Совместный анализ, 791 атрибутивные уровни, уровни [c.955]
Выбранные атрибутивные уровни влияют на процесс оценивания потребителями автомобилей. Если цены на автомобиль данной торговой марки составляют 10, 12 и 14 тысяч долларов, то цена является относительно незначимым фактором. С другой стороны, если цена варьирует от 10, 20 и далее до 30 тысяч долларов, то она будет важным фактором. Значит, исследователь должен учитывать уровни, на рынке, и цели проводимого исследования. Использование атрибутивных уровней, не истинную рыночную картину, снизит достоверность оценок, но увеличит точность, с которой будут оценены параметры. В качестве главного правила стоит запомнить, что выбирать атрибутивные уровни надо так, чтобы их диапазоны были несколько шире, чем диапазоны, преобладающие на рынке, но не настолько большие, чтобы неблагоприятно воздействовать на достоверность результатов оценки. [c.794]
Для характеристики "подошва" атрибутивные уровни можно закодировать так [c.799]
До сих пор в качестве факторов рассматривались экономические переменные, принимающие количественные значения в некотором интервале. Вместе с тем может оказаться необходимым включить в модель фактор, имеющий два или более качественных уровней. Это могут быть разного рода атрибутивные признаки, такие, например, как профессия, пол, образование, климатические условия, принадлежность к определенному региону. Чтобы ввести такие переменные в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т. е. качественные переменные преобразованы в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными. В отечественной литературе можно встретить термин структурные переменные 2. [c.141]
Особенностью статистического исследования является то, что в нем изучаются только варьирующие признаки, т. е. признаки, принимающие различные значения (для атрибутивных, альтернативных признаков) или имеющие различные количественные уровни у отдельных единиц совокупности. [c.7]
При формулировании совместного анализа должен определить характеристики и уровни характеристик уровни), в конструировании объектов. Атрибутивный уровень на значение данной характеристики. С теоретической точки зрения выбранные характеристики должны быть явно выраженными, вносить основной вклад в предпочтения и выбор потребителей. Например, при марки автомобиля в характеристики следует включить цену расход бензина на [c.793]
В данной подсистеме с помощью ГИС реализуется современная стратегия управления лесным хозяйством региона, предполагающая возможность интенсификации рубок главного пользования и рубок ухода при условии правильного экологического обоснования выбора мест, способов и технологий их проведения, сочетания рубок с рациональным лесовосстановлением, эффективной защитой и охраной лесов. В основу стратегии неистощительного лесопользования положен принцип вовлечения в эксплуатацию всей территории лесного фонда при сохранении устойчивости и биоразнообразия лесных экосистем. На уровне лесхоза реализован блок справочной ГИС для оценки пространственного размещения лесных участков (выделов) по всем характеристикам атрибутивной базы данных, а также экологически обоснованные модели способов рубок главного и промежуточного пользования, лесовосстановления, охраны и защиты лесов. [c.64]
Необходимо все возможные комбинации, однако это не так просто. В попарном подходе можно снизить число попарных сравнений, используя периодический план. Аналогично в полнопрофильном методе можно значительно уменьшить число объектов с помощью дробного факторного эксперимента. Специальный класс факторных экспериментов, называемый ортогональной таблицей, позволяет эффективно все главные эффекты. Ортогональная таблица допускает измерение всех изучаемых главных эффектов на некоррелированной основе. Эти планы предполагают, что все взаимодействия пренебрежимо малы. Ортогональные составляют, исходя из планов полного факторного эксперимента, заменив выбранные эффекты взаимодействия, которые принимают пренебрежимо малыми, новым фактором [26]. Обычно получают два набора данных. Набор используют для вычисления функций полезности для атрибутивных уровней. Набор проверки достоверности используют для оценки надежности и достоверности. [c.796]
Как и в многомерном шкалировании, исходные данные для совместного анализа бывают неметрическими или метрическими. Для получения неметрических данных респондентов обычно просят дать оценку в виде рангов. При попарном подходе респонденты ранжируют все ячейки каждой из матриц, определяя их При полнопрофильном методе они ранжируют все профили объектов. Ранги включают относительные оценки атрибутивных уровней. Сторонники ранжированных данных полагают, что такие данные точно отражают поведение потребителей на рынке. [c.796]
Существует несколько методов использования базовой модели. Простейший и самый популярный — регрессионный анализ с фиктивными (dummy) переменными главу 17). В этом случае вычисленные переменные состоят из фиктивных переменных. атрибутивных уровней. Если характеристика имеет А, уровней, ее кодируют через — 1)-ю фиктивную переменную (см. главу 14). Если получены метрические данные, то рейтинги, выраженные в интервальной шкале, образуют зависимую переменную. Если получены неметрические данные, то значения рангов можно преобразовать в 0 или выполнив попарные сравнения между торговыми марками. В этом случае вычисленные переменные представляют различия в атрибутивных уровнях сравниваемых торговых марок. К другим процедурам, для анализа неметрическихданных, относятся MONANOVAn [29]. [c.798]
Пространственные карты можно также получить с факторного или дискрими-нантного анализа. При таком подходе каждый респондент оценивает торговых марок по т характеристикам. Выполнив факторный анализ данных, можно вывести для каждого респондента оценку каждого фактора, по одному для каждой торговой марки. Построив график зависимости значения торговой марки от фактора, получим пространственную карту для каждого Если требуется построить карту на агрегатном уровне, то можно усреднить (по всем респондентам) значения фактора для каждой торговой марки для каждого фактора. Оси координат обозначают, изучив факторные нагрузки, т.е. оценки корреляций между атрибутивными рейтингами и основными факторами [17]. [c.791]
После получения результатов следует определить профиль каждого из сегментов с помощью переменных, включенных в кластерный анализ. Во- первых, определите, к каким из переменных стремится каждый респондент и к каким переменным не стремится никто. Эти переменные характеризуют уровни рынка, а не уровни сегментации. Отделение их от остальных характеристик позволит легко идентифицировать потребности респондснов на уровне сегментации. Во-вторых, расположите оставшиеся атрибутивные средние в порядке убывания большего к меньшему). Кратко запишите ключевые темы и дайте каждому сегменту предварительное название. На следующем этапе определите профиль каждого из кластеров с помощью переменных, которые не участвовали в процессе и которые включают демографические, психографические характеристики использование товара и мотивы поведения. Если кластеры не различаются по этим переменным, то, вероятно, что менеджменту будет от них немного пользы. Если окажется, что кластеры различаются по этим переменным, то с помощью этой информации и о переменных, использованных для кластеризации, давайте название кластеру и опишите его, имея в виду стратегию в отношении каждого из этих сегментов. [c.820]