- •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
26.Классические модели эксперимента: модели квазиэксперимента.
Квазиэкспериментальные модели дают исследователю некоторую степень контроля, однако случайного распределения субьектов не происходит. Наиболее популярные и часто используемыми квазиэксперементальными моделями являются:
Модели «временных рядов»
Предполагает периодическое проведение измерений зависимых переменных для группы единиц наблюденя до и после воздействия, что позводяет оценить степень влияния независимого фактора. Символически подобные модели записываются как:
EG O1O2O3O4 X O5O6O7O8
Существует 2 вида таких моделей: изучения тенденций (исследования тренда) и модель множественных временных рядов.
Изучение тенденций-измерения, проводимые с течением времени, для которых формируются случайные выборки из одной совокупности. Основной недостаток: отсутствие контроля исторического фактора и влияние интерактивного эффекта тестирования. Модель множественных временных рядов является аналогичной модели временных рядов с добавление контрольной группы.
EG O1O2O3O4 X O5O6O7O8
CG O1O2O3O4 O5O6O7O8
Продолжительные последовательные исследования
Предполагают серию измерений одной выборки в течении длительного периода времени. Недостатки: сущестует угроза валидности эксперимента со стороны: эффекта предварительного измерения; исторических факторов; инструментальной погрешности; отклонение выборки. Используется исключительно для наблюдения за поведением потребителей
27.Статистические модели эксперимента.
Предполагают проведение нескольких серий измерений, дающих возможность статистическими методами контролировать влияние посторонних факторов.
Преимущества:
Можно измерить эффект более чем одного независимого фактора;
Конкретные посторонние факторы поддаются статистическому контролю;
Экономически значимые выводы можно сделать при условии, что проводится более одного измерения каждой единицы.
Статистические модели:
Полностью случайная модель
Статистическая модель при реализации которой единицы тестирования распределяются между экспериментальными воздействиями по случайному признаку.
, где Х1-первый уровень экспериментального воздействия, Х2-второй и тд. Результат эксперимента-сопоставление замера.
Модель рандомизированных блоков
Статистическая модель, которая предполагает рандомизацию контрольной группы по всем переменным характерным для экспериментальной группы. _ _ _ _ _
Модель латинского квадрата
Статистическая модель, позволяющая наряду с манипуляциями с независимой переменной контролировать 2 невзаимосвязанных посторонних фактора без увеличения выборки. Тем не менее она требует равного числа строк, столбцов и уровней воздействия, что накладывает некоторые ограничения.
Факторные модели
Одновременно рассматривается 2 и более экспериментальных переменных. Каждое сочетание уровней экспериментальных воздействий применяется к случайно выбранным группам.
Главное отличие в том, что факторная модель допускает взаимодействие между независимыми факторами, которое возникает, если их совместное воздействие отличаетс от простого суммарного воздействия обоих факторов. Факторный эксперимент может включать три и более переменные. Тогда каждая переменная будет обеспечивать свой основной эффект, а каждая пара-возможный фактор взаимодействия.