Этапы выполнения лабораторной работы

Этап 1. Выбор и описание ситуации, требующей принятия решения.

Студент должен самостоятельно сформировать ситуацию принятия решений в маркетинге, а также выделить проблему с ней связанную. Для этого необходимо представить небольшой объем информации по данной ситуации, но достаточный для выполнения соответствующих исследований. В качестве объектов исследования могут быть любые виды товаров производственного и потребительского секторов. Критерии оценивания могут быть как качественные, так и количественные. Количество показателей, по которым производится сравнение различных марок товара, должно быть достаточным для описания имеющейся задачи принятия решений и наблюдаемой в наличии проблемы. Подобранная информация оформляется в табличной форме (см. табл.1).

Этап 2. Формализация задачи принятия решений и обработка методом многомерного шкалирования.

Входной информацией метода МНШ является матрица, элемент которой на пересечении ее i-ой строки и j-го столбца, содержит сведения о попарном сходстве (или различии) анализируемых объектов (объекта [i] и объекта [j]). Для ее построения студенту необходимо оценить степень сходства (или различия) выбранных факторов в шкале [0, 10], где 0 – практически неразличимы, а 10 – абсолютная противоположность.

Количество таких матриц равняется количеству привлекаемых к анализу потребителей (респондентов).

На основе полученных матриц создается усредненная матрица различий между товарами (марками и т.д.). Усреднение проводится стандартными методами обработки экспертной информации.

Компьютерная обработка данных производится с помощью ППП Statictica 5.5.

Этап 3. Анализ полученных результатов, оформление отчета и защита лабораторной работы.

Студенту необходимо проанализировать имеющуюся информацию и результаты ее компьютерной обработки методом многомерного шкалирования, дать интерпретацию результатов, объяснить происходящие на рынке процессы и выработать соответствующие рекомендации и альтернативные варианты достижения поставленных целей.

Порядок выполнения расчетов методом многомерного шкалирования в ппп Statistica .

• Примечание. Все действия описаны применительно к версии 5.XX программы Statistica.

1. ВДиспетчере задач (Module Switcher) выбрать режим Дata Management/MFM.

2. Создать матрицу установленного вида (по терминологии StatSoft это Matrix File Format). Пример такой матрицы приведен ниже:

Данная матрица должна удовлетворять свойствам:

• Наименования строк должны быть тождественны наименованиям столбцов.

• Число строк (rows) = Числу колонок (columns) + 4

• Последние четыре строки должны называться так, как указано в примере. Для процедуры многомерного шкалирования нет необходимости заполнять строки MEANS, ST.DEV.

• NO.CASES – число примеров, на основе которых была получена данная матрица. Можно установить равное числу опрошенных экспертов (число матриц парных сравнений).

• MATRIX – тип матрицы. Параметр должен принимать значения из множества {1,2,3,4}, где 1 – матрица корреляций, 2 – матрица подобия (ij – й элемент характеризует схожесть объекта i-го с j-ым), 3 – матрица различий, 4 – матрица ковариаций. В нашем случае можно взять как 2, так и 3, никаких изменений в финальной конфигурации не произойдет.

2. Присвоить имя файлу, содержащему данные для выполнения лабораторной работы.

3. В Module Switcher выбрать Multidimentional Scaling (Многомерное шкалирование

5. В следующем диалоге Multidimentional Scaling выбрать количество измерений (Number of Dimentions), которое по умолчанию имеет значение 2, тип стартовой конфигурации по выбранному количеству измерений (доступна либо стандартная процедура Guttman-Lingoes, либо пользовательская процедура, тогда Statistica запросит соответствующий *.sta файл с координатами начальной конфигурации). Далее следует задать погрешность в окне Epsilon. Все элементы матрицы дистанций D = ||d_ij|| меньшие Epsilon будут установлены в ноль (по умолчанию Epsilon = 0, поэтому принудительного обнуления не производится).

6. После заполнения соответствующих полей запустить процедуру многомерного шкалирования на выполнение.

7. Далее в приведенном ниже окне результатной информации мы можем увидеть все интересующие нас таблицы и графики.

Общий отчет содержит:

• Данные финальной конфигурации.

• Значения матриц расстояний текущей конфигурации (d-star) воспроизведенных расстояний (d-hat).

• Суммарные данные расстояний между объектами в многомерном пространстве.

• Графики, в том числе график финальной конфигурации и диаграмму Шепарда.

Оформление отчета по лабораторной работе №1.