Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов России за 1995 г. по признаку валового регионального продукта на душу населения, выполненный Н.В. Хорошиловой в своей кандидатской диссертации (таблица 5.8 дана с некоторыми изменениями). [c.208]
Для того чтобы определить потребности потребителей, необходимо провести маркетинговые исследования. На первом этапе они обычно включают неформальный опрос потенциальных покупателей и обсуждение в группах с целью выяснения ценных для респондентов благ, потребностей, различий в высказываемых желаниях. Например, кто из них отдает приоритетное значение невысоким ценам, а для кого главное — имидж и качество товара. На втором этапе составляется формальная анкета, заполняемая большой группой респондентов для количественной оценки различий. При определении наиболее значимых переменных сегментирования рынка используются различные методы статистики, например, дискретный или кластерный анализ.2 Нередко рынок разделяется на группы потребителей в зависимости от выгод, которые они стремятся получить, приобретая товар, например, качество и технические характеристики продукта, уровень обслуживания, экономия. [c.100]
В маркетинговой литературе эту совокупность часто называют статистическим банком или банком моделей. Среди наиболее популярных методов математической статистики, входящих в этот банк, следует назвать регрессионный анализ, вариационный анализ, факторный анализ, дискриминантный анализ, кластерный анализ, многомерное шкалирование. [c.50]
Обязательную систематизацию изучаемых объектов предполагает, например, использование аппарата корреляционного анализа и других методов математической статистики. Перечень примеров, в которых результаты классификации являются необходимым предварительным этапом дальнейшего научного исследования, можно было бы продолжить. В частности, кластерный анализ широко используется в прогнозировании поведения того или иного объекта по набору признаков, определяющих поведение этого объекта, например, при сегментации рынков. [c.29]
Использование комплексных исследовательских методов в противоположность отдельным совершенствование программного обеспечения для многовариантной статистики дает возможность более эффективно использовать такие методы, как кластерный анализ в сочетании с общим анализом и многопараметрической системой тестов, позволяя полнее анализировать и глубже понимать поведение потребителя. [c.145]
Анализировать статистики, используемые в ходе кластерного анализа. [c.747]
СТАТИСТИКИ, СВЯЗАННЫЕ С КЛАСТЕРНЫМ АНАЛИЗОМ [c.750]
Используем систему STADIA 5.O. Введем показатели 10 предприятий в 10 строк электронной таблицы, в первый столбец — долю ликвидных активов в сумме баланса, во второй столбец — долю материально-производственных активов в балансе. Используем блок Статистика и процедуру Кластерный анализ , команды и соответственно метод Дивизивная стратегия динамических сгущений и Евклидова метрика . Будем группировать предприятия в два кластера. [c.97]
Пример. Проведем классификацию 10 предприятий, рассмотренных в предыдущем примере, и дадим, таким образом, вероятностную оценку результатам кластерного анализа. Вновь обратимся к системе STADIA 5.O. Введем показатели предприятий в первый и второй столбцы электронной таблицы, в третий столбец — номера классов, полученные при кластеризации. Используем блок Статистика и процедуру Дискриминантный анализ и получим следующие результаты. [c.98]
Мандель И. Д. Кластерный анализ. - М. Финансы и статистика, 1988. [c.155]
МАТЕМАТИЧЕСКАЯ СТАТИСТИКА (mathemati al statisti s) — раздел математики, посвященный систематизации, обработке и использованию стат данных В М с мн методы стат обработки исходных данных основываются на вероятностной природе этих данных Оси понятиями М с являются генеральная совокупность (мн-во значений случайной величины), выборка (ограниченное число наблюдений случайной величины), объем выборки (кол-во значений случайной величины в выборке), параметр положения (ср значение случайной величины), мера рассеяния (квадратный корень из дисперсии счучайной величины) и т д Одной из задач М с является построение оценок случайной величины Различают оценки точечные, интервальные, робастные (устойчивые, т е слабо реагирующие на утрату части исходных данных, засорение выборки и т п ), эффективные (имеющие ми-ним дисперсию) и др Получили развитие и нашли широкое практическое применение такие разделы М с, как дисперсионный анализ, кластерный анализ, факторный анализ, методы планирования эксперимента, приемочного контроля статистического и др [c.131]
Прежде чем начать разговор о статистиках, соответствующих кластерному анализу, следует упомянуть о том, что большинство методов кластеризации — относительно простые ры, не требующие изощренных статистических расчетов. Можно дажечто методы кластеризации представляют собой эвристические методы, основанные на определенных алгоритмах действий исследователя. Тем самым кластерный анализ резко отличается от дисперсионного, регрессионного, дискриминантного и факторного, которые базируются на статистических расчетах. Хотя многие методы кластеризации обладают важными статистическими свойствами, необходимо признать фундаментальную простоту этих методов [8]. Следующие статистики и понятия связаны с кластерным анализом. [c.750]
Сильное место книги — это ее третья часть, посвященная сбору, обработке и анализу данных. В ней представлены не только базовые, общепринятые методы статистической обработки данных, но и методы многомерного статистического анализа кластерного, факторного и т.п.). Этого материала нет ни в одной из переводных книг по маркетинговым исследованиям. И хотя их использование требует от читателя основательных знаний из области статистики, эти усилия несомненно будут вознаграждены, базового и многомерногоанализа дает в руки специалиста мошный инструмент высококачественного проведения маркетинговых исследований, что существенно повышает ценность маркетолога. [c.925]
Здесь приводится лишь краткое описание результатов кластерного и дис-криминантного анализа. Представляется, что, поскольку данные методы являются предметом исследования математической статистики, рассмотрение математического содержания алгоритмов их реализации не соответствует целям данной работы. [c.399]