StiuCum - home - informatii financiare, management economic - ghid finanaciar, contabilitatea firmei
Solutii la indemana pentru succesul afacerii tale - Iti merge bine compania?
 
Management strategic - managementul carierei Solutii de marketing Oferte economice, piata economica Piete financiare - teorii financiare Drept si legislatie Contabilitate PFA , de gestiune Glosar de termeni economici, financiari, juridici


DEVII LIDER de succes in fiecare zi
marketing MARKETING

Marketingul reprezinta "stiinta si arta de a convinge clientii sa cumpere" Philip Kotler definea marketingul ca "un proces social si managerial prin care indivizi sau grupuri de indivizi obtin ceea ce le este necesar si doresc prin crearea, oferirea si schimbul de produse si servicii avand o anumita valoare". Simplist, marketingul reprezinta "arta si stiinta de a vinde".

StiuCum Home » marketing » cercetarea de marketing » Analiza datelor de marketing

Teste multivariate



Principala slabiciune a testelor uni- si biriate sta tocmai in faptul ca folosesc doar una sau doua riabile pentru analiza. Or, in viata reala, deciziile sunt luate adesea in urma luarii in calcul a unui numar mai mare de riabile. De exemplu, o persoana care doreste sa cumpere un automobil ia in considerare, pe langa pret si aspectul exterior, o multitudine de caracteristici tehnice si constructive. O banca construi profilul clientelei sale utilizand un numar mare de caracteristici descriptive, de natura economica, sociala si demografica. in procesul de segmentare a pietei, intervin de regula mai multe categorii de riabile, iar exemplele ar putea continua.
Tehnicile de analiza multiriata se impart in doua mari categorii:
a) analizele cauzale, care isi propun evidentierea unei legaturi de cauzalitate intre riabile, precum si masurarea intensitatii acestei legaturi. Variabilele care intervin intr-o analiza cauzala se impart in riabile dependente {cauzate sau end


ogene) si riabile independente {cauzale sau exogene);
b) procedurile de grupare, ce urmaresc asocierea unitatilor supuse cercetarii (consumatori, produse, firme etc.) in grupuri relativ omogene, prin prisma riabilelor si a caracteristicilor luate in analiza. Procedurile de grupare trateaza toate riabilele la fel, fara a deosebi riabile dependente si independente.
Nu ne propunem aici o tratare exhausti a testelor multiriate. Din randul analizelor cauzale, vom studia numai analiza de regresie, iar dintre procedurile de grupare ne vom ocupa doar de analiza factoriala. Avertizam de asemenea cititorul ca nu vom prezenta in amanuntime aparatul matematic ce sta in spatele acestor tehnici, ci numai principiile si modul de aplicare a fiecareia dintre ele.


Analiza de regresie
Analiza de regresie studiaza legatura de cauzalitate dintre o riabila dependenta si una sau mai multe riabile independente prin intermediul unei ecuatii de regresie, a carei formulare matematica este urmatoarea:


y = ba + 6,*, + b2x2 + + bkxk + e,,
unde v este riabila dependenta, x, - xk sunt riabile independente, b0 este termenul liber", iar b, - bk sunt coeficientii de regresie. Cat despre et, ea poarta numele de riabila reziduala sau de perturbatie. Aparitia sa in modelele de regresie se datoreaza faptului ca relatia dintre riabilele dependente si independente nu este una stricta, determinista, ci una statistica. Pentru fiecare unitate din esantion, riabila reziduala se calculeaza ca diferenta intre loarea reala sau obserta a lui y si cea estimata prin ecuatia de regresie scrisa mai sus. Variabila ei colecteaza" influentele factorilor necunoscuti sau intamplatori, dificil de estimat, precum si erorile de esantionare si de masurare.
Daca in model intervine o singura riabila independenta, avem de-a face cu o regresie simpla, iar daca intervin doua sau mai multe riabile independente, cu o regresie multipla.
Cu titlu de exemplu, intr-o cercetare de marketing, riabila dependenta ar putea fi cererea pentru un produs de pe piata, iar riabilele independente ar putea fi pretul produsului, preturile produselor concurente, veniturile consumatorilor, cheltuielile pro-motionale ale firmei producatoare, rata inflatiei, produsul national brut s.a.m.d. De regula, numai riabilele cantitative pot fi utilizate intr-o analiza de regresie. Exista totusi posibilitatea transformarilor riabilelor alternative in riabile cantitative, care iau lorile 0 si 1 (asa-numitele riabile dummy).
Rezultatele cheie obtinute in urma rularii unei analize de regresie sunt:
- coeficientii (sauparametrii) de regresie. Acestia ne arata cu cat se modifica riabila independenta in urma modificarii cu o unitate a fiecarei riabile dependente. De exemplu, daca loarea coeficientului bs este 8,62, aceasta inseamna ca, daca loarea lui Xj ar creste (sau ar scadea) cu o unitate, atunci loarea lui y ar creste (sau ar scadea) cu 8,62 unitati;
- coeficientul de corelatie multipla (notat R2), care ne arata procentajul din riatia lui y, acesta fiind explicat" de influenta riabilelor independente. De pilda, o loare a lui R2 de 0,92 ne-ar spune ca 92 % din riatia lui y se datoreaza actiunii riabilelor Xj - xk, iar restul de 8% se explica prin alte influente, care nu au fost luate in considerare in model;
- loarea testelor de semnificatie pentru coeficientii de regresie. Daca parametrul de regresie al uneia dintre riabilele exogene nu este semnificativ diferit de 0, aceasta inseamna ca influenta respectivei riabile este practic nula; asadar, riabila este redundanta. Pentru testarea semnificatiei coeficientilor de regresie se foloseste testul t (Student).In studiul pietei, o analiza de regresie serveste unor scopuri multiple. in primul rand, ea poate fi folosita pentru a sili pur si simplu existenta unei corelatii intre diverse fenomene, precum si intensitatea acestei corelatii. Odata pusa in evidenta legatura dintre riabile, poate fi studiata sensibilitatea (sau elasticitatea) riabilei dependente la modificarea unora dintre riabilele independente (de exemplu, modificarea probabila a cererii pentru un produs in cazul cresterii pretului produsului sau a scaderii veniturilor consumatorilor cu o loare data). in sfarsit, daca lorile viitoare ale riabilelor independente pot fi prognozate cu acuratete, ecuatia de regresie ne permite prog-nozarea evolutiei riabilei dependente.
Principalele probleme care se pun in legatura cu o analiza de regresie sunt:
a) prezenta lorilor aberante" (outliers), adica a lorilor foarte mari sau foarte mici ale unora dintre riabile. Valorile aberante se datoreaza actiunii unor factori perturbatori importanti si este recomandabila eliminarea lor inainte de rularea analizei;
b) specificarea modelului, adica determinarea concreta a riabilelor independente care vor fi incluse in ecuatia de regresie. Exista doua tipuri de erori de specificare: introducerea unei riabile nerelente si omiterea unei riabile relente. Prima eroare este mai usor de corectat: prezenta unei riabile nerelente poate fi detectata cu ajutorul testelor de semnificatie. in ceea ce priveste al doilea tip de eroare, evitarea ei depinde de capacitatea cercetatorului de a discerne cauzele care determina evolutia riabilei endogene, fara a scapa din vedere nici o riabila cauzala importanta. Orice analiza de regresie trebuie precedata de o analiza teoretica aprofundata a fenomenelor studiate;
c) ipoteza de liniaritate a dependentei dintre riabile. Foarte adesea, relatia dintre riabilele economice este una de tip neliniar. O modalitate buna de a detecta neliniaritatea este studiul riabilei reziduale (programele de analiza statistica permit proiectarea grafica a acestei riabile). in cazul in care se obser o dispunere in forma de U" sau de U rasturnat" a riabilei reziduale, relatia dintre riabilele modelului este foarte probabil neliniara. O serie de modele de regresie neliniare pot fi transformate in modele liniare (pentru amanunte, E.St. Pecican, Econometrie, Editura AII, Bucuresti, 1994, pp. 63-66); d) multicoliniaritatea. Acest cunt descrie situatia in care riabilele independente sunt corelate intre ele (exemple de riabile susceptibile de a fi puternic corelate: pret de nzare si cifra de afaceri, nzari si cota de piata). in prezenta multicoliniaritatii, unele dintre riabile vor fi desigur redundante. Multicoliniaritatea poate fi indicata de prezenta unor coeficienti de corelatie mari in loare absoluta (apropiati de Aħ1) intre diversele riabile ale modelului. Putem evita multicoliniaritatea fie prin cresterea volumului esantionului, fie prin renuntarea la unele riabile. O alta solutie ar fi gruparea riabilelor puternic corelate intr-o singura riabila sintetica", cu ajutorul analizei factoriale (dupa cum vom arata in sectiunea urmatoare).


Exemplu
Pentru exemplul nostru privind analiza de regresie, vom folosi datele din elul de la anexa C. Acest el cuprinde informatii privind 32 de modele de automobile : pretul (PRET), capacitatea cilindrica (CIL), puterea motorului (PTM), viteza maxima (VIT) si consumul urban (CSU). Analiza noastra isi propune sa determine gradul in care pretul unui automobil este influentat de caracteristicile capacitate cilindrica" si puterea motoru


lui". Ecuatia de regresie se scrie astfel:


PRET = b0 + b, X CIL + b2 X PTM.
Pentru a rula regresia si a determina coeficientii, se poate folosi pachetul de programe SPSS (Statistical Packagefor Social Sciences), versiunea 10.0. Datele fiind introduse in fisierul masini.sav, se selecteaza din meniul Analyze optiunea Regression, iar apoi Linear. Ca riabila dependenta, se indica PRET, iar ca riabile independente CIL si PTM. SPSS ne furnizeaza, printre alte date, coeficientii de regresie si coeficientul de corelatie multipla R2. in cazul nostru concret, dupa rularea analizei de regresie, ecuatia se poate scrie:


PRET = - 10 498,1 + 9,321 X CIL + 103,894 X PTM.
Coeficientul de corelatie multipla R2 este egal cu 0,774. Putem trage asadar concluzia
ca cele doua caracteristici conteaza intr-o masura destul de insemnata (77,4%) la
silirea pretului final al unui automobil.
Pornind de la acest model, putem studia sensibilitatea riabilei pret la modificarile
tehnologice aduse unui automobil. O crestere a capacitatii cilindrice cu 100 cm3 ar
antrena o crestere a pretului cu cea 930 USD, iar daca puterea motorului creste cu 10
CP, ne-am putea astepta la o crestere a pretului cu cea 1 040 USD.
De asemenea, putem utiliza ecuatia de regresie pentru a face prognoze asupra riabilei
pret". Sa presupunem, spre exemplu, ca un producator de automobile urmeaza sa
scoata pe piata un nou model, cu o capacitate cilindrica de 1 800 cm3 si o putere de
170 CP. Pretul estimativ al acestui model este :
PRET = - 10 498,1 + 9,321 X 1 800 + 103,894 X 170 * 24 000 USD.
Analiza factoriala
Atunci cand la adoptarea unei decizii de marketing trebuie luat in considerare un numar foarte mare de riabile, este convenabila (si adesea posibila) reducerea acestui numar prin gruparea riabilelor initiale, fie pe baza corelatiei ridicate (pozitive sau negative), fie pe baza legaturii logice dintre unele riabile. in mod concret, analiza factoriala determina un numar de factori" (de regula 2-4) care sintetizeaza" informatia continuta in riabilele de plecare. Fiecare factor este o combinatie liniara a riabilelor care il alcatuiesc:
Fi = wlixi + w2,x2 + +wkixk,
unde wkj arata ponderea cu care participa riabila k la formarea factorului /. Ponderile w sunt calculate astfel incat sa fie indeplinite urmatoarele doua conditii:
- suma patratelor coeficientilor de corelatie dintre factorul / si riabilele x, - xk sa fie maxima (cu alte cuvinte, fiecare factor sa fie puternic corelat cu riabilele care il compun) ;
- factorii obtinuti in final sa fie complet necorelati doi cate doi (altfel spus, sa fie ortogonali).
Factorii rezultati in final vor fi definiti si interpretati de analist in functie de corelatia lor cu diversele riabile initiale. Trebuie spus aici ca analiza factoriala reprezinta o combinatie de tehnici obiective si subiective. Programele de analiza statistica prelucreaza datele introduse de cercetator si retin un numar de factori relenti (dupa criteriile pe care le vom vedea indata), indicand coeficientii de corelatie dintre fiecare factor si riabilele ce intervin in model. Din acest moment, intra in joc priceperea si discernamantul analistului: el trebuie sa sileasca daca intre riabilele corelate exista o legatura logica si, pe aceasta baza, sa dea fiecarui factor o interpretare semnificati si utila scopului cercetarii.
Spre exemplu, sa presupunem ca un consumator de pe piata este descris prin riabilele urmatoare: sexul, rsta, venitul anual, averea, educatia, profesia. in mod natural, riabilele sex" si rsta" ar putea fi grupate intr-un factor demografic", riabilele venit" si avere" intr-un factor care s-ar numi situatie economica", iar riabilele educatie" si profesie" intr-un factor numit statut social". Astfel, cele sase riabile initiale au fost reduse la trei. intrucat in acest exemplu avem de-a face in special cu riabile calitative, gruparea s-a realizat in functie de asociatiile logice care se pot face intre diversele riabile.
Simpla existenta a unui coeficient de corelatie important intre doua riabile nu indreptateste automat gruparea acestora. Chiar daca s-ar constata, pe un esantion de ancheta, o corelatie buna intre venitul si inaltimea subiectilor esantionului, este greu de crezut ca un factor definit prin asocierea acestor doua riabile fi relent si util pentru cercetare. Corelatia de care vorbim se datoreaza, cel mai probabil, unor erori de esantionare.
Variabilele cu care se lucreaza in analiza factoriala sunt riabile cantitative (la fel ca la analiza de regresie), desi se pot folosi si riabile de tip dumtny (care iau lorile 0 si 1).
Rezultatele-cheie ale rularii unei analize factoriale sunt:
- matricea corelatiilor intre fiecare factor si riabilele initiale. Aceste corelatii mai sunt numite si incarcarile factorilor (factor loadings). Pe baza acestor corelatii, analistul sili riabilele care intra in definitia fiecarui factor, dupa cum vom arata in exemplul practic de mai jos. Ca regula generala, fiecare riabila fi atribuita factorului cu care este cel mai puternic corelata (este preferabil ca incarcarea sa fie de peste 0,50 in loare absoluta);
- lorile proprii (eigenlues) ale fiecarui factor. De regula, programele statistice retin pentru analiza acei factori ale caror lori proprii sunt mai mari decat 1 ; totusi, daca dorim, le putem impune sa extraga numarul de factori pe care il consideram noi necesar;
- scorurile factorilor, care reprezinta de fapt ponderile w cu care intervin riabilele de plecare in formarea factorilor. Cunoscand aceste scoruri, putem calcula lorile factorilor pentru fiecare caz din esantion in parte. in acest fel, factorii rezultati pot fi tratati ca noi riabile. De regula, programele statistice ofera optiuni de calculare si salre a scorurilor factorilor.
Analiza factoriala isi gaseste multiple utilizari in cercetarea de marketing. in primul rand, reducerea numarului de riabile simplifica prezentarea concluziilor raportului de cercetare: este mult mai usor de parcurs un raport care se concentreaza asupra a doi sau trei factori esentiali decat unul care ia in discutie 10-20 de riabile. in plus, gruparea riabilelor poate pune datele intr-o noua lumina: este posibil ca cercetatorul sa detecteze corelatii pe care nu le banuise mai inainte.In al doilea rand, factorii rezultati dintr-o asemenea analiza pot fi folositi mai departe; pot fi inclusi, de exemplu, intr-o analiza de regresie, ca noi riabile. Dupa cum am aratat in sectiunea anterioara, analiza factoriala poate fi utilizata pentru a grupa riabilele redundante care intervin intr-un model de regresie, eliminand astfel fenomenul de multicoliniaritate.In sfarsit, o aplicatie foarte utila a analizei factoriale este gruparea unitatilor populatiei sau esantionului care prezinta lori apropiate ale factorilor. Aceasta este denumita analiza factoriala de tip Q si este folosita in special pentru segmentarea pietei sau pentru construirea hartilor perceptuale (mapping).





Politica de confidentialitate



}); Copyright © 2010- 2024 : Stiucum - Toate Drepturile rezervate.
Reproducerea partiala sau integrala a materialelor de pe acest site este interzisa.

Termeni si conditii - Confidentialitatea datelor - Contact