- •3)Основные этапы исследований
- •9.Причинно – следственная связь. Понятие. Условия наличия казуальной связи. Достоверность эксперимента.
- •10. Модели эксперимента
- •12.Методы шкалирования.
- •19. Определение объема выборки
- •20.Полевое исслед-е
- •21.Субъекты и объекты ми
- •22.Фокус-группа, ее роль и значение в ми. Порядок проведения исследований.
- •24.Наблюдение как метод сбора информации
- •27.Вариационный ряд
- •29.Базовый анализ данных.
- •34. Факторный и кластерный анализ.
- •35. Подготовка письменного отчета о результатах исследования.
- •36.Форма отчета. Критерии качества.
- •39.Выявление приоритетных конкурентов и определение силы их позиций.
- •42.Изучение отношений потребителей к компании
- •43.Изучение отношения потребителей к конкретной марке.
- •44. Изучение степени удовлетворения запросов потребителей.
- •47. Конъюнктурный анализ рынка
- •52. Общая характеристика методов прогнозирования, применяемых в маркетинговых исследованиях.
- •54. Порядок проведения экспертных опросов. Содержание этапов.
27.Вариационный ряд
Вариационный ряд - последовательность x(1), x(2), x(3), ..., x(k), ..., x(n), полученная в результате расположения в порядке неубывания исходной последовательности независимых одинаково распределённых случайных величин x1, x2, x3, ..., xn.
Вариационный ряд обычно используется в математической статистике как основа непараметрических методов (сам вариационный ряд и его члены представляют собой так называемые порядковые статистики).
Вариационный ряд служит для построения функции эмпирического распределения
где µn(x) - число членов вариационного ряда, меньших x, которая является оценкой функции распределения F(x) случайных величин x1, x2, x3, ..., xn.
Промежуток xнабл = [x(1) - x(n)] = [xmin_набл - xmax_набл] между крайними членами вариационного ряда называется интервалом варьирования, его длина Wn = x(n) - x(1) = xmax_набл - xmin_набл называется размахом выборки.
Крайние члены вариационного ряда
xmin_набл = x(1) = min{xk} для k=1...n
и
xmax_набл = x(n) = max{xk} для k=1...n
называются экстремальными значениями.
Величина x(k) называется k-й порядковой статистикой.
Использование вариационного ряда для определения выборочной медианы основано на определении его центрального члена:
Meнабл = x(m), где m=(n+1)/2 при нечетном n,
Meнабл = (x(m)+x(m+1))/2, где m=n/2 при четном n.
По функции распределения F(x) исходных случайных величин x1, x2, x3, ..., xn вычисляются распределения любого члена вариационного ряда и совместные распределения его членов.
29.Базовый анализ данных.
Базовый анализ данных заключается в отображении полученных по итогам исследования результатов с помощью таблиц и графиков.
Полученные при анкетном опросе материалы содержат данные об отдельных единицах изучаемой совокупности. Дальнейшая задача состоит в том, чтобы получить общие характеристики совокупности в целом. Это осуществляется с помощью сводки и группировки. Результаты статистической сводки оформляются в таблицах.
Счетная обработка результатов опроса предусматривает не только простое суммирование ответов по определенной классификации, но и перевод их в относительные показатели. Большинство ответов пересчитывают в проценты. Таблицы, пересчитанные в проценты, должны содержать подзаголовок, в котором указывается, по какому основанию рассчитаны проценты. Чаще всего их рассчитывают к числу опрошенных. На вопросы, по которым дано несколько вариантов ответов, проценты могут определяться к общему числу полученных ответов; по вопросам, на которые не все опрошенные дали ответ - к числу ответивших на вопрос.
Если в ходе анализа необходимо получить информацию об одной переменной, то изучают распределение частот значений переменной, или вариационный ряд (простая табуляция).
Если нужны данные о связи этой переменной с другими переменными, строятся таблицы сопряженности признаков (перекрестные, комбинационные, сложные таблицы).
Кросс-табуляция. Простое суммирование ответов на вопросы редко дает хорошие результаты. Содержание ответов приобретает смысл тогда, когда оно рассматривается в связи с характеристикой состава опрошенных. С этой целью проводится построение таблиц сопряженности признаков (кросс-табуляция, перекрестная табуляция).
Кросс-табуляция представляет собой процесс объединения распределений частот значений двух или больше переменных в одну таблицу. Она объясняет как одна переменная, например, предпочтение цвета товара, связана с другой переменной, такой как возраст.
30.Корреляция. используется для качественного анализа: отбора (скрининга) взаимосвязанных факторов, и выделения той части выборки, на которой теснота связи максимальна. Затем для отобранных факторов и подвыборки проводится количественный анализ: строятся регрессионные функции взаимосвязи. Область применимости полученных регрессионных функций устанавливается с помощью кластерного анализа или с применением генетических алгоритмов определения области экстраполяции.
Кластерный анализ - разбиение выборки на группы (кластеры). Кластеры должны быть компактными, иначе говоря, расстояние между разными кластерами должно быть больше, чем среднее расстояние между точками внутри одного и того же кластера.
Генетические алгоритмы осуществляют поиск оптимума сразу несколькими вариантами комбинаций параметров. Процесс поиска включает три основных этапа, повторяемых в цикле:
-эволюция - сдвиг варианта в направлении ожидаемого оптимума с использованием, вообще говоря, как производных критерия по параметрам, так и стохастических "скачков";
-отсеивание "неудачливых" вариантов;
-скрещивание "удачливых" вариантов: порождение вариантов - "потомков", сочетающих удачные значения параметров "родителей".
Название "генетические алгоритмы" связано с тем, что они воспроизводят современные представления о естественном отборе: скрещивание генотипов - определение удачности порожденных фенотипов - отсев неудачников из набора партнеров для следующего скрещивания.
В качестве коррелируемых факторов выбираются данные в координатных интервалах одного или двух блоков. Для каждой пары факторов рассчитывается обычный коэффициент корреляции. При этом суммирование производится по переменным развертки. Переменная развертки - переменная, играющая роль оси, вдоль которой развертываются данные, например, абсцисса на графике. Одновременно играет роль генератора статистики: в ней производится суммирование данных при вычислении статистических показателей: коэффициента корреляции, коэффициентов регрессии и др. Обычно это пространство и/или время. Таким образом, корреляция отражает пространственно-временную синхронность между, скажем, повышением конкурентоспособности и качества продукции и повышением спроса на него.
Парная корреляция отвечает на такие вопросы, как, например:
- Насколько сильно связан спрос с расходами на рекламу?
- Связано ли восприятие качества товаров потребителями с их восприятием цены?
Частная же корреляция – на:
- Если брать зависимость спроса от затрат на рекламу, то существует ли влияние ценового фактора.
- А при изучении влияния качества и цены, существует ли эффект торговой марки.
Частная корреляция может быть полезна для выявления ложных связей.
Ни с одним из этих видов корреляции не возникает проблем, если данные измерены с помощью интервальной или относительной шкал. Но есть и неметрические переменные, которые нельзя измерить с помощью интервальной или относительной шкалы и они не подчиняются закону нормального распределения. В этих случаях используются коэффициенты Спирмена и ранговая корреляция Кендала, а сама корреляция называется неметрической. Различие этих коэффициентов в том, что коэффициент ранговой корреляции Кендала используется, когда большая часть наблюдений попадает в относительно немногочисленные категории, а коэффициент ранговой корреляции Спирмена наоборот, – когда существует множество категорий.
31. Регрессионный анализ.
Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками. Уравнение регрессии показывает, как в среднем изменяется у при изменении любого из xi, и имеет вид:
Если независимая переменная одна - это простой регрессионный анализ. Если же их несколько, то такой анализ называется многофакторным.
В ходе регрессионного анализа решаются две основные задачи:
* построение уравнения регрессии, т.е. нахождение вида зависимости между результатным показателем и независимыми факторами x1, x2, ..., xn.
* оценка значимости полученного уравнения, т.е. определение того, насколько выбранные факторные признаки объясняют вариацию признака у.
Применяется регрессионный анализ главным образом для планирования, а также для разработки нормативной базы.
В отличие от корреляционного анализа, который только отвечает на вопрос, существует ли связь между анализируемыми признаками, регрессионный анализ дает и ее формализованное выражение. Кроме того, если корреляционный анализ изучает любую взаимосвязь факторов, то регрессионный - одностороннюю зависимость, т.е. связь, показывающую, каким образом изменение факторных признаков влияет на признак результативный.
Регрессионный анализ - один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регрессионного анализа необходимо выполнение ряда специальных требований (в частности, xl,x2,...,xn; y должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. Зависимости в экономике могут быть не только прямыми, но и обратными и нелинейными.