LibKing » Книги » Научные и научно-популярные книги » Прочая научная литература » Маргарита Акулич - Статистические методы, используемые в маркетинговых исследованиях

Маргарита Акулич - Статистические методы, используемые в маркетинговых исследованиях

Тут можно читать онлайн Маргарита Акулич - Статистические методы, используемые в маркетинговых исследованиях - бесплатно ознакомительный отрывок. Жанр: Прочая научная литература, издательство Литагент Ридеро. Здесь Вы можете читать ознакомительный отрывок из книги ознакомительный отрывок из книги онлайн без регистрации и SMS на сайте LibKing.Ru (ЛибКинг) или прочесть краткое содержание, предисловие (аннотацию), описание и ознакомиться с отзывами (комментариями) о произведении.
Маргарита Акулич - Статистические методы, используемые в маркетинговых исследованиях
  • Название:
    Статистические методы, используемые в маркетинговых исследованиях
  • Автор:
  • Жанр:
  • Издательство:
    Литагент Ридеро
  • Год:
    неизвестен
  • ISBN:
    9785448579400
  • Рейтинг:
    4/5. Голосов: 11
  • Избранное:
    Добавить в избранное
  • Ваша оценка:

Маргарита Акулич - Статистические методы, используемые в маркетинговых исследованиях краткое содержание

Статистические методы, используемые в маркетинговых исследованиях - описание и краткое содержание, автор Маргарита Акулич, читайте бесплатно онлайн на сайте электронной библиотеки LibKing.Ru
В книге дано лаконичное описание большинства используемых в маркетинге методов и приведено пояснение, для чего они используются. Статистические методы являются для маркетинга одними из основных (если не самыми главными). Поэтому каждый маркетолог должен их знать хотя бы в общих чертах.

Статистические методы, используемые в маркетинговых исследованиях - читать онлайн бесплатно ознакомительный отрывок

Статистические методы, используемые в маркетинговых исследованиях - читать книгу онлайн бесплатно (ознакомительный отрывок), автор Маргарита Акулич
Свет

Шрифт:

Сбросить

Интервал:

Закладка:

Сделать

Целью регрессионного анализа является цель предсказания (прогнозирования) ожидаемого усредненного значения результирующей переменной посредством соответствующего уравнения. В маркетинге довольно часто необходимо прогнозировать разные важные показатели (к примеру, объема продаж или прибыли, или числа клиентов и т.д.).

2.2 Регрессионный анализ нелинейный. Регрессия категориальная

Регрессионный анализ нелинейный


Фото

Под регрессией нелинейной принято понимать регрессионную модель зависимости переменной результативной от одной либо нескольких переменных объясняющих, выражаемую в виде нелинейной функции. Нелинейная модель (как и линейная) может быть парной и множественной.

Нелинейная регрессия согласно ее целям и задачам подобна регрессии линейной. Отличие обусловливается лишь формой связей и методами оценивания параметров. Выбрать форму связи зависимости нелинейного вида можно посредством: содержательного изучения исследуемого конкретного явления; опоры на итоги изучения взаимосвязи между переменными, к примеру, с применением графического метода.

Оценивание параметров нелинейной регрессии может базироваться: на линеаризации уравнения благодаря подходящим преобразованиям и оценки его параметров посредством применения метода наименьших квадратов; на оценке параметров на базе метода максимального правдоподобия и применения процедур оптимизационных методов.

Регрессии нелинейные различают согласно: включаемым в эти регрессии предикторам (такие нелинейного вида регрессии являются линейными по параметрам); включаемым в регрессии предикторам и подвергаемым оценке параметрам.

Если функции являются нелинейными по переменным объясняющим, возможно сведение их к линейным посредством замены переменных.

Если функции являются нелинейными по переменным-факторам и подвергаемым оцениванию параметрам, их сведение к линейным моделям происходит благодаря логарифмированию и замене переменных.

Если подобрать линеаризующее преобразование невозможно, для оценивания параметров прибегают к использованию методов нелинейной оптимизации на базе исходных данных.

Наилучшая нелинейная модель обычно выбирается на базе наименьшей стандартной остаточной ошибки, исчисленной для разных моделей. Если имеет место наличие ряда нелинейных моделей с сопоставимой точностью, рекомендуется останавливать выбор на модели, отличающейся большей простотой.


Регрессия категориальная


Фото

Фото из источника в списке литературы [4]


В качестве регрессии категориальной принято рассмотрение статистического метода моделирования взаимосвязи между категориальными переменными: зависимой и независимыми. Для построения модели рассматриваемой регрессии прибегают к шкалированию либо оцифровке переменных путем присвоения категориям числовых значений. После этого идет построение оптимального уравнения линейной регрессии относительно преобразованных новых переменных.

В данной модели и переменная и ее предикторы – категориальные.

Применение категориальной регрессии в маркетинге происходит, когда нужно описать покупательскую удовлетворенность в зависимости от таких факторов как простота совершения покупки, цена, качество товара. Посредством уравнения категориальной регрессии возможно прогнозирование уровня покупательской удовлетворенности в зависимости от всевозможных сочетаний значений категориальных независимых переменных.

2.3 Регрессия логистическая. Регрессия мультиномиальная логистическая

Регрессия логистическая

Под регрессией логистической или логит-регрессией понимают статистическую модель, используемую, чтобы предсказывать вероятности возникновения какого-то события посредством логистической функции. Эта регрессия относится к классу моделей бинарного выбора, в которых зависимая переменная является дихотомической (бинарной).

Зависимой переменной могут приниматься только значения в количестве двух и означать, к примеру, принадлежность к конкретной группе (скажем, к группе надежных клиентов либо ненадежных клиентов), совершаемое действие (покупка либо непокупка товара),ответы «да» либо «нет» (рекламный ролик нравится либо не нравится).

Построение обыкновенной регрессионной модели линейного типа с зависимыми бинарными переменными не допускается ввиду того, что если это построение будет иметь место, предсказанные значения зависимой переменной интерпретировать окажется практически невозможно.

Измерения значений факторов в моделях бинарного выбора – только количественные. В эти модели допускается включение категориальных переменных (выступающих в качестве факторов). В данных моделях обеспечивается построение регрессионной модели зависимости с принятием во внимание вероятности, что результативной дихотомической переменной будет принято значение 0 или 1, если значение факторов – заданное.

Для того чтобы смоделировать вероятность зависимой дихотомической переменной, нужно произвести подбор специальной монотонно возрастающей функции, значения которой могут варьироваться лишь от 0 до 1.

В моделях бинарного выбора в качестве специальной функции может быть выбрана функция: 1) логистическая; 2) стандартного нормального распределения.

Если модель бинарного выбора построена на базе логистической функции, то она рассматривается как логистическая регрессия или логит-модель. Если модель бинарного выбора построена на базе функции, стандартного нормального распределения, то ее рассматривают как пробит-модель.

Посредством логистической регрессии осуществляется прогнозирование вероятности отклика для зависимой переменной от переменных независимых, которые включены в модель. Прогнозные значения вероятности можно использовать для разделения наблюдений на две группы.

При построении модели регрессии логистической можно осуществить отдельный анализ – анализ Receiver Operator Characteristic (ROC-кривых). Посредством данного анализа можно осуществить выбор оптимального порогового значения вероятности для классификации. ROC-кривую используют, чтобы представить результаты бинарной классификации и оценки уровня ее эффективности.

Использование логистической регрессии распространяется на решение задач, связанных с моделированием взаимосвязи и классификацией наблюдений. Она находит применение в скоринге: банковском (на ее основе возможно построение рейтинга заемщиков и управления кредитными рисками); потребительском (для моделирования потребительского поведения).

Читать дальше
Свет

Шрифт:

Сбросить

Интервал:

Закладка:

Сделать


Маргарита Акулич читать все книги автора по порядку

Маргарита Акулич - все книги автора в одном месте читать по порядку полные версии на сайте онлайн библиотеки LibKing.




Статистические методы, используемые в маркетинговых исследованиях отзывы


Отзывы читателей о книге Статистические методы, используемые в маркетинговых исследованиях, автор: Маргарита Акулич. Читайте комментарии и мнения людей о произведении.


Понравилась книга? Поделитесь впечатлениями - оставьте Ваш отзыв или расскажите друзьям


Прокомментировать
Большинство книг на сайте опубликовано легально на правах партнёрской программы ЛитРес. Если Ваша книга была опубликована с нарушениями авторских прав,
пожалуйста, направьте Вашу жалобу на PGEgaHJlZj0ibWFpbHRvOmFidXNlQGxpYmtpbmcucnUiIHJlbD0ibm9mb2xsb3ciPmFidXNlQGxpYmtpbmcucnU8L2E+ или заполните форму обратной связи.
img img img img img