Часто считают, что при использовании метода квот можно делать выборку меньшего объема, чем при случайном отборе, так как квотный отбор дает почти полное совпадение выборочной и генеральной совокупностей по заданным параметрам. До настоящего времени нет четких теоретических предпосылок для такого мнения. Один из способов способ проверить его справедливость - провести численный эксперимент. [c.29]
В описанном эксперименте независимым фактором, значение которого является номинальная стоимость купона или 50 центов). Зависимым фактором выступает вероятность использования купона. Посторонним контролируемым фактором являются товарные марки продуктов, Отдельные покупатели составляют наблюдения. Методика проведения эксперимента предусматривала случайный отбор единиц наблюдения (покупателей) в исследуемые группы (купоны по 15 или 50 центов). [c.277]
Один из методов контроля посторонних факторов, включающий случайный отбор единиц наблюдения в группы для проведения эксперимента на основе использования случайных чисел, независимых переменных или условий для отдельных групп определяются также случайным [c.282]
В моделях предварительного эксперимента не применяются методы случайного отбора. Рассмотрим три специальные модели однократное исследование, предварительные и итоговые исследования в рамках одной экспериментальной группы, модель статической группы. [c.285]
Модель предварительного эксперимента, предполагающая использование двух групп - основной экспериментальной группы с помощью которой оценивается влияние независимого фактора, и контрольной экспериментальной группы ( G). Оценка восприятия в обеих группах проводится только один раз после воздействия независимой переменной, и при формировании групп не методы случайного отбора. [c.286]
Модели действительного эксперимента по сравнению с моделями предварительного эксперимента отличаются в основном использованием методов случайного отбора. При применении моделей действительного эксперимента исследователь распределяет единицы и анализируемые независимые переменные по группам случайным образом. Модели действительного эксперимента включают предварительное и итоговое исследование с использованием контрольной группы, итоговое исследование с использованием контрольной группы, модели четырех групп Соломона. [c.287]
В главе 3 обсуждались три основных плана маркетинговых исследований поисковый, дескриптивный и причинно-следственный. Из них лишь последний можно использовать для выявления причинно-следственных связей. Хотя данные, полученные в результате дескриптивных исследований, часто используются в качестве доказательства тем не менее они не могут подтвердить все условия причинной зависимости. Например, проведении дескриптивного исследования сложно обеспечить исходную однородность групп респондентов по отношению как к независимым факторам, так и к зависимым. С другой стороны, при проведении эксперимента эту однородность может обеспечить принцип случайного отбора при распределении по группам. В дескриптивных исследованиях трудно также установить временную действия отдельных факторов, tto же время при эксперимента исследователь устанавливает график проведения измерений и момент задействования независимых факторов, дескриптивное исследование не обеспечивает достаточного контроля за возможными посторонними факторами. [c.298]
При разработке эксперимента необходимо учитывать требования обеспечения внутренней и внешней достоверности его результатов. Внутренняя достоверность означает уверенность в том, что изменения зависимых факторов действительно вызваны изменениями независимых факторов. Внешняя достоверность означает возможность распространения результатов эксперимента на генеральную совокупность. Чтобы обеспечить достоверность эксперимента, исследователь должен контролировать влияние посторонних факторов, таких как исторические, зрелости, факторы процедуры тестирования (основные и интерактивные), инструментария, статистической регрессии, отклонения выборки и убыли. Существует четыре основных способа контроля влияния факторов случайный отбор, согласование, статистический контроль и контроль модели. [c.308]
Стадия 4 включает подлинные эксперименты (стадия 2) в программах маркетинга отношений (стадия 3). Именно таким образом Park Seed, компания, занимающаяся рассылкой семян по почте, смогла протестировать специальное предложение семян лука по высокой цене, разработанное для лучших клиентов фирмы (отобранных с использованием программного обеспечения модели SALES), посредством случайного распределения наугад выбранных лучших покупателей в две группы первая группа получает специальное предложение (воздействие А), а вторая группа не получает специального предложения (воздействие Б). Заметьте, что используются два этапа формирования случайной выборки (1) случайный отбор для того, чтобы достичь репрезентативности выборки из совокупности лучших клиентов (2) случайное распределение в две группы, чтобы достичь равенства двух групп по всем параметрам, так чтобы лишь маркетинговое предложение (воздействие А против воздействия Б) могло объяснить любые различия в объемах продаж. [c.631]
Сначала мы рассмотрим общую модель с взаимодействиями, используемую в факторных планах. Дисперсионный анализ (или кратко ANOVA) применяется при обработке результатов факторного эксперимента. Показаны отношения между дисперсионным и регрессионным анализом. Обсуждаются рандомизация и разбиение на блоки в имитации. Исследуются предпосылки ANOVA, преобразование и кодирование. Следующий параграф -посвящен частному виду факторных планов, а именно таким планам, в которых все факторы имеют только по два значения. Приводится модель для таких 2fe планов вместе с анализом наблюдений. Затем идет параграф, в котором говорится только о дробных репликах от полного факторного эксперимента типа 2k, строящихся так, что вся важная информация сохраняется. Мы показываем, как можно выбрать конкретную структуру смешивания эффектов. Мы даем планы для модели только главных эффектов, планы для оценки главных эффектов в присутствии взаимодействий и планы для оценки как главных эффектов, так и двухфакторных взаимодействий (так называемые планы разрешения III, IV и V соответственно). Далее следует параграф, в котором показано, как получить независимую оценку дисперсии ошибки опыта о2 при частичном дублировании плана. Приводится метод переоценки эффектов с помощью дополнительной информации от повторения плана. Вместо дублирования наблюдений можно объединить суммы квадратов некоторых эффектов. Оба метода можно сочетать с проверкой соответствия модели. Если модель не годится, мы можем перейти к модели более высокого порядка. Показано, что планы этой главы легко достраиваются до планов более высокого порядка (это так называемые композиционные, или последовательно строящиеся, планы). Наконец, в следующем параграфе обсуждаются планы для поиска нескольких важных факторов среди многих мыслимых важных факторов, для так называемого отсеивания. Рассматривается интерпретация дробных факторных планов, когда некоторые факторы не могут быть важными. Приводятся также планы со случайным отбором факторных комбинаций и их анализ. Даются и так называемые сверхнасыщенные планы — систематические (т. е. не случайные) планы с меньшим числом наблюдений, чем эффектов. Затем мы демонстрируем несколько вариантов дробных реплик, в которых факторы объединяются в группы для уменьшения числа факторов и наблюдений. Исследуются предпосылки таких планов группового отсеивания и устанавливается, что они не ограничительны. Четыре типа планов группового отсеивания сравниваются между собой. Глава заканчивается кратким обсуждением теории статистических решений и проблемы многих откликов. Приводится литература по этим двум и по многим другим вопросам. [c.8]
Посторонние факторы представляют собой незапланированные факторы, влияющие на результаты эксперимента. Они создают угрозу соблюдению внутренней и внешней достоверности эксперимента. Если их не контролировать, они воздействуют на зависимые переменные и тем самым искажают результаты эксперимента. По этой причине они называются также факторами ( onfounding variables). Существует четыре основных способа контроля искажающих факторов случайный отбор, группировка, статистический и методический контроль. [c.282]
Измерение результата воздействия независимой переменной можно оценивать как разность О, Необходимо отметить, что эта разность может быть приписана меньшей мере посторонним факторам (отбора и убыли). Поскольку при включении единиц наблюдения в группы использовался метод случайного отбора, группы могутотличаться еще до начала эксперимента и может возникнуть отклонение отбора. Фактор убыли тоже может иметь место, поскольку возможно выбытие единиц наблюдения в процессе эксперимента как из экспериментальной, так и из контрольной группы. Вероятность этого возрастает, если эксперимент имеет неприятные для участников аспекты. [c.287]
Пример В.1. Анализируется поведение двумерной случайной величины ( , -q), где (руб.) — среднедушевой доход и ц (руб.) — среднедушевые денежные сбережения в семье, случайно извлеченной из рассматриваемой совокупности семей, однородной по своему потребительскому поведению (см., например, [128]). В табл. В.1 и на рис. В.2 представлены исходные статистические данные вида (В.1), характеризующие среднедушевые величины дохода (xit руб.) и денежных сбережений (j/fl руб.) за определенный отрезок времени, а именно за месяц, в каждой (/-и, / = 1,2,. .., п) обследованной семье рассматриваемой совокупности семей (в данном условном примере объем п статистически обследованной совокупности семей равнялся 40). В этом примере имелась возможность при отборе исходных данных (выборки) контролировать значения предик-торной переменной Е (условия активного эксперимента [14, с. 121]), что позволило, в частности, разбить статистически обследованные семьи на четыре равные по объему группы по доходам. [c.12]
Как мы знаем, эксперименты по методу Монте-Карло с методом Бехгофера — Блюменталя заключаются в следующем. С помощью вычислительной машины генерируем случайные числа xs(i = I,. ..,k), (s = 1,2,. ..). К этим случайным числам мы применяем ММР. ММР дает возможность определить, когда прекратить отбор наблюдений. Затем ММР выбирает в качестве наилучшей совокупности ту, у которой наибольшее выборочное среднее. В эксперименте по методу Монте-Карло мы действительно знаем, какая совокупность имеет наибольшее среднее. Поэтому мы можем проверить, дает ли ММР правильный выбор. Если метод приводит к правильному выбору, то мы обозначим это единицей, противоположный случай мы отметим нулем. Предположим, что мы повторяем п раз ММР к наблюдениям, которые генерируются ЭВМ. После п повторений мы оценим вероятность правильного выбора Р (ПВ) путем отбора этих случаев в п повторных реализациях. Если ММР гарантирует требование к вероятности правильного выбора (1), то такая отобранная часть не должна быть значительно меньше, чем Р. Эти вычисления можно проделать для каждой из шестнадцати комбинаций уровней факторов. Теперь введем некоторые другие обозначения и определим, каково число повторений п на каждую комбинацию уровней факторов. [c.283]