Shpory_MI_1

Стоит отметить, что в реальной исследовательской практике, конечно если мы говорим о социальных и поведенческих науках, с порядковыми переменными обращаются так, как если бы они были метрическими. В данном случае, это означает, что, несмотря на невозможность корректной проверки допущений, зачастую применяются параметрические критерии сравнения средних.

27.  Порядок выполнения кластерного анализа. Кластерный анализ (групповой) это метод классификации объектов по заданным признакам. Кластерный анализ позволяет сформировать группы однородные внутри, но четко отличающиеся друг от друга. Наглядно показывает, как именно малые группы объединяются в большие. На практике используется в целях сегментации. Целью кластерного анализа яв-ся определение целевых групп заказчиков и потребителей, для которых целесообразно было разработать уникальное торговое предложение, т.е. уникальную комбинацию инструментов маркетинга. Существует два основных метода проведения кластерного анализа 1. Дивизионный – предполагает, что все объекты исследования в начале объединены в один кластер, который поэтапно делится на более мелкие кластеры. 2. Англомиративный - предполагает, что все объекты в начале представлены как мелкие кластеры, которые затем объединяются в более крупные, при э том используется мера сходства между объектами.

28.  Порядок выполнения многомерного шкалирования. Многомерное шкалирование — это класс методов для представления восприятий и предпочтений респондентов в пространстве с помощью наглядного изображения. Процедура многомерного шкалирования: 1. формулировка проблемы: 2. получение исходных данных: 3. выбор метода многомерного шкалирования; 4. принятие решения о количестве размерностей; 5. обозначение размерностей и интерпретация конфигурации точек на пространственной карте; 6. оценка надежности и достоверности.

29.  Применение пакета SPSSдля описательного анализа маркетинговой информации. SPSS Statistics включает различные статистические процедуры для проведения описательного анализа, предсказания числовых результатов, идентификации групп и прогнозирования. Это статистические методы обработки данных, их систематизации, наглядного представления в виде таблиц и графиков, а также количественное описание данных с помощью системы статистических показателей. В описательном анализе данных информацию об исследуемом явлении представляют в агрегированном виде. Для этого используют три основных статистических метода:- табличный метод;- графический метод; - расчет статистических показателей. При описательном анализе данных качественную информацию представляют в виде частотных таблиц, таблиц сопряженности и графиков. Количественную информацию обобщают также с помощью графиков и системы статистических показателей: показателей среднего уровня (среднее значение, мода, медиана), процентилей, показателей вариации (размах вариации, межквартильный размах, дисперсия, стандартное отклонение, коэффициент вариации и др.), показателей формы распределения (асимметрия и эксцесс). При исследовании данных интерес представляют точечные и интервальные оценки статистических показателей. Методы описательного анализа данных позволяют не только исследовать данные, но и выбрать метод дальнейшего углубленного их анализа (методы аналитической статистики), например, методы для проверки статистических гипотез, моделирования взаимосвязи.

31.  Процедуры дискриминантного анализа (ДА): интерпретация различий между существующими классами и классификация новых объектов. ДА-анализ различий заранее заданных групп объектов исследования. При наблюдении больших статистических совокупностей появляется необходимость разделить неоднородную совокупность на однородные группы (классы). Такое расчленение в дальнейшем при проведении статистического анализа дает лучшие результаты моделирования зависимостей между отдельными признаками. ДА оказывается очень удобным и при обработке результатов тестирования отдельных лиц. Все процедуры ДА можно разбить на две группы и рассматривать их как совершенно самостоятельные методы. Первая группа процедур позволяет интерпретировать различия между существующими классами, вторая - проводить классификацию новых объектов в тех случаях, когда неизвестно заранее, к какому из существующих классов они принадлежат. Признаки, которые используются для того, чтобы отличать один класс (подмножество) от другого, называются дискриминантными переменными .Этапы ДА:1.Определение зависимой и независимой переменной.2.Выбор метода ДА.3.Определение коэфициентов дискриминантной функции.4.Определение значимости дискр-ной функции.5.Интерпретация полученных результатов.6.Оценка достоверности ДА.

32.  Регрессионный анализ. Уравнение регрессии. Стандартная ошибка оценки. Регрес.анал.испол-ся для вывед.уравнения,связ-ая зависимую переменную с 1-й или нескольками независ-ми,данный метод.позвол.иссл.распред.зависимой переменной в условиях,когда 1 или несколько независ.переменных сохран-ся фиксированными на различн.уровнениях. Уровнение регрессии: yi=β0+β1xi+ei, где yi - зависимая или критериальная переменная, xi - независимая переменная или предиктор, β0 - точка пересечения прямой регрессии с осью 0Y, β1 - тангенс угла наклона прямой, ei - остаточный член (остаток), связанный с i-м наблюдением, характеризующий отклонение от функции регрессии. Стандартную ошибку оценки уравнения регрессии вычисляют для того чтобы оценить точность предсказанных (теоритических) значений.

33.  Редактирование данных, особенности проведения. Редактирование предполагает обработку собранных анкет для повышения точности представленных данных, а так же работу с анкетами неудовлетворительного качества: 1. Возврат анкет на место сбора данных, 2. Назначение пропущенных значений, 3. Отсеивание анкет респондентов, содержащих ответы неудовлетворительного качества. Корректировка информации осуществляется лишь в случае необходимости, по ее результатам может быть принято решение о сборе дополнительной информации или о корректировке базы данных. Его основная задача заключается в определении минимальных стандартов качества для полученных данных. Проверка и коррекция обычно осуществляются в два этапа: это полевое и централизованное офисное редактирование.

34.  Совместный анализ как метод количественной оценки. Совместный анализ- это метод, с помощью кот. пытаются опр. относительную важность, которую придают потребители ясно выраженным харак-кам, а также полезность, котую они связывают с уровнями характеристик. Совм. ан-з позволяет получить ответ на вопрос о том, насколько важны отд. характеристики товара для потребителей. Респондента просят делать выбор точно так, как он это обычно делает в жизни: путем сопоставления разных харак-тик. Подобно многомерному шкалированию, совместный анализ опирается на субъективные оценки респондентов.Однако, если в многомерному шкалированию объекты предст. собой изделия или торговые марки, в совместном анализе – комбинации уровней характеристик объекта, определяемые исследователем. Цели совместного ан-за:1)Опр. относительной важности характеристик в процессе выбора товара потребителем;2)Опр. рыночной доли торговых марок, кот. различаются уровнями своих характеристик;3)Опр.структуры свойств наиболее предпочитаемой торговой марки;4)Сегментирование рынка, исходя из сходства предпочтений для уровней характ-к. Порядок выполнения совместного анализа: 1)Форм. проблемы, 2)Конструирование объектов ,3) Принятие решения о форме исходных данных ,4) Выбор метода совм.ан-за ,5) Интерпретация резуль-в ,6) Оценивание надежности и достоверности.

35.  Статистическая корректировка данных. Процедуры взвешивания, переопределения переменных и преобразования шкал. Существуют различные способы статистической корректировки, повышающие пригодность данных для анализа. Процедуры взвешивания - это процедура, при которой кадждому ответу в базе данных присваивается число в соответствии с некоторым заранее определенным правилом. Его принцип действия - тех кого меньше присваивают больший вес, а тем, кого больше - меньший вес. Присвоение весов производится для того, чтобы увеличить или уменьшить в выборке число случаев, соответствующих определенным характеристикам. Переопределения переменных -это процедура при которой существующие данные модифицируются таким образом, чтобы создать новые переменные, или несколько переменных объединяются в с целью уменьшения их общего числа. Преобразования шкал предполагает манипулирование значениями шкал для того, чтобы обеспечить совместимость с другими шкалами.

36.  Характеристика и задачи корреляционно-регрессионного анализа. Корреляционный анализ подразумевает измерение силы связи между двумя или более переменными, при этом он рассматривает совместное изменение двух переменных. Регрессионный анализиспользуется для выведения уравнения, связывающего зависимую переменную с одной или несколькими независимыми. Ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов. С помощью корреляционно-регрессионного анализа определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям, используя коэффициент детерминации. Задачи, собственно корреляционного анализа, сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов, оказывающих наибольшее влияние на результативный признак. Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значений зависимой переменной.