Методы анализа информации, полученной в процессе исследования

Основное назначение системы анализа информации состоит в обработке имеющихся данных, что позволяет сделать соответствующие выводы в рамках изучаемой проблемы и наметить основные пути ее разрешения. Данная система представляет собой набор современных экономико-статистических и экономико-математических методов обработки информации. Наиболее существенными для практики маркетинга являются статистический, дисперсионный, корреляционно-регрессионный факторный и кластерный методы анализа.

Выделяют пять основных видов статистического анализа, используемых при проведении маркетинговых исследований: дескриптивный анализ, выводной анализ, анализ различий, анализ связей и предсказательный анализ. Иногда эти виды анализа используются по отдельности, иногда – совместно.

В основе дескриптивного анализа лежит использование таких статистических мер, как средняя величина (средняя), мода, среднее квадратическое отклонение, размах или амплитуда вариации.

Анализ, в основе которого лежит использование статистических процедур (например, проверка гипотез) с целью обобщения полученных результатов на всю совокупность, называется выводным анализом.

Анализ различий используется для сравнения результатов исследования двух групп (двух рыночных сегментов) для определения степени реального отличия в их поведении, в реакции на одну и ту же рекламу и т.п.

Анализ связей направлен на определение систематических связей (их направленности и силы) переменных. Например, определение, как увеличение затрат на рекламу влияет на увеличение сбыта.

Предсказательный анализ используется в целях прогнозирования развития событий в будущем, например путем анализа временных рядов.

Вариация – изменение (колеблемость) величины признака при переходе от одного объекта (группы объектов), от одного случая к другому, например, колеблемость выработки у отдельных рабочих или урожайности на отдельных участках. В более точной постановке вопроса к вариации относятся изменения величин только в пределах однородной совокупности, обусловленные разнонаправленным влиянием различных факторов на данное явление. Вариация выражается как абсолютными, так и относительными величинами.

Показатель дисперсии на практике более объективно отражает меру вариации. Дисперсия определяет меру рассеяния признака статистической совокупности вокруг среднего значения.

Дисперсия обладает рядом свойств, которые позволяют упростить расчеты:

- если из всех значений варианта отнять какое-то постоянное число, то средний квадрат отклонений от этого не изменится;

- если все значения варианта разделить на какое-то постоянное число, то средний квадрат отклонений уменьшится от этого в раз, а среднее квадратическое отклонение в раз;

- если исчислить средний квадрат отклонений от любой величины, которая в той или иной степени отличается от средней арифметической, то он всегда будет больше среднего квадрата отклонений.

Если первичные данные сгруппировать, то дисперсия признака может быть определена как сумма так называемой межгрупповой дисперсии и среднего значения внутригрупповых дисперсий.

Существует ряд условий и ограничений применения корреляционно-регрессионных методов. Прежде всего, необходимо удостовериться, что исследуемая совокупность однородна, ее объем должен быть достаточно велик, вариация изучаемых признаков должна носить стохастической, вероятностной характер, а не быть детерминированной. Имеется еще ряд ограничений, не всегда соблюдаемых на практике.

Корреляция – зависимость результативного признака от одного или нескольких факторных признаков, тесноту связи между которыми позволяет выявить корреляционный анализ. Для этой цели используется ряд показателей.

При линейной форме связи целесообразно использовать линейный коэффициент корреляции, при нелинейной – корреляционное отношение, или индекс корреляции; в множественной корреляции, когда на результативный признак влияет несколько факторных признаков, показатель тесноты связи, индекс корреляции. Теснота связи тем меньше, чем ближе ее показатель к 0, и тем сильнее, чем ближе ее показатель к 1.

Регрессионный анализ – способ моделирования характера и силы влияния факторного признака/признаков на результативный признак. Форма зависимости в соответствии с характером изменения результативного признака может быть линейной или нелинейной. Нелинейная функция может быть линеаризована (приведена к линейному виду с помощью логарифмирования).

Модели множественной регрессии определяются на компьютерах с помощью пакетов прикладных программ. Одновременно рассчитываются коэффициенты множественной корреляции и детерминации. Большинство программ позволяют также рассчитать частные коэффициенты корреляции, отражающие «чистое» влияние только одного выбранного фактора и исключающие влияние всех остальных. Кроме того, рассчитываются так называемые бетта-коэффициенты, дающие возможность сравнивать между собой силу влияния каждого фактора.

Факторный анализ представляет собой совокупность методов, которые на основе реально существующих связей анализируемых признаков или связей самих наблюдаемых объектов позволяют выявлять скрытые (неявные, латентные) обобщающие характеристики организационной структуры и механизма развития изучаемых явлений, процессов.

Методы факторного анализа в исследовательской практике применяются, главным образом, с целью сжатия информации, получения небольшого числа обобщающих признаков, объясняющих вариативность (дисперсию) элементарных признаков или вариативность наблюдаемых объектов.

Алгоритмы факторного анализа основываются на использовании редуцированной матрицы парных корреляций. Редуцировананя матрица – это матрица, на главной диагонали которой расположены не единицы, или не оценки полной дисперсии, а их редуцированные, несколько уменьшенные величины. При этом постулируется, что в результате анализа бедует объяснена не вся дисперсия изучаемых признаков, а ее некоторая часть, обычно большая. Оставшаяся необъясненная часть дисперсии – это характерность, возникающая из-за специфичности наблюдаемых объектов или ошибок, допускаемых при регистрации явлений, процессов, т.е. ненадежности вводных данных.

Группы методов факторного анализа:

- метод главных компонент;

- упрощенные методы факторного анализа;

- современные аппроксимирующие методы факторного анализа;

- методы с повышенными аппроксимирующими свойствами.

Одним из методов многомерной статистики, используемых в маркетинговых исследованиях, является кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц – кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка.

Алгоритмы кластер-анализа разрабатываются с учетом двух основополагающих моментов:

- во-первых, принимая во внимание возможность представить любую совокупность наблюдаемых объектов в некотором признаковом геометрическом пространстве, как скопление точек определенной плотности, отражающей однородность, или, наоборот, «непохожесть» анализируемых объектов;

- во-вторых, представляя, что в геометрическом пространстве два различных объекта находятся на некотором удалении друг от друга и расстояние между ними тем больше, чем более они непохожи, и тем меньше, чем больше их сходство. Нулевое расстояние всегда будет от какого-либо объекта до самого себя, так как сходство при этом полное.