Качественные методы исследования рекламы. на первый взгляд картина не слишком радостная: исходные переменные

на первый взгляд картина не слишком радостная: исходные переменные

VARO11, VARO02, VARO20 оказывают влияние и на первый, и на второй факторы, причем влияние достаточно велико. для разрешения таких коллизий и

используется ранее упомянутое вращение факторов, и, в частности, метод

ортогонального вращения varimах, т.е. мы сохраняем предположение о независимости наших факторов друг от друга.

Первое, что бросается в глаза при рассмотрении табл. 9.4, — изменил процент объясненной дисперсии у обеих ком компонент. У первого фактора с

74% уменьшился до — 6З%, у второго увеличился с 23% до 35%. Но так как в

остались те же 970/о и при вращении мы соблюли исходное условие о независимости факторов, то эта процедура также отражает структуру исходных данных. Здесь мы сталкиваемся с ранее упомянутой неоднозначностью факторного анализа при решении задачи выявления структуры данных.

Давайте посмотрим, к чему привело вращение факторов. Совершенно понятно, что исходные переменные четко разделились между факторами и теперь их легче интерпретировать. Но при этом степень влияния отдельных переменных существенно изменилась, например VARO11 из четвертой по степени влияния стала первой. данный пример наглядно свидетельствует, что к использованию факторного анализа надо подходить очень тщательно и учитывать эти нюансы при интерпретации результатов (табл. 9.5).

Тем не менее структура отношений между восприятием продуктов сохраняет свой качественный характер. Большего от метода требовать сложно так как он имеет поисковый характер. для наглядности приводим два графика восприятия исследуемых продуктов — до вращения факторов и после (рас. 9.4).

А. Кутлалиев

А. Попов

Видно, что карта восприятия изменилась, но тем не менее на обоих графиках четко прослеживаются три группы продуктов, отличных друг от друга при этом состав этих групп не меняется.

Анализ соответствий (Сorrespondence Analysis, или СА) является в первую очередь методом пробного, предварительного анализа данных, созданным для исследования как простых двухмерных, так и более сложных таблиц на предмет наличия связи между строками и столбцами, например, между брендами и их атрибутами. В отличие от традиционных методов тестирования гипотез, в которых исследуются какие-либо наши предложения о связях между переменными, разведочный анализ данных используется для выявления связей при отсутствии (или недостатке) априорной информации о подобных связях. С другой стороны, анализ соответствий является также дескриптивным методом, обеспечивая простой по фор всесторонний и исчерпывающий анализ, не потерян ни одного бита исходной информации.

Метод имеет ряд особенностей, которые выгодно отличают его от других, например, от анализа таблиц сопряженности. Обычная процедура лиц сопряженности — выявление меры общей связи (при помощи статистики хи-квадрат), однако этот процесс ничего не говорит нам о связях отдельных строк и столбцов. СА с честью решает эту проблему, так – как при одновременном включении в обработку всех исследуемых переменных — выявляет связи, которые невозможно определить ни при каких г - сравнениях. Кроме того, у СА очень гибкие требования к данным. Фактиче-

Глава 9.

Не нашли, что искали? Воспользуйтесь поиском: