Маркетинговые исследования в связях с общественностью

2) Внекабинетные (полевые) исследования – базируются на проведении опросов – это первичная информация, для определенно поставленных задач. Она собирается в соответствии с точными целями исследования; но сбор первичной информации занимает много времени и денег.

II. Анализ данных в маркетинговых исследованиях

1. Виды шкал, используемых при сборе информации: номинальная, ранговая, шкала интервалов, шкала отношений

При сборе информации практически используют пять видов шкал: шкалу наименований, шкалу порядка, шкалу интервалов, шкалу отношений и шкалу абсолютных значений.

Шкала наименований (номинальная шкала). Это самая простая из всех шкал. В ней числа выполняют роль ярлыков и служат для обнаружения и различения изучаемых объектов. Числа, составляющие шкалу наименований, разрешается менять местами. В этой шкале нет отношений типа «больше-меньше», поэтому некоторые полагают, что применение шкалы наименований не стоит считать измерением. При использовании шкалы наименований могут проводится только некоторые математические операции. Например, ее числа нельзя складывать и вычитать, но можно подсчитывать, сколько раз (как часто) встречается то или иное число.

Шкала порядка. Места, занимаемые величинами в шкале порядка, называются рангами, а сама шкала называется ранговой, или неметрической. В такой шкале составляющие ее числа упорядочены по рангам (т.е. занимаемым местам), но интервалы между ними точно измерить нельзя. В отличие от шкалы наименований шкала порядка позволяет не только установить факт равенства или неравенства измеряемых объектов, но и определить характер неравенства в виде суждений: «больше-меньше», «лучше-хуже» и т.п.

С помощью шкал порядка можно  измерять качественные, не имеющие  строгой количественной меры, показатели. Особенно широко эти шкалы используются в гуманитарных науках: педагогике, психологии, социологии. К рангам шкалы  порядка можно применять большее  число математических операций, чем  к числам шкалы наименований.

Шкала интервалов. Это такая шкала, в которой числа не только упорядочены по рангам, но и разделены определенными интервалами. Особенность, отличающая ее от описываемой дальше шкалы отношений, состоит в том, что нулевая точка выбирается произвольно. Примерами могут быть календарное время (начало летоисчисления в разных календарях устанавливалось по случайным причинам, температура, потенциальная энергия поднятого груза, потенциал электрического поля и др.).

Результаты измерений по шкале  интервалов можно обрабатывать всеми  математическими методами, кроме  вычисления отношений. Данные шкалы  интервалов дают ответ на вопрос «на сколько больше?», но не позволяют утверждать, что одно значение измеренной величины во столько-то раз больше или меньше другого. Например, если температура повысилась с 10 до 20°С, то нельзя сказать, что стало в два раза теплее.

Шкала отношений. Эта шкала отличается от шкалы интервалов только тем, что в ней строго определено положение нулевой точки. Благодаря этому шкала отношений не накладывает никаких ограничений на математический аппарат, используемый для обработки результатов наблюдений.

По шкале отношений измеряют и те величины, которые образуются как разности чисел, отсчитанных  по шкале интервалов. Так, календарное  время отсчитывается по шкале  интервалов, а интервалы времени  — по шкале отношений.

При использовании шкалы отношений (и только в этом случае!) измерение  какой-либо величины сводится к экспериментальному определению отношения этой величины к другой подобной, принятой за единицу. Измеряя длину объекта, мы узнаем, во сколько раз эта длина больше длины другого тела, принятого  за единицу длины (метровой линейки  в данном случае) и т.п. Если ограничиться только применением шкал отношений, то можно дать другое (более узкое, частное) определение измерения: измерить какую-либо величину - значит найти опытным путем ее отношение к соответствующей единице измерения.

Шкала абсолютных величин. Во многих случаях напрямую измеряется величина чего-либо. Например, непосредственно подсчитывается число дефектов в изделии, количество единиц произведенной продукции, сколько студентов присутствует на лекции, количество прожитых лет и т.д. и т.п. При таких измерениях на измерительной шкале отмечаются абсолютные количественные значения измеряемого. Такая шкала абсолютных значений обладает и теми же свойствами, что и шкала отношений, с той лишь разницей, что величины, обозначенные на этой шкале, имеют абсолютные, а не относительные значения.

Результаты измерений по шкале  абсолютных величин имеют наибольшую достоверность, информативность и  чувствительность к неточностям  измерений.

Шкалы интервалов, отношений и абсолютных величин называются метрическими, так  как при их построении используются некоторые меры, т.е. размеры, принятые в качестве единиц измерений.

 

2. Определение  связей  между  переменными:

– факторный анализ; –  кластерный анализ; – регрессионный  анализ; – дисперсионный анализ; – корреляционный анализ

Вторым этапом обработки и анализа данных маркетингового исследования является описание корреляционных связей между изучаемыми переменными. Корреляция представляет собой меру зависимости переменных. Существует несколько коэффициентов корреляции, указывающие на тесноту связи между исследуемыми переменными. Коэффициенты корреляции изменяются в пределах от +1 до –1. Если коэффициент корреляции равен –1, то переменные имеют строгую отрицательную зависимость (чем выше, тем ниже), если коэффициент корреляции равен +1, то переменные имеют строгую положительную зависимость (чем выше, тем выше). Следует отметить, что если коэффициент равен нулю, то связь между переменными отсутствует. Среди наиболее известных и часто применяемых коэффициентов корреляции можно назвать:

Коэффициент корреляции Пирсона;

Коэффициент корреляции Спирмена;

Коэффициент корреляции Крамера;

Коэффициент корреляции Фи.

Для исследования массовых случайных  явлений (процессов) по результатам  наблюдений и экспериментов применяются  методы статистического анализа. К наиболее известным методам статистического анализа относятся:

Дисперсионный анализ применяется для исследования влияния одной или нескольких качественных переменных (факторов) на одну зависимую количественную переменную (отклик).

Анализ временных рядов применим к одиночным или связанным временным рядам и позволяет выделять различные формы периодичности и взаимовлияния временных процессов, а также осуществлять прогнозирование будущего поведения временного ряда.

Регрессионные процедуры позволяют рассчитать модель, описываемую некоторым уравнением и отражающую функциональную зависимость между экспериментальными количественными переменными, а также проверяют гипотезу об адекватности модели экспериментальным данным. По полученным результатам можно оценить природу и степень зависимости переменных и предсказать новые значения зависимой переменной.

Корреляционный анализ – это группа статистических методов, направленная на выявление и математическое представление структурных зависимостей между выборками.

Кластерный анализ осуществляет разбиение объектов на заданное число удаленных друг от друга классов, а также строит дерево классификаций объектов посредством иерархического объединения их в группы (кластеры).

Основной задачей  факторного анализа является нахождение в многомерном пространстве первичных переменных (значения которых регистрируются в эксперименте), 
сокращенной системы вторичных переменных (факторов). Метод факторного анализа первоначально был разработан в психологии с целью выделения отдельных компонентов человеческого интеллекта из многомерных данных по измерению различных проявлений умственных способностей.

Методы контроля качества предназначены для контроля выпускаемой продукции с целью выявления нарушений и узких мест в организации производства и в технологических процессах, ведущих к снижению качества продукции.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

III. Список использованной литературы

1. Дохолян С.Б., Овсянникова Т.С. Основы маркетинга. Учебный курс (учебно-методический комплекс) // Центр дистанционных образовательных технологий МИ ЭМП, 2010.
2. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы: Учебник. – М.: Финансы и статистика, 1998.
3. Сикевич З.В. «Социологические исследования: практическое руководство», Санкт - Петербург, издательство «Питер», 2005.
4. Шереги Ф.Э., Горшков М.К. «Основы прикладной социологии», Москва, издательство «ИНТЕРПРАКС», 1996.