|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Факторный анализ, методы факторного анализаСовокупность методов, которые на основе объективно существующих корреляционных взаимосвязей признаков (или объектов)позволяют выявить латентные (или скрытые) обощающие характеристики структуры изучаемых объектов или свойств. Статистики и понятия, используемые в факторном анализе: 1.критерий сферичности Бартлетта – статистика, проверяющая гипотезу о том, что переменные в генеральной совокупности не корректируются между собой; 2.корреляционная матрица – матрица парных корреляций r между всеми возможными парами переменных, включенных в анализ; 3.общность – доля дисперсии отдельной переменной, которую переменная делит с другими рассматриваемыми ее переменными; 4.собственное значение – предстваляет полную дисперсию, объясняемую каждым фактором; 5.Факторные нагрузки- линейные корреляци между переменными факторами; 6.матрица факторных нагрузок – содежрит факторные нагрузки все переменных по все выделенным факторам; 7.Значкние фактора – суммарные значения, определенные для каждого респондентапо производимым факторам; 8.критерий адекватности выборки Кайзера – Мейера – Олкина - коэф для порверкии целесообразности выполнения факторного анализа 9.процент диспперсии - процент от полнй дисперсии, прописываемый по каждому фактору; 10.остатки – разница между наблюдаемыми корреляциями, приведенными в исходной корреляционной матрице, и вычисленными корреляциями, определенными из матрицы факторных нагрузок; 11.графическое изображение критерия “каменистой осыпи” – график зависимости собственных значений от числа факоров в порядке их убывания. Процедура выполнения факторного анализа: 1.формулировка проблемы, 2.постороение корреляционной матрицы, 3.Определение метода факороного анализа, 4.Опредееление числа факторов, 5. вращение факторов, 6.интерпретация фаакторов, 7.попределение степени соответствия модели
56. кластерный анализ Кластаерный анализ – совокупность методов, позволяющих классифицмровать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х1,Х2,…..целью кластерного анализа явл образование групп схожих между собой объектов, котроые приято называть кластерами. Объекты в каждм кластере должны быть похожи между собой и отличатся от объектов в других кластерах.
Цели кластерного анализа: сегментация рынка,.Понимание поведения покупателей, Определение возможностей нового товара и озиционирование товара,.выбор тестовых рынков, сокращение размерности данных.
Этапы выполнения кластерного анализа: 1.формулировка проблемы, 2.Определение метода кластеризации, 3.выбор мерыы расстояния, 4.определение числа кластеров, 5.интерпретация и профилирование кластеров
57. многомерное шкалирование. – класс методоав для представления, восприятий и предпочтений респондентов в пространстве с посмощью наглядного изображения. Воспринимаемые взаимосвязи между объектами представляют в виде геометричемких связей между точками в многомерном пространстве. Эти геомиетрические предстваления наз пространственными картами. Оси ккординат на пространственной карте соответствуют психологическим картам поведения человека. Цели многомерного шкалирования: измерение имиджа, Сегментация рынка, Разработка нового товара, эценки эффективности рекламы, Ценовой анализ, Решения о числе каналов сбыта, построение шкалы отношений. Используемые статистики: 1.оценка сходства – рейтинги всех возможных пар торговых марок или других объектов, отражающие их свойства по шкале Лайкерта; 2.ранги предпочтений – ранги торговых марок или др объектов в порядке их уменшения; 3.стресс – мера соответствия подогнанной модели исходным данным: чем выше значение стресса, тем ниже качество подгонки модели; 4.R-квадрат – квадрат коэф корреляции,котор показывает долю дисперсии оптимального отображения данных, которые могут быть учтены ММШ. Процедура многомерного шкалирования: 1.формулировка проблемы, 2.Получение исходных данных, 3.Выбор метода многомерного шкалирования, 4.принятие решений о количестве размерностей, 5.обозначение размерностей и интерпретация конфигурации точек на пространственной карте, 6.оценка надежности и достоверности.
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.004 сек.) |