Маркетингови изследвания ІІ

  • Представяне на дисциплината
  • Учебна програма
  • Учебни материали
Образователна степен: Бакалавър
Кредити: 8
Курс/семестър: 2 курс, 4 семестър (летен)
Титуляр: доц. д-р Тодор Кръстевич
Асистент: гл. ас. д-р Маруся Иванова

Дидактическите предимства, които курсът предлага за обучаемите, са следните:

  • Възможно най-ниско равнище на „математизиране” на съдържанието (Познанията, придобити в основните курсове по Математика (І-ва и ІІ-ра част) и Статистика са достатъчни);
  • Разбираемо представяне теорията и методологията на отделните аналитични техники и инструменти с помощта на учебни казуси;
  • Директна практическа ориентираност и приложимост на методите;
  • Подробно разясняване на тънкостите при прилагане на аналитичните техники с актуалните версии на SPSS, SAS и XLStat за Windows;
  • Пълна проследимост и съгласуваност на между отделните лекционни и семинарни модули;

Курсът се опира на основните понятия, категории и постановки, изучавани в рамките на фундаменталната дисциплина «Основи на маркетинга», «Теория на потребителското поведение» и най-вече на фундаменталните знания от дисциплината «Маркетингови изследвания І». Същевременно от студентите се очаква да притежават солидни базови познания по математика, статистика, както и умения за използване на компютърни технологии.

В теоретичен аспект се покриват въпросите, свързани с повечето модерни многомерни аналитични техники за анализ на метрични и неметрични данни, които имат приложение в маркетинговите изследвания.

В практически план са застъпени въпросите, свързани с алтернативното използването на популярни софтуерни пакети за анализ на данни от фамилиите на SPSS, XLStat и SAS.

УЧЕБНО СЪДЪРЖАНИЕ

Тема първа: Данни и скали. Маркетингови бази данни. Обзор и класификации на многомерните аналитични методи в маркетинговите изследвания: структурно разкриващи (методи за взаимна зависимост) и структурно-проверяващи (методи за зависимост). Въведение в интерфейса на SPSS и SAS.

Тема втора: Регресионнен анализ. Най-чести маркетингови проблеми, решавани с регресионен анализ. Формулиране на регресионен модел. Оценка на регресионните коефициенти. Еднофакторна регресия. Многофакторна регресия. Проверка на регресионната функция (степен на определеност. F-статистики. Стандартна грешка на оценката). Проверка на регресионните коефициенти (t-тест, интервали на доверителност). Валидност и надеждност на регресионния анализ (грешен избор на регресори, разпределение на грешката, различно от нормалното статистическо разпределение, хетероскедастичност, автокорелация, мултиколинеарност). Блокова регресия, стъпкова регресия. SPSS синтаксис. SAS синтаксис. XLstat и Excel процедури. Казус.

Тема три: Дисперсионен и Ковариационен нализ. Най-чести маркетингови проблеми, решавани с дисперсионен анализ. Еднофакторен дисперсионен анализ (Еднофакторна ANOVA). Контингентни таблици. Проверка на статистическа независимост и на групови различия. Ковариационен анализ (ANCOVA). Двуфакторна ANOVA. Многофакторна ANOVA (MANOVA). Проблеми при прилагането на дисперсионния анализ с маркетингови данни. SPSS синтаксис SAS синтаксис. Процедури на ANOVA с Excel и XLStat. Казус.

Тема четири: Дискриминантен анализ. Най-чести маркетингови проблеми, решавани помощта на дискриминантен анализ. Дефиниране на групи. Формулиране на дискриминантна функция. Параметризиране на дискриминантната функция. Статистическа проверка на дискриминантната функция (класификационна способност). Класифициране на нови елементи. SPSS синтаксис. XLStat процедури. Казус.

Тема пет: Кростабулиране, контингентен анализ, кореспондентен анализ (анализ на съответствията). Конструиране на кростаблици. Проверка наличието и силата на взаимозависимости. Двумерен и многомерен кореспондентен плот. Валидиране и диагноза. SPSS синтаксис. XLStat (KXEN Pivot) процедури. OLAP куб. Най-чести маркетингови проблеми, решавани с кореспондентен анализ. Казус.

Тема шест: Факторен анализ. Най-чести маркетингови проблеми, решавани с факторен анализ. Избор на променливи и изчисляване на корелационна/ковариационна матрица. Екстракция на фактори (методи). Ортогонална и неортогонална ротация. Експлоративен и конфирматорен факторен анализ (R-тип и Q-тип анализ). Интерпретация на резултатите от факторния анализ. SPSS синтаксис. SAS синтаксис. XLStat процедури. Казус.

Тема седем: Каузално моделиране. Маркетингови проблеми, решавани с помощта на каузалното моделиране. Структурните модели с явни и с латентни променливи. Дефиниране на хипотези (каузални и измервателни). Съставяне на верижни диаграми. Спецификация и идентификация на каузален модел. Оценка и интерпретация на каузален модел. Въведение в LISREL и AMOS. Казус.

Тема осем: Логистична регресия. Маркетингови проблеми, решавани с помощта на логистичен регресионен анализ. Принципи на логистичната регресия. Формулиране на логистична регресионна функция. Параметризиране. Интерпретация на регресионните параметри. Статистическа проверка на логистичния регресионен модел. Проверка на независимите променливи. LOGIT-анализ, PROBIT-анализ. SPSS синтаксис. Казус.

Тема девет: Клъстерен анализ. Маркетингови проблеми, решавани с помощта на методи за клъстеризиране. Измерители на съответствията и несъответствията при променливи с различно ниво на скалиране. Алгоритми за свързване. Йерархична и нейерархична клъстеризация. Определяне броя на клъстерите. Валидиране и диагноза. Двустъпков клъстерен анализ. CHAID-методи като алтернатива на класическия клъстерен анализ. SPSS синтаксис. XLStat процедури. Казус.

Тема десет: Конджойнт анализ. Типични маркетингови проблеми, решавани с помощта на метода на конджойнт. Композиционни и декомпозиционни алгоритми. Стимули, атрибути и атрибутивни равнища. Ортогонален дизайн. Параметризиране на частичните преференциални оценки (методът на най-малките квадрати, монотонна регресия). Пълнопрофилен конджойнт анализ. Адаптивен конджойнт анализ. Канджойнт анализ, базиран на избор. Хибриден конджойнт. Планиране на конджойнт проучване. Агрегирани срещу индивидуални резултати. Пазарен симулатор. SPSS Conjoint синтаксис. Въведение в ACA/CBC/CVA на SawtoothSoftware.

Тема единадесет: Многомерно скалиране. Маркетингови проблеми, решавани с многомерно скалиране. Измерване на сходства (методи). Избор на модел на дистанциите. Метрично и неметрично MDS. Установяване на конфигурации. Картографиране на възприятие и преференции. Метод на идеалната точка и метод на идеалния вектор. Интерпретация на резултатите. SPSS синтаксис. SAS синтаксис. XLStat(MX) процедури. Анализ на възприятията и анализ на предпочитанията с MDS. Прогнозиране на потребителския избор. Казус.

Тема дванадесет: Изкуствени невронни мрежи. Маркетингови проблеми, решавани с ИНН. Биологични и изкуствени невронни мрежи. Структуриране на маркетинговите проблеми и избор на тип невронна мрежа. Установяване на мрежовата топология. Алгоритми за обработката на информацията в невроните. Обучение на изкуствените невронни мрежи. Приложения на обучените невронни мрежи – класификации и/или прогнозиране. Въведение в SPSS Neural Connection и в NeuroSolusion – процедури. Казус.

Тема тринадесета: Нови техники и зараждащи се полета за маркетингови анализи. Модели от латентен клас. Каноничен регресионен анализ. Йерархична Бейсианска регресия. Алгоритми за извличане на данни (Data Mining, WEB Mining, OLAP технологии).

Няма налични учебни матерали. За повече информация, моля обърнете се към преподавателите.