Статистики и термины, используемые в многомерном шкалировании

Ниже перечислены основные статистики, связанные с многомерным шкалированием.

• Оценка сходства(similarity judgments). Рейтинги всех возможных пар торговых марок или других объектов, отражающие их сходство по шкале Лайкерта.

• Ранги предпочтений(preference rankings). Ранги торговых марок или других объектов в по­рядке их уменьшения (от большего к меньшему). Обычно эти данные получают при опросе респондентов.

• Стресс(stress). Мера соответствия подогнанной модели исходным данным: чем выше зна­чение стресса, тем ниже качество подгонки модели.

• R-квадрат(R-square). R-квадрат— это квадрат коэффициента корреляции, который пока­зывает долю дисперсии оптимально отображенных данных, которые могут быть учтены ММШ. Мера соответствия подогнанной модели исходным данным.

• Пространственная карта(spatial map). Воспринимаемые взаимосвязи между торговьи марками или другими объектами, представленные в виде геометрических связей меж точками в многомерном пространстве.

• Координаты(coordinates). Указывают расположение торговых марок или объектов на щ странственной карте.

• Развертка(unfolding). Представление торговых марок и респондентов в виде точек в одн и том же пространстве.

ВЫПОЛНЕНИЕ МНОГОМЕРНОГО ШКАЛИРОВАНИЯ

На рис. 21.1 показаны этапы многомерного шкалирования.

ме исходных

Выбор метода Ш Принятие решения о числе размерностей

Обозначение размерностей и интерпретация к точек на пространственной карте

э надежности и достоверности Рис. 21.1. Многомерное шкалирование

Исследователь должен тщательно сформулировать проблему многомерного шкалирован! поскольку можно использовать большое разнообразие исходных данных. Задача маркетолога определить соответствующую форму для получения данных и выбрать метод многомерно шкалирования для их анализа. Важный аспект решения включает определение размерное для пространственной карты. Кроме того, следует обозначить оси координат на карте и инт( претировать выведенную на основе данных конфигурацию точек. И наконец, исследовате должен оценить качество полученных результатов [4]. Мы опишем каждый из этих этапов, i чав с формулирования проблемы.

Формулирование проблемы

При формулировании проблемы исследователю необходимо конкретизировать цель i пользования результатов многомерного шкалирования и выбрать торговые марки или Д{ гие объекты, которые предполагается проанализировать. Именно они определяют разме ность шкалирования и получаемые конфигурации. Чтобы получить хорошо определяем пространственную карту, следует включить как минимум восемь торговых марок или объе тов. Включение свыше 25 торговых марок, вероятно, будет громоздким и утомит респонде дов при опросе.

Очень внимательно надо подходить к выбору конкретных торговых марок или объек­тов. Предположим, что исследователь заинтересован узнать восприятия покупателей ав­томобилей. Если автомобили-люкс не включены в набор объектов, результаты могут быть искажены. В основе выбора количества торговых марок и их конкретных наименований должна лежать проблема, маркетингового исследования, теоретические предпосылки и интуиция исследователя.

Многомерное шкалирование проиллюстрировано нами с позиции получения пространст­венной карты для 10 известных марок зубной пасты: Aqua-Fresh, Crest, Colgate, Aim, Gleem, Macleans, Ultra Brite, Close-Up, Pepsodent и Dentagard. Перед тем как начать анализ, ответим на вопрос: как получить данные по этим маркам.

Получение исходных данных

Как показано на рис. 21.2, исходные данные, полученные от респондентов, должны быть связаны с восприятиями или предпочтениями.

	Исходныед	энные ММШ llfl
[	i
Bocnp	ИЯТИЯ	Предпочтения

Прямые подходы (суждения респондентов о сходстве)

Непрямые подходы (рейтинги характеристик)

Рис. 21.2. Исходные данные для многомерного шкалирования

Вначале мы обсудим данные, касающиеся восприятия объектов, которые могут быть пря­мыми или непрямыми.

Восприятие объектов: прямые подходы. При использовании прямого подхода к сбору дан­ных о восприятии респондентов просят оценить, используя их собственный критерий, на­сколько похожи или не похожи между собой различные известные торговые марки. От респон­дентов часто требуется оценить все возможные пары известных торговых марок, рассматривая их сходство по шкале Лайкерта. Эти данные связаны с оценками респондентов о сходстве това­ров. Например, оценки сходства по всем возможным парам марок зубной пасты можно полу­чить в таком виде.

Crest по сравнению с Colgate Aqua-Fresh по сравнению с Crest Crest по сравнению с Aim

епохожи Очень похожи
1 2
1 2
1 2

Colgate по сравнению с Aqua-Fresh 1 23456 7

Число оцениваемых пар равно пх(п — 1)/2, где п — число объектов. Существуют и другие методы сбора данных. Респондентов можно попросить проранжировать все возможные пары от наиболее похожих к наименее похожим. В другом методе респонденты ранжируют известные торговые марки по сравнению с определенной базовой торговой маркой. Каждая торговая ма[ ка, в свою очередь, служит такой базой.

В нашем примере использовали прямой метод. Респондентов попросили высказать свое мн< ние о сходстве для всех 45 (10 х 9/2) пар торговых марок зубной пасты, используя семибалльну шкалу. Данные, полученные от одного из респондентов, представлены в табл. 21.1 [5].

Таблица 21.1. Рейтинги сходства известных торговых марок зубной пасты

	Aqua-Fresh	Crest Colgate Aim	Gleem Macleans Ultra Brite Close- Up Pepsodent Dentagan
Aqua-Fresh Crest Colgate	5 6	7
Aim
Gleem
Macleans
Ultra Brite
Close-Up						5 6
Pepsodent						6 7
Dentagard						3 3	4 3

Восприятие объектов: непрямые подходы. Непрямые подходы(derived approaches) к c6of данных о восприятии основаны на характеристиках объектов и требуют, чтобы респондент оценивали объекты, исходя из их определенных характеристик, используя семантическу дифференциальную шкалу или шкалу Лайкерта.