Маркетинговые исследования. Совместный анализ маркетинговых данных. Применение корреляционного анализа

1.

ФГБОУ ВО «Уральский государственный экономический университет»
Маркетинговые
исследования
Изакова Наталья Борисовна
Кандидат экономических наук
доцент кафедры маркетинга и международного
менеджмента
+7 (343) 283 10 46
[email protected]
г. Екатеринбург, ФГБОУ ВО «УрГЭУ», ул. 8-е марта 62,
ауд. 755, Кафедра маркетинга и международного
менеджмента

2.

Совместный анализ маркетинговых данных
Применение корреляционного анализа
в маркетинговых исследованиях

3.

Статистический метод изучения взаимосвязи
между двумя и более случайными величинами.
Суть корреляционного анализа заключается в
расчете коэффициентов корреляции.
Коррреляционный
анализ
Коэффициенты корреляции могут принимать, как
правило, положительные и отрицательные
значения.
Знак коэффициента корреляции позволяет
интерпретировать направление связи, а
абсолютное значение – силу связи.

4.

это статистический показатель вероятностной связи между
двумя переменными, измеренными в количественной форме
Значение коэффициента корреляции меняется от -1 до +1.
Если коэффициенты корреляции близки к 0, можно говорить
об отсутствии связи между переменными. Значения
переменных никак не связаны друг с другом.
Корреляция
или
коэффициент
корреляции
Положительную. корреляцию (0 < r < 1) следует
интерпретировать следующим образом: если значения одной
переменной возрастают, то значения другой имеют тенденцию
к возрастанию. Чем коэффициент корреляции ближе к 1, тем
сильнее эта тенденция, и наоборот, с приближением
коэффициента корреляции к 0 тенденция ослабевает.
Отрицательная (-1 < r < 0) корреляция – если значения одной
переменной возрастают, то значения другой имеют тенденцию
к убыванию. Чем коэффициент корреляции ближе к -1, тем
сильнее эта тенденция, и наоборот, с приближением
коэффициента корреляции к 0 тенденция ослабевает.

5.

Для удобства интерпретации корреляций применяются
семантические интервалы, причем при анализе данных
в маркетинговых исследованиях обычно используются
следующие градации:
Коэффициенты
корреляции
Значение коэффициента
корреляции
Характеристика силы
линейной связи
От ±0,81 до ±1,00
Сильная
От ±0,61 до ±0,80
Умеренная (средняя)
От ±0,41 до ±0,60
Слабая
От ±0,21 до ±0,40
Очень слабая
От ±0,00 до ±0,20
Нет связи

6.

Если маркетолога интересует связь между двумя
метрическими (количественными) переменными, то
используется парная корреляция. Данная корреляция
характеризуется коэффициентом корреляции Пирсона.
Если переменные - не метрические (номинальные),
Методы
корреляционного
анализа
такие которые нельзя измерить с помощью интервальной
или относительной шкалы, они не подчиняются закону
нормального распределения.
В таких случаях используются коэффициенты Спирмена
и ранговая корреляция Кендала, а сама корреляция
называется не метрической.
Различие этих коэффициентов в том, что коэффициент
ранговой корреляции Кендала используется, когда
большая часть наблюдений попадает в относительно
немногочисленные категории, а коэффициент ранговой
корреляции Спирмена наоборот, – когда существует
множество категорий.

7.

Для переменных с количественной (интервальной)
шкалой применяется коэффициент корреляции
Пирсона.
Коэффициент
корреляции
Пирсона
Он позволяет охарактеризовать линейную связь между
двумя переменными по указанным параметрам:
наличию (есть/нет),
направлению (убывает/возрастает)
силе (очень слабая/слабая/умеренная/сильная).

8.

Постановка
вопросов в
анкете
Вопрос должен предполагать
количественный или ранговый ответ
Вопросы должны быть открытые
(респондент сам пишет числовое
значение) либо даны для выбора
цифровые варианты: 1, 2, 3...; 10%, 20%,
30%...

9.

Оценки взаимосвязи между:
объемами продаж, ценами на продукцию и расходами
на продвижение
средним чеком потребителя и его уровнем
Пример
применения
корреляции
Пирсона
удовлетворенности взаимодействием к компанией
Количеством торговых точек и объемами продаж
компании
Сроком работы на рынке и долей рынка компании
Если коэффициенты корреляции близки к 0, можно
утверждать об отсутствии связи между переменными.
Значения коэффициентов близких к 1 показывают, что
существует сильная линейная связь между
переменными.

10.

Используются, если хотя бы одна из пары исследуемых
переменных имеет порядковую или номинальную
(дихотомическую) шкалу (ответы на вопросы: да/нет;
согласен/не согласен...)
Ранговые
коэффициенты
корреляции
Спирмана или
Кендала
Чаще всего эти коэффициенты применяются в маркетинговых исследованиях в тех случаях, когда
необходимо установить степень соответствия двух
ранжированных списков.
Например, если имеются схемы выбора какого-либо
продукта различными целевыми группами
респондентов (в виде ранжированных по важности
параметров) и необходимо установить, насколько
точно они соответствуют друг другу (или
различаются).

11.

Методика корреляционного анализа предполагает, не
просто расчет коэффициентов корреляции, но и
обязательную проверку их значимости, в основе
которой лежит принцип проверки статистических
гипотез, построение интервальных оценок
коэффициентов корреляции.
Для оценки достоверности результатов анализа
Достоверность
результатов
необходимо учитывать уровень Значимости
рассчитанных коэффициентов – р.
Если уровень значимости корреляции не превышает
0,05 (р<0,05 или 5%), это означает, что результаты
корреляционного анализа достоверны. Ошибка
достоверности исследования составляет менее 5%.
В противном случае (более 0,05) связь признается
статистически недостоверной.

12.

Частная корреляция – отвечает на вопросы:
- Если брать зависимость спроса от затрат на рекламу,
то существует ли влияние ценового фактора.
- А при изучении влияния качества и цены, существует
ли эффект торговой марки.
Виды
корреляционного
анализа
Парная корреляция - отвечает на такие вопросы, как,
например:
- Насколько сильно связан спрос с расходами на
рекламу?
- Связано ли восприятие качества товаров
потребителями с их восприятием цены?

13.

Проанализировать зависимость между объемами продаж
товара и расходами на рекламу как с учетом влияния
цены, так и без учета влияния цены.
Данные для анализа:
Пример
использования
корреляционного
анализа на
практике

14.

Интерпретация
результатов
Выводы:
1. Значимость равно 0,00, что меньше 0,05, следовательно
результаты исследования достоверны.
2. Коэффициент корреляции равен 0,78 (близок к 1),
следовательно можно сделать вывод о том, что существует
значительная зависимость между расходами на рекламу и
объемом продаж.
3. Данная зависимость имеет положительную направленность:
чем больше расходы на рекламу, тем выше размер объемов
продаж данной компании

15.

Определить
наличие
взаимосвязи
между
объемом
потребления клиентов и их уровнем удовлетворенности
взаимодействием с компанией В2В
Пример
применения
корреляционного
анализа
Коэффициент корреляции
0,718647
Вывод: Значение коэффициента корреляции лежит
в интервале от ±0,61 до ±0,80, следовательно делаем вывод
о том, что между объемами потребления клиентов и
уровнем их удовлетворенности взаимодействием с компанией
В2В наблюдается умеренная прямая линейная зависимость

16.

Определить наличие взаимосвязи между числом
просмотров и количеством репостов в социальной сети
Пример
применения
корреляционного
анализа
Коэффициент корреляции
0,969909
Значение коэффициента корреляции лежит
в интервале от ±0,81 до ±1,00, следовательно делаем
вывод о том, что между числом просмотров и
количеством репостов в социальной сети наблюдается
сильная прямая линейная зависимость

17.

Спасибо за внимание!
Изакова Н.Б., к.э.н., доцент кафедры маркетинга и международного менеджмента
[email protected]