Методы первичного статестического анализа

основными методами первичного статистического анализа количественных и категориальных переменных являются​:  

частотный метод

• самый простой для анализа категориальных переменных. Он используется в тех случаях, когда необходимо посмотреть, каким образом различные группы наблюдений распределены в выборке, или как распределено значение признака на интервале от минимального к максимальному значению. Обычно, таблицы частот графически иллюстрируются при помощи гистограмм.

дискриминантный метод

• на основе измерения различных характеристик объекта - отнести его к одной из нескольких групп. Здесь результирующий показатель (отклик) является категориальным,а независимые переменные измерены в интервальной (числовой) шкале.​

кластерный  метод 

• множество исследуемых объектов и признаков разбиваются на однородные группы (кластеры).  Возможно производить разбиение по нескольким признакам.

корреляционный  метод

одна из переменных определяется как функция другой.В качестве меры используется коэффициент корреляции – r(-1до+1). Если r отрицательный, то с увеличением значений одной переменной значения другой убывают. Если переменные независимы, то r=0. Если r не равен 0, то между переменными существует зависимость.

регрессионный метод 

• формируется  взаимосвязь одной переменной от одной или нескольких других переменных. Первая переменная называется зависимой, а остальные – независимыми. Независимые переменные называются факторами, а зависимая переменная – результативным признаком, или откликом.

 метод сравнения средних

• Суть этого метода состоит в анализе зависимостей средних значений переменных признаков, которые характеризуют исследуемую совокупность объектов (наблюдений). 

                Кластерный анализ в маркетинговых исследованиях

Сегментация

 Все исследования, посвященные  проблеме сегментации, безотносительно  того, какой используется метод, имеют  целью идентифицировать устойчивые группы (люди, рынки, организации), каждая из которых объединяет в себя объекты  с похожими характеристиками. Реализуя эту процедуру, исследователи, как правило, допускают ошибку следующего рода: характеристики, на основе которых проводится кластеризация, выбираются по принципу «доступней, проще, дешевле». Такой подход ставит под сомнение целесообразность всего дальнейшего анализа, поскольку включение даже одной-двух незначимых характеристик может привести к неадекватному разбиению на кластеры.

Анализ поведения  потребителя

Вторым, но не менее важны  направлением использования аппарата кластерного анализа, является построение однородных групп потребителей с  целью получить максимально полное представление о том, как ведет  себя клиент из каждого сегмента, какие  драйверы определяют его поведение. Более подробно эта проблема освещена в работах Клакстона, Фрая и Портиса (1974), Киля и Лэйтона (1981).

Позиционирование

Кластерный анализ применяется также для того, чтобы определить, в какой нише лучше позиционировать выводимый на рынок продукт. Кластерный анализ позволяет построить карту, на основе которой можно будет определить уровень конкуренции в различных сегментах и характеристики, которыми должен обладать товар для того, чтобы попасть в целевой сегмент. Такая карта позволяет, к примеру, выявить новые рынки, для которых можно разрабатывать и продвигать свои решения.

Выбор тестовых рынков

Многие исследователи применяют кластерный анализ для того, чтобы, определить, какие рынки (магазины, продукты...) можно объединить в одну группу по релевантным характеристикам. Дело в том, что, выдвинув предположение о существовании определенной закономерности (покупатели элитных товаров с ростом цены увеличивают спрос) необходимо предложить новый, не использованный в анализе, рынок, на котором она должна быть проверена, прежде чем применять на практике.

Сокращение количества наблюдений

Необходимо предложить новый,не использованный в анализе рынок, на котором определенная закономерность должна быть проверена,прежде чем проверять на практике.