АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Вооружение» своих преданных поклонников

Читайте также:
  1. Административные суды и иски граждан в защиту своих прав или общественных интересов
  2. Глава 3. Сначала говорите о своих собственных ошибках.
  3. Глава 3.Сначала говорите o своих собственных ошибках.
  4. Идиот учится на своих ошибках, болван обучается дебилизму у идиота.
  5. Нечего терять кроме своих целей
  6. Персонификация общения - разговор от своего имени, без ссылки на мнения и авторитеты, презентация своих истинных чувств и желаний.
  7. Правила, как удержать своих покупателей
  8. Пробежку и затем делать генеральную уборку. НО Я СИЛЬНЕЕ СВОИХ
  9. Результатом такого расклада является уникальная ситуация, когда никакая из противоборствующих сторон не может добиться своих целей без помощи России.
  10. Службы работы с покупателями не выполняют своих функций
  11. У подножия холма, в месте условленной встречи, Нао не нашел своих спутников. Но это его не удивило: молодые воины должны были немало поколесить, чтобы утомить врага.

Преданные поклонники - это люди, которые желают вам только успеха. Если компании удалось обзавестись такими, значит это правильный путь. Ведь преданные клиенты хотят помочь компании победить, так как они уже выбрали эту компанию;

Вывод:

-Продукт должен чем-то выделяться. Поэтому нужно стараться дополнить его каким-нибудь элементом для того, чтобы потребители с чувством гордости демонстрировали его окружающим;

-Если люди почувствуют себя участниками какого-нибудь закрытого клуба с покупкой продукции компании, это переведет их в разряд преданных поклонников;

-Концентрировать внимание нужно на том, что можно сделать с продуктом, а не на том, что дает продукт.

Двигайтесь на шаг впереди.

Маркетинг должен быть во всём. Стоит вызывать чувства удивления и восторга у своих клиентов. Многие маркетологи забывают, что настоящие отношения с клиентами начинаются после их покупки. Поэтому первое впечатление нужно сделать запоминающимся. Клиенты помогают вам сообщать о вас миру. Поэтому опыт общения с компанией должен быть для них приятным.

Вывод:

-Чем больше компания будет удивлять потенциальных клиентов, тем больше они делают для компании;

-Первый опыт общения с компанией должен быть запоминающимся;

-Стоит помнить и о последующем общении, которое должно быть приятным для потребителей.


 

ПРИЛОЖЕНИЕ А

Результаты ковариационного анализа различий среднего уровня частоты пользования тушью респонденток, различающихся по возрасту, роду занятий и образованию (возраст используется в качестве ковариаты)

Оценка эффектов межгрупповых факторов
Зависимая переменная:chasto
Иcточник Сумма квадратов типа III ст.св. Средний квадрат Щ Знч.
Скорректированная модель 22,100a   1,700 5,808 ,000
Свободный член 185,199   185,199 632,751 ,000
vozrast 1,205   1,205 4,116 ,043
obrazov 3,191   1,595 5,451 ,005
zanyatie 7,646   1,912 6,531 ,000
obrazov * zanyatie 10,092   1,682 5,747 ,000
Ошибка 112,978   ,293    
Всего 5663,000        
Скорректированный итог 135,077        
 

Таким образом, полная вариация предпочтения частоты пользования тушью составляет 135,077, из которых 3,191 объясняются различиями средних образования респонденток, 7,646 – различиями средних рода занятий, 10,092 – взаимодействиями этих двух факторов, 1,205 – различиями средних ковариат возраста, а 112,978 – изменениями средних прочих факторов.

Исходя из данных таблицы определим эффект образования и рода занятий на частоту пользования тушью

η2= = 0,155,

Таким образом, 15,5% полной вариации обусловлены влиянием образования респондентки и рода занятий, что указывает на достаточный эффект.

Исходя из данных таблицы, проведем проверку значимости влияния образования и рода занятий на частоту пользования тушью

F= =5,8.

Степени свободы 13 и 386. Полный эффект статистически значимый при уровне значимости 0,05.

F-критерий для проверки значимости эффекта взаимодействия равен

F= =5,74.

Табличное значение – 2,12, значит, эффект взаимодействия статистически значимый при уровне значимости 0,05.

Поскольку эффект взаимодействия статистически значимый, оценивать значимость главных эффектов не имеет смысла.

F-критерий для проверки значимости эффекта возраста (ковариаты) равен

F= =4,11.

Сравнивая с табличным значением (3,86), делаем вывод что эффект воздействия возраста на частоту пользования тушью статистически значимый при уровне значимости 0,05.

Таким образом, мы отклоняем нулевую гипотезу. Заключаем, что средние значения совокупностей для покупателей различного возраста, образования и рода занятий действительно различаются между собой.

Значит, наше предположение о существовании зависимости верно. При этом статистически значимое влияние оказывают факторы образования и рода занятий во взаимодействии, а также возраст респонденток.


 

ПРИЛОЖЕНИЕ Б

Критерий Хи-квадрат о независимости переменных самостоятельного выбора туши и уровня образования

Сводка обработки наблюдений  
  Наблюдения  
  Валидные Пропущенные Итого  
  N Процент N Процент N Процент  
sam * obrazov   99,3%   ,8%   100,0%  
Таблица сопряженности sam * obrazov  
Частота  
    obrazov Итого  
    среднее среднее профессиональное специальное высшее, незаконченное высшее  
sam не отметили          
отметили          
Итого          
Критерии хи-квадрат  
  Значение ст.св. Асимпт. значимость (2-стор.)  
Хи-квадрат Пирсона 3,085a   ,214  
Отношение правдоподобия 3,041   ,219  
Линейно-линейная связь 3,004   ,083  
Кол-во валидных наблюдений        
a. В 0 (,0%) ячейках ожидаемая частота меньше 5. Минимальная ожидаемая частота равна 24,21.    
Симметричные меры
    Значение Асимптотическая стдандартная ошибкаa Прибл. Tb Прибл. значимость
Номинальная по номинальной Фи ,088     ,214
V Крамера ,088     ,214
Интервальная по интервальной R Пирсона ,087 ,051 1,738 ,083c
Порядковая по порядковой Корреляция Спирмена. ,083 ,051 1,652 ,099c
Кол-во валидных наблюдений        
a. Не подразумевая истинность нулевой гипотезы.
b. Используется асимптотическая стандартная ошибка в предположении истинности нулевой гипотезы.
c. На основании нормальной аппроксимации.
                                         

 


ПРИЛОЖЕНИЕ В

Результаты факторного анализа критериев выбора туши для ресниц потребительницами

  Матрица корреляций
      vystsena niztsena proizv strana kachestvo Vid opyt
  Корреляция vystsena 1,000 ,149 ,308 ,150 ,221 ,218 -,048
  niztsena ,149 1,000 -,010 -,087 -,039 ,041 -,026
  proizv ,308 -,010 1,000 ,533 ,302 ,210 ,087
  strana ,150 -,087 ,533 1,000 ,170 ,212 ,020
  kachestvo ,221 -,039 ,302 ,170 1,000 ,010 ,321
  vid ,218 ,041 ,210 ,212 ,010 1,000 -,052
  opyt -,048 -,026 ,087 ,020 ,321 -,052 1,000
Мера адекватности и критерий Бартлетта  
Мера выборочной адекватности Кайзера-Мейера-Олкина. ,599  
Критерий сферичности Бартлетта Прибл. хи-квадрат 319,242  
ст.св.    
Знч. ,000  
                         

 

 

Общности
  Начальные Извлеченные
Vystsena 1,000 ,580
Niztsena 1,000 ,720
Proizv 1,000 ,685
Strana 1,000 ,673
Kachestvo 1,000 ,668
Vid 1,000 ,414
Opyt 1,000 ,664
 

 

 

Полная объясненная дисперсия
Компонента Начальные собственные значения Суммы квадратов нагрузок извлечения Суммы квадратов нагрузок вращения
Итого % Дисперсии Кумулятивный % Итого % Дисперсии Кумулятивный % Итого % Дисперсии Кумулятивный %
  2,009 28,705 28,705 2,009 28,705 28,705 1,844 26,340 26,340
  1,291 18,448 47,153 1,291 18,448 47,153 1,381 19,732 46,072
  1,103 15,763 62,916 1,103 15,763 62,916 1,179 16,845 62,916
  ,818 11,682 74,599            
  ,790 11,289 85,888            
  ,559 7,980 93,867            
  ,429 6,133 100,000            
Метод выделения: Анализ главных компонент.

 


 

Матрица повернутых компонентa
  Компонента
       
Strana ,797   -,181
Proizv ,786 ,252  
Vid ,537 -,255 ,245
Opyt -,102 ,806  
Kachestvo ,258 ,768 ,108
Niztsena -,176   ,829
Vystsena ,439   ,615
Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера.
a. Вращение сошлось за 5 итераций.

 

Матрица преобразования компонент
Компонента      
  ,895 ,393 ,209
  -,274 ,856 -,438
  -,351 ,335 ,874
Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера.

 

Матрица коэффициентов оценок компонент
  Компонента
       
vystsena ,183 ,029 ,492
niztsena -,174 ,012 ,732
proizv ,413 ,100 -,018
strana ,463 -,044 -,229
kachestvo ,050 ,546 ,081
vid ,312 -,247 ,158
opyt -,143 ,612 -,035
Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера. Значения компонент.

 


ПРИЛОЖЕНИЕ Г

Результаты кластерного анализа респонденток по важности критериев при выборе туши для ресниц

Начальные центры кластеров
  Кластер
     
vystsena    
niztsena    
proizv    
strana    
kachestvo    
vid    
opyt    
vozrast    
obrazov    
zanyatie    
budget    

 

История итерацийa
Итерация Изменения центров кластеров
   
  4,389 5,897
  ,287 ,662
  ,165 ,317
  ,141 ,260
  ,124 ,223
  ,118 ,210
  ,062 ,099
  ,072 ,109
  ,040 ,060
  ,032 ,046
a. Итерации прекращены, поскольку выполнено заданное максимальное количество итераций. Сходимость не достигнута. Максимальное абсолютное изменение координаты любого кластера составляет,023. Текущая итерация 10. Минимальное расстояние между начальными центрами 10,630.

 

Конечные центры кластеров
  Кластер
     
vystsena    
niztsena    
proizv    
strana    
kachestvo    
vid    
opyt    
vozrast    
obrazov    
zanyatie    
budget    

 

 

  Число наблюдений в каждом кластере  
  Кластер   235,000  
    162,000  
  Валидные 397,000  
  Пропущенные значения 3,000  
Таблица сопряженности
      proizv Итого
      1 балл 2 балла 3 балла 4 балла 5 баллов
Кластерный номер наблюдения   Частота            
% в Кластерный номер наблюдения ,0% 1,3% 8,1% 43,4% 47,2% 100,0%
% в proizv ,0% 8,1% 21,3% 76,7% 94,1% 59,2%
  Частота            
% в Кластерный номер наблюдения 12,3% 21,0% 43,2% 19,1% 4,3% 100,0%
% в proizv 100,0% 91,9% 78,7% 23,3% 5,9% 40,8%
Итого Частота            
% в Кластерный номер наблюдения 5,0% 9,3% 22,4% 33,5% 29,7% 100,0%
% в proizv 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%
                         

 

Таблица сопряженности
      strana Итого
      1 балл 2 балла 3 балла 4 балла 5 баллов
Кластерный номер наблюдения   Частота            
% в Кластерный номер наблюдения ,4% 6,8% 28,1% 39,6% 25,1% 100,0%
% в strana 2,6% 20,0% 56,9% 92,1% 95,2% 59,2%
  Частота            
% в Кластерный номер наблюдения 22,8% 39,5% 30,9% 4,9% 1,9% 100,0%
% в strana 97,4% 80,0% 43,1% 7,9% 4,8% 40,8%
Итого Частота            
% в Кластерный номер наблюдения 9,6% 20,2% 29,2% 25,4% 15,6% 100,0%
% в strana 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%
Таблица сопряженности
      vid Итого
      1 балл 2 балла 3 балла 4 балла 5 баллов
Кластерный номер наблюдения   Частота            
% в Кластерный номер наблюдения 4,7% 8,9% 37,9% 33,6% 14,9% 100,0%
% в vid 23,9% 38,2% 61,0% 74,5% 79,5% 59,2%
  Частота            
% в Кластерный номер наблюдения 21,6% 21,0% 35,2% 16,7% 5,6% 100,0%
% в vid 76,1% 61,8% 39,0% 25,5% 20,5% 40,8%
Итого Частота            
% в Кластерный номер наблюдения 11,6% 13,9% 36,8% 26,7% 11,1% 100,0%
% в vid 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%

 

Таблица сопряженности
      vozrast Итого
      15-20 лет 21-25 лет 26-30 лет 31-35 лет
Кластерный номер наблюдения   Частота          
% в Кластерный номер наблюдения 46,4% 28,5% 14,9% 10,2% 100,0%
% в vozrast 76,2% 66,3% 45,5% 31,6% 59,2%
  Частота          
% в Кластерный номер наблюдения 21,0% 21,0% 25,9% 32,1% 100,0%
% в vozrast 23,8% 33,7% 54,5% 68,4% 40,8%
Итого Частота          
% в Кластерный номер наблюдения 36,0% 25,4% 19,4% 19,1% 100,0%
% в vozrast 100,0% 100,0% 100,0% 100,0% 100,0%

 

 

Таблица сопряженности
      zanyatie Итого
      учащаяся студентка рабочая домохозяйка другое
Кластерный номер наблюдения   Частота            
% в Кластерный номер наблюдения 12,8% 47,2% 36,2% 3,8% ,0% 100,0%
% в zanyatie 66,7% 77,6% 45,0% 50,0% ,0% 59,2%
  Частота            
% в Кластерный номер наблюдения 9,3% 19,8% 64,2% 5,6% 1,2% 100,0%
% в zanyatie 33,3% 22,4% 55,0% 50,0% 100,0% 40,8%
Итого Частота            
% в Кластерный номер наблюдения 11,3% 36,0% 47,6% 4,5% ,5% 100,0%
% в zanyatie 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%

 

 

Таблица сопряженности
      budget Итого
      до 500000 руб. 500000 - 1000000 руб. 1000000 - 1500000 руб. 1500000 - 2000000 руб. свыше 2000000 руб.
Кластерный номер наблюдения   Частота            
% в Кластерный номер наблюдения 22,1% 44,3% 19,6% 8,5% 5,5% 100,0%
% в budget 77,6% 65,0% 43,0% 45,5% 68,4% 59,2%
  Частота            
% в Кластерный номер наблюдения 9,3% 34,6% 37,7% 14,8% 3,7% 100,0%
% в budget 22,4% 35,0% 57,0% 54,5% 31,6% 40,8%
Итого Частота            
% в Кластерный номер наблюдения 16,9% 40,3% 27,0% 11,1% 4,8% 100,0%
% в budget 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%

 

ПРИЛОЖЕНИЕ Д

Результаты совместного анализа степени важности критериев выбора потребителями туши для ресниц

    Цена
    Низкая средняя высокая
качество низкое      
среднее      
высокое      

 

 

    Форма кисточки
    прямая закруглённая круглая
качество Низкое      
среднее      
высокое      

 

    Форма кисточки
    прямая Закруглённая круглая
цена низкая      
средняя      
высокая      

 

 

Коэффициентыa  
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.  
B Стд. Ошибка Бета  
  (Константа) 1,000 ,000   2,326E7 ,000  
Цена1 6,000 ,000 1,095 1,274E8 ,000  
Цена2 3,000 ,000 ,548 6,369E7 ,000  
Качество1 1,000 ,000 ,183 2,123E7 ,000  
Качество2 2,000 ,000 ,365 4,246E7 ,000  
a. Зависимая переменная: рейтинг2      
Коэффициентыa
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.
B Стд. Ошибка Бета
  (Константа) 7,000 ,000   1,329E8 ,000
Качество1 -6,000 ,000 -1,095 -1,040E8 ,000
Качество2 -3,000 ,000 -,548 -5,199E7 ,000
Форма кисточки1 2,000 ,000 ,365 3,466E7 ,000
Форма кисточки2 1,000 ,000 ,183 1,733E7 ,000
a. Зависимая переменная: рейтинг2
Коэффициентыa
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.
B Стд. Ошибка Бета
  (Константа) ,333 ,430   ,775 ,482
Цена1 3,333 ,471 ,609 7,071 ,002
Цена2 1,667 ,471 ,304 3,536 ,024
Форма кисточки1 4,000 ,471 ,730 8,485 ,001
Форма кисточки2 5,000 ,471 ,913 10,607 ,000
a. Зависимая переменная: рейтинг2
                                       

a) сводная таблица

  b1 b2 a1 a2 a3    
X1,X2 1,095 0,548 0,5473 0,0003 -0,5477 низкая Цена
  0,609 0,304 0,3047 -0,0003 -0,3043 средняя  
      0,426 0,000 -0,426 высокая  
Y1,Y2 0,183 0,365 0,0003 0,1823 -0,1827 низкое Качество
  -1,095 -0,055 -0,7117 0,3285 0,3833 среднее  
      -0,356 0,255 0,100 высокое  
Z1,Z2 0,365 0,183 0,1823 0,0003 -0,1827 прямая Форма кисточки
  0,730 0,913 0,1823 0,3653 -0,5477 закруглённая  
      0,182 0,183 -0,365 круглая  
    1,856          
  Цена 0,459          
  Качество 0,246          
  Форма кисточки 0,295          

 

б) графики функций полезности

 

 


в) веса относительной важности

 


 

ПРИЛОЖЕНИЕ Е

Результаты ковариационного анализа предпочтений специализированных магазинов косметики респондентами, различающимися по роду занятий, образованию и месячному бюджету на члена семьи (месячный бюджет используется в качестве ковариаты)

Оценка эффектов межгрупповых факторов
Зависимая переменная:spets
Иcточник Сумма квадратов типа III ст.св. Средний квадрат Щ Знч.
Скорректированная модель 4,783a   ,368 1,776 ,045
Свободный член 4,880   4,880 23,560 ,000
Budget ,991   ,991 4,783 ,029
Obrazov ,155   ,077 ,374 ,688
Zanyatie ,528   ,132 ,637 ,637
obrazov * zanyatie ,699   ,117 ,563 ,760
Ошибка 79,338   ,207    
Всего 276,000        
Скорректированный итог 84,121        
 

Таким образом, полная вариация предпочтения специализированных магазинов составляет 84,121, из которых 0,155 объясняются различиями средних образования респонденток, 0,528 – различиями средних рода занятий, 0,699 – взаимодействиями этих двух факторов, 0,991 – различиями средних ковариат месячного бюджета, а 79,338 – изменениями средних прочих факторов.

Исходя из данных таблицы определим эффект образования и рода занятий на предпочтение специализированных магазинов

η2= = 0,016,

Таким образом, 1,6% полной вариации обусловлены влиянием образования респондентки и рода занятий, что указывает на слабый эффект.

Исходя из данных таблицы проведем проверку значимости влияния образования и рода занятий на предпочтение специализированных магазинов косметики

F= =1,78.

Степени свободы 13 и 383. Полный эффект статистически значимый при уровне значимости 0,05.

 

 

F-критерий для проверки значимости эффекта взаимодействия равен

F= =0,563.

Табличное значение – 2,12, значит, эффект взаимодействия статистически незначимый при уровне значимости 0,05.

Поскольку эффект взаимодействия статистически незначимый, оценим значимость главных эффектов. F-критерий для проверки значимости эффекта образования равен

F= =0,374.

Табличное значение – 3,02, значит, эффект воздействия фактора образования статистически незначимый при уровне значимости 0,05.

F-критерий для проверки значимости эффекта рода занятий равен

F= =0,638.

Табличное значение – 2,40, значит, эффект воздействия рода занятий статистически незначимый при уровне значимости 0,05.

F-критерий для проверки значимости эффекта месячного бюджета (ковариаты) равен

F= =4,787.

Сравнивая с табличным значением (3,86), делаем вывод что эффект воздействия месячного бюджета на предпочтение специализированных магазинов статистически значимый при уровне значимости 0,05.

Таким образом, мы отклоняем нулевую гипотезу. Заключаем, что средние значения совокупностей для покупателей с различным месячным бюджетом, образованием и родом занятий действительно различаются между собой.

Значит, наше предположение о существовании зависимости верно. При этом статистически значимое влияние из данной совокупности факторов оказывает месячный бюджет респонденток.


ПРИЛОЖЕНИЕ Ж

Результаты дискриминантного анализа об отнесении потребителя к одной из двух групп: предпочитающих покупать декоративную косметику в специализированных магазинах и предпочитающих другие места продаж на основании социально-демографических признаков (возраст, род занятий, месячный бюджет)

 

Групповые статистики
spets Среднее Стд.отклонение Кол-во валидных (искл.целиком)
Невзвешенные Взвешенные
не отметили vozrast 2,19 1,113   121,000
zanyatie 2,35 ,803   121,000
budget 2,22 ,917   121,000
отметили vozrast 2,23 1,139   276,000
zanyatie 2,55 ,911   276,000
budget 2,57 1,085   276,000
Итого vozrast 2,22 1,130   397,000
zanyatie 2,49 ,884   397,000
budget 2,47 1,048   397,000

 

Из таблицы видно, что по среднему возрасту, месячному бюджету и роду занятий респонденты попадают в одну категорию. Таким образом, все переменные являются слабыми отличительными признаками исследуемых групп.

Критерий равенства групповых средних
  Лямбда Уилкса F ст.св1 ст.св2 Знч.
vozrast 1,000 ,096     ,757
zanyatie ,989 4,506     ,034
budget ,976 9,551     ,002

 

Собственные значения
Функция Собственное значение % объясненной дисперсии Кумулятивный % Каноническая корреляция
  ,038a 100,0 100,0 ,192
 

Каноническая корреляция измеряет степень связи между дискриминантными показателями и группами. Это мера связи между единственной дискриминирующей функцией и набором фиктивных переменных, которые определяют принадлежность к данной группе. В нашем случае она равна 0,192. Модель имеет собственное значение 0,038, что показывает отношение межгрупповой суммы квадратов к внутригрупповой сумме квадратов.

 

Лямбда Уилкса
Проверка функции(й) Лямбда Уилкса Хи-квадрат ст.св. Знч.
  ,963 14,853   ,002

 

Лямбда Уилкса, равная 0,963, указывает на то, что средние групп не должны различаться.

 

Нормированные коэффициенты канонической дискриминантной функции
  Функция
   
Vozrast -,730
Zanyatie ,773
Budget ,803

 

Структурная матрица
  Функция
   
Budget ,793
Zanyatie ,545
Vozrast ,079
 

Как видно, в делении совокупности на две группы самый большой вклад внесли переменные «месячный бюджет» (0,793) и «род занятий»(0,545), а переменная «возраст» практически не оказывает воздействия на выбор покупателя между специализированными магазинами декоративной косметики и другими местами продаж.

Коэффициенты канонической дискриминантрой функции
  Функция
   
Vozrast -,645
Zanyatie ,879
Budget ,775
(Константа) -2,668

Именно ненормированные коэффициенты используются для построения дискриминантной модели.

В соответствии с данными, дискриминантная модель, построенная в результате проведения дискриминантного анализа, имеет следующий вид:

где – предпочтение покупателей выбора места покупки, - возраст, – род занятий, – месячный бюджет.

Функции в центроидах групп
Spets Функция
 
не отметили -,295
отметили ,130

Таким образом, можно сделать вывод о том, что среднее значение дискриминантных показателей группы респонденток, предпочитающих покупать декоративную косметику в специализированных магазинах, составляет 0,130, а предпочитающих другие места продаж – -0,295.

Результаты классификацииa
    Spets Предсказанная принадлежность к группе Итого
    не отметили отметили
Исходные Частота не отметили      
Отметили      
Несгруппированные наблюдения      
% не отметили 62,0 38,0 100,0
Отметили 39,9 60,1 100,0
Несгруппированные наблюдения 66,7 33,3 100,0
a. 60,7% исходных сгруппированных наблюдений классифицировано правильно.
 

В таблице показаны результаты классификации, полученные на основе анализируемой выборки. Так как 60,7% исходных сгруппированных наблюдений классифицировано правильно, достоверность дискриминантного анализа можно оценивать как удовлетворительную.


ПРИЛОЖЕНИЕ З

Критерий Хи-квадрат о независимости переменных предпочтения телевизионных каналов информации респондентками и их родом деятельности

 

Сводка обработки наблюдений
  Наблюдения
  Валидные Пропущенные Итого
  N Процент N Процент N Процент
tv * zanyatie   99,3%   ,8%   100,0%

 

Таблица сопряженности tv * zanyatie
Частота
    zanyatie Итого
    учащаяся студентка рабочая домохозяйка другое
tv не отметили            
отметили            
Итого            

 

Критерии хи-квадрат
  Значение ст.св. Асимпт. значимость (2-стор.)
Хи-квадрат Пирсона 6,019a   ,198
Отношение правдоподобия 6,783   ,148
Линейно-линейная связь 3,712   ,054
Кол-во валидных наблюдений      
a. В 2 (20,0%) ячейках ожидаемая частота меньше 5. Минимальная ожидаемая частота равна,93.

 

 

Симметричные меры
    Значение Асимптотическая стдандартная ошибкаa Прибл. Tb Прибл. значимость
Номинальная по номинальной Фи ,123     ,198
V Крамера ,123     ,198
Интервальная по интервальной R Пирсона -,097 ,045 -1,933 ,054c
Порядковая по порядковой Корреляция Спирмена. -,091 ,050 -1,815 ,070c
Кол-во валидных наблюдений        
a. Не подразумевая истинность нулевой гипотезы.
b. Используется асимптотическая стандартная ошибка в предположении истинности нулевой гипотезы.
c. На основании нормальной аппроксимации.

 


ПРИЛОЖЕНИЕ И

Результаты многомерного шкалирования о представлении восприятий и предпочтений респондентов, пользующихся тушью для ресниц марки «Bourjois», а также тушью для ресниц конкурирующих марок

Рис. 1 – Симметричная таблица схожести туши для ресниц различных марок

 

Young's S-stress formula 1 is used.

 

Iteration S-stress Improvement

 

1,20233

2,18513,01720

3,18340,00173

4,18227,00113

5,18142,00084

 

Iterations stopped because

S-stress improvement is less than,001000

 

Значения стресса свидетельствует о высоком соответствии модели исходным данным, следовательно, мы можем сделать вывод, что ошибки в данных нет.

Исходя из полученных данных - Stress =,00251; RSQ =,81152 - можно сделать вывод о том, что данная модель является качественной (R2≈1).

 

Рис. А – Карта восприятия, построенная на основе данных о степени сходств исследуемых марок туши для ресниц

 

Рис.2. – Симметричная таблица предпочтений туши для ресниц различных марок

 

Young's S-stress formula 1 is used.

Iteration S-stress Improvement

 

1,00000

 

Iterations stopped because

S-stress is less than,005000

Значения стресса свидетельствует о высоком соответствии модели исходным данным, следовательно, мы можем сделать вывод, что ошибки в данных нет.

Исходя из полученных данных - Stress =,00000; RSQ = 1,00000, R2=1, - можно сделать вывод, что построенная нами модель является идеальной.

Рис. Б – Карта восприятия, построенная на основе данных о степени предпочтения исследуемых марок туши для ресниц

 

Рис. 3 – Таблица оценки туши для ресниц различных марок по предложенным характеристикам

Для оценки были выбраны следующие характеристики:

1) цена

2) дизайн упаковки

3) качество

4) ассортиментный ряд

5) реклама

 

Young's S-stress formula 1 is used.

 

 

Iteration S-stress Improvement

 

1,44377

2,40081,04296

3,39204,00877

4,38765,00439

5,38534,00231

6,38397,00137

7,38305,00092

 

Iterations stopped because

S-stress improvement is less than,001000

 

Исходя из полученных данных - Stress =,00077; RSQ =,96498- можно сделать вывод о том, что данная модель является качественной (R2≈1).

 

 

Рис. В – Карта восприятия, показывающая взаиморасположение различных марок туши для ресниц в соответствии с оценками предложенных характеристик


 


 

ПРИЛОЖЕНИЕ К

Результаты корреляционно-регрессионного анализа зависимости суммы, которую респондентки готовы потратить на тушь, от их месячного бюджета


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.065 сек.)