Корреляционный и регрессионный анализ

Очень часто при проведении маркетинговых исследований маркетологу требуется определить, существует ли какая-либо взаимосвязь между двумя переменными, и если да, то каковы сила и характер этой связи. Для этого используется корреляционный анализ статистический метод, который позволяет измерить направление и силу взаимосвязи между двумя переменными.

Как правило, в результатах маркетинговых исследований переменные представлены в виде интервалов: в этом случае применяется коэффициент корреляции Пирсона. Его значения изменяются от -1 до +1. Если коэффициент корреляции равен +1, это означает полную положительную зависимость между двумя переменными, если -1 — наблюдается полная обратная линейная зависимость. Если коэффициент корреляции равен нулю, это говорит о полном отсутствии зависимости между исследуемыми переменными. Чем коэффициент корреляции, но модулю ближе к единице, тем больше такая зависимость и наоборот.

По результатам маркетингового исследования можно построить диаграмму рассеяния — двумерный график, каждая точка которого представляет собой респондента, а ее координаты значения двух характеристик для него. Тогда корреляция будет отражать тенденцию точек такого графика концентрироваться вокруг определенной прямой линии.

Регрессионный анализ — это статистический метод, который используется для установления характера связи между двумя или более переменными. Интересующая маркетолога зависимая переменная (Y) связывается с одной или несколькими независимыми переменными (X). Задача регрессионного анализа построить регрессионную модель или уравнение прогноза, связывающее зависимую переменную с одной или несколькими независимыми переменными. Далее эта модель может быть использована для описания, прогнозирования и контроля интересующей исследователя зависимой переменной на основе информации о независимых переменных.

Таким образом, регрессионный анализ используется, чтобы, располагая

значениями независимых переменных, предсказать значение зависимой переменной, а также, чтобы лучше понять взаимосвязь между независимой и зависимой переменными.

 

Факторный анализ

Факторный анализ выполняет две основные функции:

выявление внутренних факторов, характеризующих объект исследования (респондента), которые нельзя напрямую измерить, но о которых можно судить по значениям внешних характеристик;

— уменьшение числа переменных, при этом факторный анализ стремится сохранить как можно больше информации, а также сделать гак, чтобы оставшиеся переменные имели смысл и с ними было легко работать.

Наиболее часто для факторного анализа используются две аналитические процедуры: анализ главных компонент и анализ общих факторов. При анализе главных компонент используется вся информация по каждой переменной, и он применяется тогда, когда целью исследования является представление информации, содержащейся в большом наборе переменных, посредством меньшего числа факторов (вторая цель). Анализ общих факторов целесообразен, если маркетолог пытается выявить общее измерение  исходных переменных (первая цель), и основан исключительно на общей дисперсии переменных.

По существу, факторный анализ преобразует исходные переменные в новые, нскоррелирующиеся переменные (называемые факторами). Каждый фактор является линейной комбинацией исходных переменных. Главным критерием объема информации, предоставляемой каждым фактором, является его дисперсия. Поэтому факторы упорядочивают в порядке убывающей дисперсии. Метод главных компонент позволяет рассчитать первый фактор, который будет иметь максимальную объясненную дисперсию, т.е. наиболее информативным. После того как первый фактор и соответствующие ему нагрузки будут зафиксированы, главные компоненты дадут второй фактор с максимальной объясненной дисперсией. процедура повторяется до тех пор. пока число полученных факторов не будет равно числу переменных или пока маркетолог не решит, что число полезных факторов исчерпано.

Исходными данными факторного анализа выступают значения набора переменных по каждому индивиду в выборке. Наиболее важными результатами анализа являются факторные нагрузки, значения факторов н доля объясненной дисперсии. Факторные нагрузки коэффициенты корреляции между факторами и переменными, они используются с целью интерпретации факторов. В некоторых случаях маркетолог может выбрать одну или две переменные» которые дают самые большие нагрузки на фактор, с целью представления этого фактора при последующем сборе и анализе данных. Полезно также вычислить факторные значения и использовать их в качестве переменной при последующем анализе данных. Процент объясненной дисперсии и другие критерии помогают определить число факторов, которые следует оставить, и оценить, насколько хорошо они представляют исходные переменные.

Кластерный анализ

Кластерный анализ представляет собой метод группировки индивидов (потребителей) в группы. Одной из важнейших задач маркетинга является сегментирование выявление схожих потребителей и объединение их в группы таким образом, чтобы для каждой из них можно было разработать специальную маркетинговую программу. Такие группы имеют разные потребности и по-разному реагируют на рекламу и другие инструменты комплекса маркетинга.

Объединение в кластеры ведется на основе близости значений различных параметров и характеристик, которые определяются в ходе маркетингового исследования.

При использовании кластерного анализа маркетологу следует помнить, что существует множество различных процедур его проведения, которые дают разные решения даже на основе одною и того же набора данных.

Одной из основных проблем при проведении кластерного анализа является определение числа кластеров. Для ее решения существует несколько подходов.