.

Основными схемами организации исходных данных с двумя и более факторами являются:

- перекрестная классификация, характерная для моделей I, в которых каждый уровень одного фактора сочетается при планировании эксперимента с каждой градацией другого фактора;

- иерархическая (гнездовая) классификация, характерная для модели II, в которой каждому случайному, наудачу выбранному значению одного фактора соответствует свое подмножество значений второго фактора.

Если одновременно исследуется зависимость отклика от качественных и количественных факторов, т.е. факторов смешанной природы, то используется ковариационный анализ /3/.

При обработке данных эксперимента наиболее разработанными и поэтому распространенными считаются две модели. Их различие обусловлено спецификой планирования самого эксперимента. В модели дисперсионного анализа с фиксированными эффектами исследователь намеренно устанавливает строго определенные уровни изучаемого фактора. Термин «фиксированный эффект» в данном контексте имеет тот смысл, что самим исследователем фиксируется количество уровней фактора и различия между ними. При повторении эксперимента он или другой исследователь выберет те же самые уровни фактора. В модели со случайными эффектами уровни значения фактора выбираются исследователем случайно из широкого диапазона значений фактора, и при повторных экспериментах, естественно, этот диапазон будет другим.

целевой выборочный многомерный анализ



Список использованной литературы

1. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз: Учебное пособие. М.: Финансы и статистика, 2009.

2. Божук С.Г., Ковалик Л.Н. Маркетинговые исследования. СПб.: Питер, 2010.

3. Голубков Е.П. Маркетинговые исследования: теория, методология и практика. 2-е изд. М.: Финпресс, 2008.

4. Малхотра Н.К. Маркетинговые исследования. Практическое руководство, 3-е изд. М.: Вильямс, 2002.

5. Токарев Б.Е. Методы сбора и использование маркетинговой информации: Учебное практическое пособие. М.: Юрист, 2007.

6. Трояновский В.М. Математическое моделирование в менеджменте: Учебное пособие. М.: Русская деловая литература, 2011.

7. Баканов М. И., Шеремет А. Д. Теория экономического анализа: учебник - 5 изд., М.: Финансы и статистика, 2007

8. Гальчина О.Н., Пожидаева Т.А. Теория экономического анализа: учебное пособие - Воронеж, 2007г.

9. Кедров Б.И. Анализ и диагностика финансово-экономической деятельности предприятия. Курс лекций. Иваново: ИГТА, 2011.

Размещено на Allbest.ur

...