Реферат: Корреляционно-регрессионный анализ в системе маркетинговых исследований

МинистерствоОбразования

РеспубликиБеларусь

ЖенскийИнститут ЭНВИЛА

Реферат

по курсу«Маркетинговые исследования»

на тему«Корреляционно-регрессионный анализ в системе маркетинговых исследований»

Минск 2007

ПЛАН

1.        Общие положения

2.        Корреляция(понятия, методика, экономический смысл)

3.        Регрессия(понятия, методика, экономический смысл)

Корреляция и регрессия – это методы входящие в группуэкономико-математических методов, используемых при проведении маркетинговыхисследований. Они используются для установления взаимосвязей между группами переменных,описывающих маркетинговую деятельность.

Но действие корреляции ирегрессии затруднено в связи с:

— сложностью объектаизучения, нелинейностью маркетинговых процессов, временными лагами;

— сложностью измерениямаркетинговых переменных. Трудно измерить реакцию потребителей на определенныестимулы, например рекламу;

— неустойчивостьюмаркетинговых взаимосвязей, обусловленной изменениями вкусов, привычек, оценоки др.

В условиях глубоких ибыстрых изменений внешней среды математическая модель не в состояниипредсказать влияние изменения, которое изначально не было в ней учтено.Математическая модель не способна к импровизации и не может приспособиться кизменениям внешней среды.

Расчет корреляций ирасчет регрессий — это два последовательных этапа одного и того же анализаданных, который в маркетинге принято называть корреляционно-регрессионныманализом. Они выполняются в аналитическом режиме, которыйпредназначен, в первую очередь, для обеспечения последовательного режимаправильной постановкой задачи и наиболее подходящей выборкой из имеющихсяданных. Исследователь, применяющий корреляционно-регрессионный анализ, отбираетнаиболее адекватные и представительные территории, периоды времени, объектыисследования, виды факторов и т.д. Аналитический режим имеет заданный«вход» — исходную постановку задачи и выборку из данных — и«выход» — фильтрованную постановку задачи и выборку. В остальном онне ограничивает методику анализа.

1.Корреляцияиспользуется для качественного анализа: отбора (скрининга) взаимосвязанныхфакторов, и выделения той части выборки, на которой теснота связи максимальна.Затем для отобранных факторов и подвыборки проводится количественный анализ:строятся регрессионные функции взаимосвязи. Они могут использоваться в информационномконвейере.Информационныйконвейер—  образует последовательность программных блоков:качество — аналог — количество — риск — цена — спрос. Каждый блок рассчитываетсоответствующую группу характеристик на основе информации, получаемой с предыдущегоэтапа расчета или из баз данных. Результат передается следующему блоку, или жетот подключается напрямую к базе данных.

Область применимостиполученных регрессионных функций устанавливается с помощью кластерного анализаили с применением генетических алгоритмов определения области экстраполяции.

Кластерный анализ — разбиениевыборки на группы (кластеры). Кластеры должны быть компактными, иначе говоря, расстояниемежду разными кластерами должно быть больше, чем среднее расстояние междуточками внутри одного и того же кластера.

Генетическиеалгоритмы осуществляют поиск оптимума сразу несколькими вариантами комбинацийпараметров. Процесс поиска включает три основных этапа, повторяемых в цикле:

-эволюция — сдвиг варианта в направлении ожидаемого оптимума с использованием, вообщеговоря, 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 воспроизводятсовременные представления о естественном отборе: скрещивание генотипов — определение удачности порожденных фенотипов — отсев неудачников из наборапартнеров для следующего скрещивания.

В качествекоррелируемых факторов выбираются данные в координатных интервалах одного илидвух блоков. Для каждой пары факторов рассчитывается обычный коэффициенткорреляции. При этом суммирование производится по переменным развертки. Переменная развертки— переменная, играющая роль оси, вдоль которойразвертываются данные, например, абсцисса на графике. Одновременно играет рольгенератора статистики: в ней производится суммирование данных при вычислениистатистических показателей: коэффициента корреляции, коэффициентов регрессии идр. Обычно это пространство и/или время. Такимобразом, корреляция отражает пространственно-временную синхронность между,скажем, повышением конкурентоспособности и качества продукции и повышением спросана него.  

Если маркетологаинтересует связь между двумя метрическими переменными, то используется парнаякорреляция. Данная корреляция характеризуется коэффициентом корреляции Пирсона.Частный коэффициент корреляции – мера зависимости между двумя переменными послекорректировки эффектов переменных. Коэффициент корреляции изменяется от -1 до+1. Абсолютная величина коэффициента характеризует тесноту связи, а знакуказывает на ее направление.

Парная корреляцияотвечает на такие вопросы, как, например:

— Насколько сильно связанспрос с расходами на рекламу?

— Связано ли восприятиекачества товаров потребителями с их восприятием цены?

Частная же корреляция –на:

— Если брать зависимостьспроса от затрат на рекламу, то существует ли влияние ценового фактора.

— А при изучении влияниякачества и цены, существует ли эффект торговой марки.

Частная корреляция можетбыть полезна для выявления ложных связей.

Ни с одним из этих видовкорреляции не возникает проблем, если данные измерены с помощью интервальнойили относительной шкал. Но есть и неметрические переменные, которые нельзяизмерить с помощью интервальной или относительной шкалы и они не подчиняютсязакону нормального распределения. В этих случаях используются коэффициентыСпирмена и ранговая корреляция Кендала, а сама корреляция называетсянеметрической. Различие этих коэффициентов в том, что коэффициент ранговойкорреляции Кендала используется, когда большая часть наблюдений попадает вотносительно немногочисленные категории, а коэффициент ранговой корреляцииСпирмена наоборот, – когда существует множество категорий.

Пример использованиякорреляционного анализа на практике:

Маркетологи, занимающиесяизучением отношения потребителей к торговым маркам, обнаружили, что для такихтоваров, которые продаются с минимальным участием продавцов, отношениепокупателя к рекламе служит промежуточным звеном между распознаванием брэнда иотношением к нему. Они сделали попытку узнать, что будет с этой промежуточнойпеременной, если товары покупаются через компьютерную сеть. Одна из компаний вВенгрии исследовала воздействие на покупки непосредственно рекламы. Маркетологипровели опрос, в ходе которого измерялись различные показатели. После этогонеобходимо было вычислить частный коэффициент корреляции между отношением кбрэнду и доверием к нему с одновременным исключением влияния отношения крекламе. Данный корреляционный анализ показал, что отношение к рекламедействительно высокозначимое и влияет на покупки потребителей, т.к. частныйкоэффициент корреляции был значительно меньше, чем парный коэффициент междудоверием к брэнду и отношением к нему.

2. Регрессионныйанализ – это метод установления формы и изучения связей между метрическойзависимой переменной и одной или несколькими независимыми переменными.

Регрессионный анализиспользуют в тех случаях, когда:

— необходимо установить,реально ли есть взаимосвязь между переменными;

— необходимо установиттесноту связи зависимых и независимых переменных;

— нужно определить формусвязи;

— нужно предсказатьзначение зависимой переменной;

— необходимо осуществлятьконтроль над независимыми переменными при определении вкладов конкретнойпеременной.

Дляпроведения регрессионного анализа необходимо следующее:

-Выбор одногоблока, из которого берется координатный интервал, чьи данные дают зависимую переменнуюрегрессии.

-Выбор одногоили нескольких блоков, из которых аналогично берутся факторы в качественезависимых переменных регрессии. При этом необходимо, чтобы блок, дающийзависимую переменную, и все блоки, дающие независимые переменные, имели какие-либообщие координаты (обычно пространство и время), которые служат переменнымиразвертки и дают точки, по которым проводится регрессионная кривая илиповерхность.

-Выбор типа и«степени» функций от независимых переменных, которые включаются врегрессию.

-Заданиекоординатных интервалов переменных сравнения, внутри которых регрессионнаяфункция не должна значимо изменяться.

-Определяетсяточность предсказания. Для этого находится стандартная ошибка оценки регрессии.

Регрессияпроводится последовательно с увеличением числа независимых переменных и степенирегрессионной функции. При этом общесистемным оптимизатором находится минимумсреднеквадратичного отклонения точек данных от регрессионной кривой.

Длярегрессионной кривой вычисляются характеристики неопределенности — показателитесноты регрессии: кривые доверительного интервала и коэффициент детерминации.Последний может вычисляться сразу для всех комбинаций «зависимаяпеременная — независимая переменная».

 Как икорреляция, регрессия рассчитывается для фиксированных координатных интерваловкаждой переменной сравнения. Проверяется устойчивость регрессии к сменекоординатного интервала на том же уровне иерархии.

Так же как икорреляционный анализ, регрессионный имеет свои особенности и направленности.

Дляустановления математической зависимости между двумя метрическими переменными –зависимой и независимой используется парная регрессия. Множественная регрессияиспользуется для определения математической зависимости между двумя или большенезависимыми переменными и зависимой переменной, выраженной с помощьюинтервальной или относительной шкал. Силу тесноты связи в данном случаеизмеряют с помощью коэффициента множественной детерминации (аналогично, как ипри корреляции). При пошаговой регрессии независимые переменные вводят ивыводят из уравнения регрессии один за другим, чтобы выбрать меньшее ихколичество, которое объясняет большую часть вариации.

Парнаярегрессия отвечает на такие вопросы как:

— Каковазависимость между зависимыми переменными и независимыми?

— Зависит ливариация объемов рынка от численности торгового персонала?

Множественная регрессиядает ответы на вопросы:

— Объясняется ли спрос напродукт с точки зрения цен, количества конкурентов и посредников на рынке?

— Зависит ли доля рынкаот расходов на PR-акции, рекламуи бюджета на промоакции?

— Зависит ли спрос отпроведения бенчмаркинга, ценовой политики конкурентов и т.д.

Пример регрессионногоанализа:

Ошеломительным примеромтакого анализа является пример компании SunMicrosystems, которая обошла по продажам компаниюIBM. Взяв за основу регрессионный анализконкурентных преимуществ, компания стала лидером на рынке технологий.Регрессионный анализ проводился следующим образом: было взято три наборанезависимых переменных: численность специалистов в компании конкурента, расходына рекламу и расходы на разработки. И все они использовались только благодаряпроведенному ранее бенмаркингу. Зависимой переменной являлся объем сбыта.Проведение данного анализа показало, что именно из-за численности персоналастрадала компания SunMicrosystems и была в лидерах IBM. Из-за большей численности персонала в компании SunMicrosystemsвозникала разобщенность напрофессиональном уровне, и зачастую не было единого мнения по внедрению тогоили иного продукта, деньги на разработки выделялись, но большинство изразработок так и оставались разработками и не внедрялись. Напротив, в IBMменее крупной по численности компанииразработки быстро уходили на рынок и скупались практически сразу. По итогаманализа, SunMicrosystemsне решилась сокращать персонал, боясьутечки информации, а разделилась на филиалы и тем самым увеличила свои продажи,и 3 года находилась на пике в лидерах.

Источники:

1. Голубков Е. П.Маркетинговые исследования: теория, методология и практика: Учебник. – 3-еизд., перераб. и доп. – М.: Издательство «Финпресс», 2003. – 496 с.

2. Малхотра, Нэреш К.Маркетинговые исследования. Практическое руководство, 4-е изд.: Пер. с англ. –М.: ООО «И.Д. Вильямс», 2007. – 1200 с.

3. www.iki.rssi.ru/ehips/dict1.htm#5

4. www.student.km.ru