Глава 1.

В этой части работы студент обрабатывает собранные им данные и делает вывод относительно поставленной задачи: как решить поставленную проблему.

Для обработки студент может использовать MS Excel, SPSS, Statistika for Windows, MatLab, MatCad и другие программы обработки больших массивов данных. Основные задачи, решаемые при использовании этих средств:

верификация данных:

установление законов распределения;

установление взаимосвязей между данными;

классификация и сегментация данных;

прогнозирование развития событий.

Последовательность обработки данных исследования

1. расчет в рамках анализа двумерных распределений по каждой таблице данных , коэффициента вариации, корреляционного отношения и стандартных отклонений4

2. расчет корреляционной и ковариационной матриц;

3. выбор массива данных по заранее заданным условиям;

4. вычисление распределений (при учете заданных условий);

5. перекодировка (исправление ошибок в данных);

6. введение новых показателей (расчет индексов).

Ниже в таблице описаны возможные методы анализа данных. Не следует, разумеется, применять их сразу все. Студент выбирает именно те 1-2 метода, которые наиболее подходят для раскрытия поставленной проблемы.

Количественные методы анализа данных маркетинговых исследований

1.Методы сжатия описательной статистики

2.Методы анализа систем показателей

1.1 Группирование

1.2 Оценка параметров распределения

1.3 Ковариационная и корреляционная матрица

2.1 Ориентация на интегральную качественную характеристику

2.2 Ориентация на количественный признак

2.2.1 Дисперсионный анализ

2.2.2 Корреляционно-регрессионный анализ

2.2.3 Причинный анализ

2.1.1 Без априорной информации об исследуемом признаке

2.1.2 С априорной информацией о классах признака

2.1.3 С априорной информацией о возрастании (убывании) признака)

2.1.1.1 Методы экспертных оценок

2.1.1.2 Анализ матрицы данных.

2.1.3.1 Усиление шкалы по результирующему признаку

2.1.3.2 Оценка существенности показателя (ранговые корреляции)

2.1.1.2.1Факторный анализ

2.1.1.2.2Латентно-структурный анализ

2.1.1.2.3Кластерный анализ

2.1.1.2.4 Методы оценки значимости показателя

2.1.2.1 Методы усиления номинальной шкалы по результирующему признаку

2.1.2.2 Оценка существенности показателей системы

2.1.2.2.1 Методы теории распознавания образов

2.1.2.2.2 Методы теории информации

2.1.2.2.3 Методы теории графов

Для определения основных характеристик в зависимости от применявшихся вопросов могут быть применены слудующие методы анализа измерений по шкалам в вопросах:

Тип шкалы	Типы статистик
Номинальная	Частоты f, мода Mo, коэффициент сопряженности Кт Чупрова, коэффициенты Q, F, s Пирсона
Порядковая	Медиана Me, квантили Q1, Q2, Q3, коэффициенты ранговой корреляции Спирмена и Кэндалла
Интервальная и относительная	Выборочная средняя x~ и генеральная средняя x-, средние доли, полная и межгрупповая дисперсии, коэффициент корреляции r, коэффициент s Пирсона

Статистические методы выявления связей

Шкала результирующего (итогового) признака	Шкала факторного признака (предиктора)	Метод статистической обработки
Количественные (И,О,А,Р)	Количественные (И,О,А,Р)	Регрессии Корреляции
Количественные (И,О,А,Р)	Время (И)	Динамика временных рядов
Количественные (И,О,А,Р)	Неколичественные (К,П)	Дисперсионный анализ
Количественные (И,О,А,Р)	Количественные и неколичественные	Ковариационный анализ Типологическая регрессия
Неколичественные (К)	Количественные (И,О,А,Р)	Дискриминантный анализ Кластерный анализ Таксономия Расщепление смесей
Неколичественные (П)	Неколичественные (К,П)	Ранговые корреляции Анализ таблиц сопряженности
Количественные и неколичественные	Количественные и неколичественные	Логические решающие функции
Типы шкал в вопросах: И - интервальная, О - относительная, А- абсолютная, Р - разностная, П - порядковая, К - классификационная (номинальная)

Например, корреляционный анализ для сегментации потребителей выполняется так:

1. выделяются средние значения, стандартные отклонения, коэффициент вариации, ошибку среднего значения и доверительный интервал;

2. рассчитывается ковариационная и корреляционная матрица (например, в MS Excel);

3. вычисляется «близость» объектов в пространстве характеристик (для сегментации);

4. вычисляются пути максимальной корреляции в целях группировки переменных;

5. вычисляются пути максимального расстояния по матрице расстояний в целях классификации объектов;

6. определяются наиболее близкие группы, которые и будут сегментами потребителей;

7. проверяется мера близости групп (например, корреляционное отношение).

В конце этой главы студент описывает результаты анализа данных, так чтобы были ясны его решения поставленных задач работы, окончатеьные выводы и их формулировки.

Заключение

В этом разделе студент формулирует полное решение проблемы, поставленной в начале своей работы.

Список литературы

Список использованных источников (список литературы) надлежит выполнять в конце текста работы сообразно ГОСТ 7.1-84, например:

Зиннуров У. Г. Основы маркетинговых исследований: Учебное пособие / У. Г. Зиннуров; Уфимск. гос. авиац. техн. ун-т. Уфа, 1996.- 110 с.

Источники в списке располагаются в алфавитном порядке. На все перечисленные источники в работе необходимо сделать ссылки. Постраничные сноски не допускаются.

В случае, если источником являются сайты Интернета, необходимо указывать полностью адрес того сайта (копируя его адресную строку), на котором была получена конкретная информация. При этом приводится дата последнего обращения к этому сайту, например:

http://www.brukhoffbossmag.ru/Articles/Lopoukhov/article1.html (20.10.2005)

На сайты также необходимо делать ссылки в тексте курсовой работы.

27