Комаров С.В. Маркетинговые исследования. Учебно-методическое пособие - файл n1.doc

приобрести
Комаров С.В. Маркетинговые исследования. Учебно-методическое пособие
скачать (1849 kb.)
Доступные файлы (1):
n1.doc1849kb.08.07.2012 22:48скачать

n1.doc

1   2   3   4   5   6   7   8   9   10

Применяя процедуру проверки гипотез, следует помнить, что она может гарантировать результаты с определенной вероятностью лишь по «беспристрастным» выборкам, на основе объективных данных.
В. Анализ различий. Проверка существенности различий заключается в сопоставлении ответов на один и тот же вопрос, полученных для двух или более неза­висимых групп респондентов. Кроме того, в ряде случаев представляет интерес сравнение ответов на два или более независимых вопросов для одной и той же выборки.

Примером первого случая может служить изучение вопроса: что предпочитают пить по утрам жители определенного региона: кофе или чай. Первоначально было опрошено на основе формирования случайной выборки 100 респондентов, 60% которых отдают предпочтение кофе; через год исследование было повторено, и только 40% из 300 опрошен­ных человек высказалось за кофе. Как можно сопоставить результаты этих двух исследований? Прямым арифметическим путем сравнивать 40% и 60% нельзя из-за разных ошибок выборок. Хотя в случае больших различий в цифрах, скажем, 20 и 80%, легче сделать вывод об измене­нии вкусов в пользу кофе. Однако если есть уверенность, что эта большая разница обусловлена, прежде всего, тем, что в первом случае исполь­зовалась очень малая выборка, то такой вывод может оказаться сомни­тельным. Таким образом, при проведении подобного сравнения в расчет необходимо принять два критических фактора: степень существенности различий между величинами параметра для двух выборок и средние квадратические ошибки двух выборок, определяемые их объемами.

Для проверки, является ли существенной разница измеренных сред­них, используется нулевая гипотеза. Нулевая гипотеза предполагает, что две совокупности, сравниваемые по одному или нескольким признакам, не отличаются друг от друга. При этом предполагается, что действитель­ное различие сравниваемых величин равно нулю, а выявленное по дан­ным отличие от нуля носит случайный характер [12], [33].

Для проверки существенности разницы между двумя измеренными средними (процентами) вначале проводится их сравнение, а затем по­лученная разница переводится в значение среднеквадратических оши­бок, и определяется, насколько далеко они отклоняются от гипотети­ческого нулевого значения.

Как только определены среднеквадратические ошибки, становится известной площадь под нормальной кривой распределения и появляется возможность сделать заключение о вероятности выполнения нулевой ги­потезы.

Р
ассмотрим следующий пример. Попытаемся ответить на вопрос: «Есть ли разница в потреблении прохладительных напитков между де­вушками и юношами?». При опросе был задан вопрос относительно числа банок прохладительных напитков, потребляемых в течение недели. Опи­сательная статистика показала, что в среднем юноши потребляют 9, а девушки 7,5 банок прохладительных напитков. Средние квадратические отклонения, соответственно, составили 2 и 1,2. Объем выборок в обоих случаях составлял 100 человек. Проверка статистически значимой разни­цы в оценках осуществлялась следующим образом:

где x1 и x2 ? средние для двух выборок;

s1 и s2 ? средние квадратические отклонения для двух выборок;

n1 и n2 ? объем, соответственно, первой и второй выборки.

Числитель данной формулы характеризует разницу средних. Кроме того, необходимо учесть различие формы двух кривых распределения. Это осуществляется в знаменателе формулы. Выборочное распределение теперь рассматривается как выборочное распределение разницы между средними (процентными мерами). Если нулевая гипотеза справедлива, то распределение разницы является нормальной кривой со средней рав­ной нулю и средней квадратической ошибкой, равной 1.

Видно, что величина 6,43 существенно превышает значение ±1,96 (95%-ный уровень доверительности) и ±2,58 (99%-ный уровень довери­тельности). Это означает, что нулевая гипотеза не является истинной.

На рис. 10.4. приводятся кривые распределения для этих двух сравни­ваемых выборок и средняя квадратическая ошибка кривой разницы. Средняя квадратическая ошибка средней кривой разницы равна 0. Вслед­ствие большого значения среднеквадратических ошибок вероятность справедливости нулевой гипотезы об отсутствии разницы между двумя средними меньше 0,001.
Р
ис. 10.4.
Кривые распределения приведенного примера.
Результаты испытания интерпретируются следующим образом. Если бы гипотеза была истинной, то, образовав большое число выборок, проводя каждый раз аналогичные сравнения, пришли бы к выводу, что 99% разницы будет лежать в границах ±2,58 среднеквадратической ошибки нулевой разницы. Безусловно, может быть сделано только одно сравне­ние, и можно полагаться только на концепцию выборочного распреде­ления.
Г. Анализ связей. Очень часто маркетолог ищет ответы на вопросы типа: «Увеличится ли показатель рыночной доли при увеличении числа дилеров?», «Есть ли связь между объемом сбыта и рекламой?» Такие связи не всегда имеют причин­но-следственный характер, а могут иметь просто статистическую природу. В поставленных вопросах можно определенно говорить о влиянии одного фактора на другой. Однако степень влияния изучаемых факторов может быть различной; скорее всего, влияние могут оказывать также какие-то другие факторы. Выделяют четыре типа связей между двумя переменными: немо­нотонная, монотонная, линейная и криволинейная.

Немонотонная связь характеризуется тем, что присутствие (отсутст­вие) одной переменной систематически связано с присутствием (отсут­ствием) другой переменной, но ничего неизвестно о направлении этого взаимодействия (приводит ли, например, увеличение одной переменной к увеличению или уменьшению другой). Например, известно, что посе­тители закусочных в утренние часы предпочитают заказывать кофе, а в середине дня – чай.

Немонотонная связь просто показывает, что утренние посетители предпочитают также заказывать яйца, бутерброды и бисквиты, а в обе­денное время скорее заказывают мясные блюда с гарниром.

Монотонная связь характеризуется возможностью указать только об­щее направление связи между двумя переменными без использования каких-либо количественных характеристик. Нельзя сказать, насколько, например, определенное увеличение одной переменной приводит к уве­личению другой переменной. Существуют только два типа таких связей: увеличение и уменьшение. Например, владельцу обувного магазина из­вестно, что более взрослые дети обычно требуют обувь больших разме­ров. Однако невозможно четко установить связь между конкретным воз­растом и точным размером обуви.

Линейная связь характеризует прямолинейную зависимость между дву­мя переменными. Знание количественной характеристики одной перемен­ной автоматически предопределяет знание величины другой переменной:

у = а + bх

где у – оцениваемая или прогнозируемая зависимая переменная (результативный признак);

а – свободный член уравнения;

х – независимая переменная (факторный признак), используе­мая для определения зависимой переменной.

bкоэффициент регрессии, измеряющий среднее отношение от­клонения результативного признака от его средней величины к отклонению факторного признака от его средней величины на одну единицу его измерения – вариация у, приходящаяся на единицу вариации х.

Коэффициенты а и b рассчитываются на основе наблюдений вели­чин у и х с помощью метода наименьших квадратов9.

Предположим, что торговый агент продает детские игрушки, посе­щая квартиры случайным образом. Отсутствие посещения какой-то квартиры означает отсутствие продажи, или а = 0. Если в среднем каждый десятый визит сопровождается продажей на 62 доллара, то стоимость продажи на один визит составит 6,2 доллара, или b = 6,2. Тогда

у = 0 + 6,2 х.

Таким образом, можно ожидать, что при 100 визитах доход составит 620 долларов. Надо помнить, что эта оценка не является обязательной, а носит вероятностный характер.

Криволинейная связь характеризует связь между переменными, нося­щую более сложный характер по сравнению с прямой линией. Напри­мер, связь между переменными может описываться S-образной кривой (см. раздел 11.1.).

В зависимости от своего типа связь может быть охарактеризована путем определения: ее присутствия (отсутствия), направления и силы (тесноты) связи.

Присутствие характеризует наличие или отсутствие систематичес­кой связи между двумя изучаемыми переменными; оно имеет статисти­ческую природу. Проведя испытание статистической значимости, опре­деляют, существует ли зависимость между данными. Если результаты исследования отвергают нулевую гипотезу, это говорит о том, что зави­симость между данными существует.

В случае монотонных линейных связей последние могут быть описа­ны с точки зрения их направления ? в сторону увеличения или умень­шения.

Связь между двумя переменными может быть сильной, умеренной, слабой или отсутствовать. Сильная зависимость характеризуется высокой вероятностью существования связи между двумя переменными, слабая – малой вероятностью.

Существуют специальные процедуры для определения указанных выше характеристик связей. Первоначально надо решить, какой тип свя­зей может существовать между двумя изучаемыми переменными. Ответ на этот вопрос зависит от выбранной шкалы измерений.

Шкала низкого уровня (наименований) может отразить только не­точные связи, в то время как шкала отношений, или интервальная, – очень точные связи. Определив тип связи (монотонная, немонотонная), надо установить, существует ли эта связь для генеральной совокупности в целом. Для этого проводятся статистические испытания.

После того как найдено, что для генеральной совокупности суще­ствует определенный тип связи, устанавливается ее направление. Нако­нец, необходимо установить силу (тесноту) связи.

Для определения, существует или нет немонотонная зависимость, используется таблица сопряженности двух переменных и критерий хи-квадрат. Как правило, критерий хи-квадрат применяется для анализа таблиц сопряженности номинальных признаков, однако он может ис­пользоваться и при анализе взаимосвязи порядковых, или интерваль­ных, переменных. Если, скажем, было выяснено, что две переменные не связаны друг с другом, то их дальнейшим исследованием заниматься не стоит. Некоторые указания на связь скорее были обусловлены ошиб­кой выборки. Если же тест на хи-квадрат указал на связь, то она существует в реальности для генеральной совокупности и ее, возможно, следует изучать. Однако этот анализ не указывает на характер связи.

Предположим, что изучалась лояльность к определенной марке пива среди служащих и рабочих (двумя переменными, измеренными в шкале наименований). Результаты опроса затабулированы в виде табл. 10.1.
Таблица 10.1

Лояльность различных групп потребителей к товару





Покупатели

Непокупатели

Сумма

Служащие

152

8

160

Рабочие

14

26

40

Сумма

166

34

200

Первоначальные процентные данные (деление на 200)




Покупатели

Непокупатели

Сумма

Служащие

76% (152)

4% (8)

80% (160)

Рабочие

7% (14)

13% (26)

20% (40)

Сумма

83% (166)

17% (34)

100% (200)

Проценты по колонкам




Покупатели

Непокупатели

Сумма

Служащие

92% (152)

24% (8)

80% (160)

Рабочие

8% (14)

76% (26)

20% (40)

Сумма

100% (166)

100% (34)

100% (200)

Проценты по рядам




Покупатели Непокупатели

Сумма

Служащие

95% (152)

5% (8)

100% (160)

Рабочие

35% (14)

65% (26)

100% (40)

Сумма

83% (166)

17% (34)

100% (200)


Первая из приведенных матриц содержит наблюдаемые частоты, которые сравниваются с ожидаемыми частотами, определяемыми как теоретические частоты, вытекающие из принимаемой гипотезы об от­сутствии связи между двумя переменными (выполняется нулевая гипоте­за). Величина отличия наблюдаемых частот от ожидаемых выражается с помощью величины хи-квадрата. Последняя сравнивается с ее таблич­ным значением для выбранного уровня значимости. Когда величина хи-квадрата мала, то нулевая гипотеза принимается, а следовательно, счи­тается, что две переменные являются независимыми и исследователю не стоит тратить время на выяснение связи между ними, поскольку связь является результатом выборочной ошибки.

Для рассматриваемого примера рассчитаем ожидаемые частоты, пользуясь таблицей частот:


Ожидаемая частота

для ячейки

=

сумма для столбца, умноженная на сумму для ряда

общая сумма


Отсюда


Ожидаемая частота для

служащих-покупателей

=

160 х 166

= 132

200




Ожидаемая частота для

служащих-непокупателей

=

160 х 34

= 27

200




Ожидаемая частота для

рабочих-покупателей

=

40 х 160

= 32

200




Ожидаемая частота для

рабочих-непокупателей

=

40 х 34

= 6

200






где fni ? наблюдаемая частота в ячейке;

fai ? ожидаемая частота в ячейке;

n ? число ячеек матрицы.
Из таблицы критических значений хи-квадрата вытекает, что для степени свободы, равной в нашем примере 1, и уровня значимости альфа =0,05 критическое значение хи-квадрата равно 3,841. Видно, что расчетное значение хи-квадрата существенно больше его критичес­кого значения. Это говорит о существовании статистически значимой связи между родом деятельности и лояльностью к исследованной марке пива, и не только для данной выборки, но и для совокупности в целом. Из таблицы следует, что главная связь заключается в том, что рабочие покупают пиво данной марки реже по сравнению со служащими.

Теснота связи и ее направление определяются путем расчета коэф­фициента корреляции, который изменяется от -1 до +1. Абсолютная величина коэффициента корреляции характеризует тесноту связи, а знак указывает на ее направление.

Вначале определяется статистическая значимость коэффициента корреляции. Безотносительно к его абсолютной величине коэффициент корреляции, не обладающий статистической значимостью, бессмыслен. Статистическая значимость проверяется с помощью нулевой гипотезы, которая констатирует, что для совокупности коэффициент корреляции равен нулю. Если нулевая гипотеза отвергается, это означает, что коэф­фициент корреляции для выборки является значимым и его значение для совокупности не будет равно нулю. Существуют таблицы, с помо­щью которых, для выборки определенного объема, можно определить наименьшую величину значимости для коэффициента корреляции.

Далее, если коэффициент корреляции оказался статистически зна­чимым, с помощью некоторого общего правила «большого пальца» оп­ределяется сила связи (табл. 10.2).

Таблица 10.2

Таблица силы связей данных


Коэффициент корреляции

Сила связи

От ±0,81 до ±1,00

Сильная

От ±0,61 до ±0,80

Умеренная

От ±0,41 до ±0,6

Слабая

От ±0,21 до ±0,4

Очень слабая

От ±0,00 до ±0,20

Отсутствует





Рассмотрим пример. Исследуется возможная взаимосвязь между сум­марными продажами компании на отдельных двадцати территориях и числом сбытовиков, осуществляющих эти продажи. Были рассчитаны средние величины продаж и средние квадратические отклонения. Сред­няя величина продаж составила 200 миллионов долларов, а среднее квадратическое отклонение ? – 50 миллионов долларов. Среднее число сбытовиков равнялось 12 при среднем квадратическом отклонении, рав­ном 4. Для стандартизации полученных чисел в целях проведения унифи­цированных сравнений объемы продаж в каждом регионе переводятся в величины средних квадратических отклонений от средней величины для всех регионов (путем вычитания объема продаж для каждого региона из среднего для регионов объема продаж и деления полученных величин на среднее квадратическое отклонение). Такие же расчеты проводятся и для сбытовиков, обслуживающих разные регионы. Из рис. 10.5. видно, что две линии изменяются подобным образом. Это говорит о положительной, очень тесной связи двух исследуемых переменных.



Рис. 10.5. Зависимость среднеквадратичного отклонения данных.
Исходные данные в рассматриваемом примере также возможно представить по-другому (рис. 10.6.). Из рисунка вытекают относительно слабый разброс точек (если бы все они легли на одну линию, коэффи­циент корреляции был бы равен +1) и достаточно большой угол накло­на воображаемой кривой, проведенной через эти точки, что говорит о сильном влиянии численности сбытовиков на объем продаж.



Рис. 10.6. Зависимость объема продаж от числа сбытовиков
Данные результаты можно получить также расчетным методом, используя уравнение прямой линии, рассмотренное ранее, и используя аналитические методы – в частности, метод наименьших квадратов.

Для определения тесноты связи переменных, измеренных по шкале рангов, используются коэффициенты корреляции рангов. При экспертном опросе для определения степени согласованности экспертов используются коэффициенты ранговой корреляции Кендэла.


  1. Маркетинговые исследования рынка




    1. Конъюнктурный анализ рынка


11.1.1. Задачи конъюнктурного анализа рынка

Рыночная ситуация представляет собой сочетание условий и обстоятельств, создающих конкретную обстановку, или положение на рынке. Эта ситуация характеризуется понятием рыночной конъюнктуры.
frame37
Конъюнктура рынка имеет 4 характеристики:

Соответственно этим характеристикам конъюнктурный анализ рынка сводится к решению 4-х задач.


Характеристика конъюнктуры

Задача конъюнктурного анализа

Динамичность развития рынка

Анализ масштаба и потенциала рынка

Пропорциональность

Анализ сбалансированности рынка

Устойчивость/колеблемость

Анализ тенденций и устойчивости развития рыночной конъюнктуры

Цикличность рынка

Оценка цикличности и сезонности рынка


Поскольку конъюнктура рынка – это сложное и быстро меняющееся явление, то при ее анализе обычно используются либо статистические методы сбора и анализа информации, либо неформальные конъюнктурные оценки. В первом случае оценка рыночной конъюнктуры осуществляется на основе т.н. рыночных индикаторов, т.е. показателей, которые единолично или в комбинации с другими такими же показателями позволяют отразить рыночную ситуацию. Во втором случае используются опросы потребителей или экспертные оценки предпринимателей, продавцов, производителей.
11.1.2. Анализ масштаба и потенциала рынка

А. Определение масштаба и типа рынка.

Решение первой задачи конъюнктурного анализа сводится к определению масштаба и типа рынка. Масштаб рынка определяется:

Объем продаж определяется размером сбыта произведенной продукции, оптово-посредническим товарооборотом, оптово-потребительским товарооборотом и розничным товарооборотом. Объем продаж измеряется либо в натуральных единицах, либо в деньгах.

Ф
ирмы, действующие на рынке, ранжируются по доле, занимаемой ими на рынке:
где Дi – доля i – ой фирмы на рынке;

Ti – товарооборот i – ой фирмы;

? Ti – общий объем продаж на рынке.
Каким образом можно определить объем рынка и объемы продаж (товарообороты) фирм-конкурентов? Объем рынка можно определить из различных источников статистической информации: статистических отчетов, аналитических обзоров, синдикативной информации, экспертных оценок. Для определения, например, темпов роста рынка используются обычно данные статистических агентств.

Что касается определения доли фирм-производителей, то для этого используются источники статистической информации, либо результаты опросов потребителей, или экспертные оценки.
Б. Определение потенциала рынка.

Потенциал рынка – это характеристика отражающая возможности товарного предложения и покупательского спроса. Выявление потенциала рынка позволяет установить, сколько товаров при определенных условиях может быть выставлено на рынок и сколько товаров рынок сможет поглотить. Потенциал рынка подразделяется на производственный потенциал и потребительский потенциал.

1
. Производственный потенциал характеризует потенциал товарного предложения. Принципиальная формула, по которой рассчитывается производственный потенциал рынка, имеет следующий вид:
где Ni – единица производства;

Wi – удельная мощность производственной единицы;

Fj – прочие факторы и элементы потенциала;

n – число i–х единиц производства или потребления.
Производственный потенциал должен отразить два явления:

а) производство товаров при полном исследовании мощностей (предельный потенциал);

б) реальное предложение товаров с учетом требований рынка. В развернутом виде формула производственного потенциала на определенный период имеет следующий вид:




где Ni – производственное предприятие (группа предприятий), выпускающих i-й товар;

Wi – средняя мощность предприятия (группы предприятий) по выпуску i-ого товара;

Di – средняя степень загрузки производственных мощностей;

Ri – степень обеспечения производства ресурсами, необходимыми для реализации производственной программы;

[Tпр.цен.Эр] – поправка на изменение оптовых цен, где Tпр.цен. – темп прироста цены, а Эр – коэффициент эластичности предложения от цен на сырье и готовые изделия;

K – поправка на конкурентоспособность товара;

B – внутреннее производственное потребление (по нормативу);

Cu – конкурирующий импорт;

n – число i–х производственных предприятий.




Существует и более простая формула производственного потенциала:


где q ij – объем i–й продукции, запланированной к выпуску на j-м производственном предприятии в соответствии с портфелем заказов;

n – число j–х предприятий, с которыми заключен (или предполагается заключить) контракт на поставку i–го товара.

Эта формула обычно применяется при формировании каналов товародвижения (логистика сбыта).

Каким образом для расчета по этим формулам получить характеристики фирм-конкурентов? Обычно для этого используются экспертные оценки менеджерами производственных предприятий тенденций портфелей заказов и менеджерами оптовых и розничных торговых предприятий, являющихся покупателями товаров, структуры поставщиков.
1   2   3   4   5   6   7   8   9   10


Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации