- •2.Объекты ми:
- •4. Система анализа информации представляет собой набор современных логических, эконом- математических и эконом- стат методик обработки информации:
- •5.Основные направления анализа полученной информации
- •6. Разработка маркетинговой стратегии:
- •5. Формулирование цели маркетингового исследования. Формирование рабочей гипотезы. Методы генерирования рабочих гипотез.
- •6. Разработка плана маркетингового исследования.
- •7. Сбор и анализ вторичной информации.
- •8. Анализ избранных случаев.
- •9. Метод фокус-групп: характеристика и этапы использования.
- •10. Глубинные интервью: характеристика и этапы использования.
- •11. Проекционные методы (пм) исследования: характеристика и этапы использования.
- •12. Общая характеристика выборочных методов.
- •13. Детерминированные и вероятностные методы расчета выборки.
- •14. Расчет размера и ошибки выборки в случае вероятностного метода отбора.
- •15. Методы проведения опроса. Этапы использования метода опроса.
- •16. Разработка анкеты. Формулировка и оценка вопросов. Выбор последоват. Вопросов. Тестирование анкеты и ее корректировка.
- •21.Концепция причинности в маркетинге. Причинно-следственные связи.
- •22.Этапы разработки и проведения эксперимента.
- •23.Обеспечение валидности экспериментов. Возможные угрозы валидности. Контроль факторов, снижающих валидность.
- •24.Классические модели эксперимента: предварительные модели.
- •25.Классические модели эксперимента: истинные модели.
- •26.Классические модели эксперимента: модели квазиэксперимента.
- •27.Статистические модели эксперимента.
- •28.Пробный маркетинг как вид контролируемого эксперимента.
- •29. Подготовка данных к анализу: редактирование и кодирование данных. Категориальная и дихотомическая кодировка.
- •30 Подготовка данных к анализу: составление базы данных, табулирование, корректировка.
- •31 Логические методы анализа: экспертный анализ, контент – анализ.
- •32 Построение частотных распределений. Показатели центра распределения.
- •33.Показатели вариации и формы распределения данных.
- •34.Этапы проверки гипотез о связях между переменными. Нулевая и альтернативная гипотезы. Статистический критерий. Уровень значимости. Критическая область.
- •35.Построение таблиц сопряженности признаков. Введение третьей переменной.
- •36. Показатели оценки статистической значимости и тесноты связи переменных, включенных в состав таблицы сопряженности.
- •40. Многофакторный дисперсионный анализ. Ковариационный анализ.
- •40.Ковариационный анализ.
- •41. Корреляционный анализ.
- •42. Регрессионный анализ.
- •43. Множественный регрессионный анализ. Нелинейная регрессия.
- •44. Метод пошаговой регрессии. Проблема мультиколлинеарности.
- •45. Оценка регрессионной модели. Проверка адекватности модели регрессии.
- •46. Дискриминантный анализ (да): цели, этапы выполнения
- •48. Кластерный анализ (ка): суть метода, этапы выполнения анализа, вращение факторов.
- •49. Многомерное шкалирование (мш) и совместный анализ (са)
- •50. Международные маркетинговые исследования.
- •51.Отчет о маркетинговом исследовании. Презентация отчета. Поддержка клиента и оценка эффективности проекта.
- •1. Подготовка отчета.
- •17. Измерение и шкалирование. Типы шкал
- •18. Методы сравнительного и несравнительного шкалирования
- •19. Этапы использования метода наблюдения. Оценка надежности наблюдения
- •20. Полевые работы
23.Обеспечение валидности экспериментов. Возможные угрозы валидности. Контроль факторов, снижающих валидность.
Валидность – показатель качества эксперимента, гарантирующего обоснованность выводов. Валидность подразделяется на:
- интровалидность (выявленные изменения зависимых переменных является результатом именно запланированных нами различий в значениях независимых переменных, а не влияния каких-либо других факторов). Внутренняя достоверность является минимальным требованием к эксперименту, которое должно соблюдаться для получения достоверных выводов;
- экстравалидность (возможность обобщения выводов о наличии зависимости и их распространения на другие объекты, периоды времени за пределами ситуации, которая была изучена в ходе экспериментов).
Факторы снижающие валидность:
Исторические факторы
Факторы зрелости
Основной эффект тестирования
Инструментальная погрешность
Эффект статистический регрессии
Фактор отбора
Влияние фона
Выбывающие
Способы контроля факторов, снижающих валидность:
Рандомизация (фактор отбора, основной эффект тестирования);
Выравнивание (интерактивный эффект тестирования, выбывающие);
Контроль методики (факторы зрелости, влияние фона, исторические факторы, выбывание);
Статистический контроль (основной эффект тестирования, инструментальная погрешность, эффект статистической регрессии).
24.Классические модели эксперимента: предварительные модели.
Модели предварительного эксперимента не включают модель посторонних факторов. Данные модели используются для формулирования гипотез относительно причинно-следственных связей:
Модель «одна группа, только после» предполагает проведение экспериментального воздействия на субъект или группу и измерение результатов.
EG X O
Расшифровка: экспериментальная группа была подвергнута экспериментальному воздействию, после чего произведено измерение.
Модель «контрольная группа, не прошедшая выравнивание»
EG X O1
CG O2
Расшифровка: группы разделены, экспериментальному воздействию была подвержена только одна группа (экспериментальная). Изменение результата воздействия независимой переменной можно оценить разность О1 – О2.
Модель «контрольная группа, прошедшая выравнивание»
EG M X O1
CG M O2
Расшифровка: экспериментальная и контрольная группы прошли выравнивание по некоторой переменной. Только 1 группа (экспериментальная) была подвержена экспериментальному воздействию.
Модель «одна группа, до и после»
EG O1 X O2
Расшифровка: измерение произведено дважды: до экспериментального воздействия на экспериментальную группу и после него. Изменение до экспериментального воздействия может быть добавлено в любую из предварительных экспериментальных моделей, что позволяет повысить контроль. Проведение до экспериментальных воздействий может стать источником наличия таких угроз интравалидности, как факторы выбывания, инструментальная погрешноть.
25.Классические модели эксперимента: истинные модели.
Истинные экспериментальные модели-модели, предусматривающие использование процедуры случайного распределения с целью равномерного разделения индивидуумов с различающимися характеристиками между экспериментальными воздействиями.
Истинные модели эксперимента:
Модель «две группы, только после»
R- единицы тестирования были случайным образом распределены между экспериментальной (EG) и контрольной (CG) группами. Эффект воздействия = О1-О2. Если размеры выборки достаточно велики, рандомизация обеспечивает идентичность экспериментальной и контрольной групп.
Модель «две группы, до и после»
Если наблюдения случайным образом распределяются между эксперементальной и контрольной группой, предварительные измерения проводятся в обеих группах. Результатом является эффект воздействия, который определяется как: (О2-О1) и (О4-О3) Недостаток- может случится так, что предварительное измерение сделает респондентов более чувствительными, что повлияет на результат («эффект тестирования»).
Модель четырех групп Соломона
Данная модель позволяет осуществить контроль эффекта тестирования. Эффект воздействия определяется: (О2-О4)-(О3-О6).