Взфэи

Дисциплина «Маркетинговые исследования»
тема «обработка и анализ маркетинговой информации»




СОДЕРЖАНИЕ
TOC \o "1-3" \h \z \u HYPERLINK \l "_Toc217287563" Введение PAGEREF _Toc217287563 \h 3
HYPERLINK \l "_Toc217287564" 1.Подготовка данных для маркетинговой информации, критерии выбора шкал PAGEREF _Toc217287564 \h 5
HYPERLINK \l "_Toc217287565" 2. Сводки и группировки данных, анализ вариационных рядов, табулирование данных PAGEREF _Toc217287565 \h 10
HYPERLINK \l "_Toc217287566" 2.1. Применение статистических группировок PAGEREF _Toc217287566 \h 10
HYPERLINK \l "_Toc217287567" 2.2. Анализ вариационных рядов PAGEREF _Toc217287567 \h 20
HYPERLINK \l "_Toc217287568" 3.Методы корреляционного и регрессионного анализа в маркетинговых исследованиях PAGEREF _Toc217287568 \h 28
HYPERLINK \l "_Toc217287569" Заключение PAGEREF _Toc217287569 \h 36
HYPERLINK \l "_Toc217287570" Список литературы PAGEREF _Toc217287570 \h 37

Введение
Чтобы принять оптимальное управленческое решение в условиях жесткой конкурентной борьбы, предприятию нужно располагать огромными объемами информации. Необходим серьезный анализ рынков выпускаемой и намеченной к производству продукции, сырья, капиталов и рабочей силы, что совершенно невозможно без маркетинговых исследований. Между тем, неверная оценка экономической ситуации или неправильная интерпретация экономических новостей часто бывают связаны с ошибочным выбором источника информации. Нередко самые известные по рекламе поставщики информации не являются лучшими, так как большая часть их усилий сосредоточена на организации рекламной деятельности, а проблемы качества поставляемых продуктов остаются на втором плане. Поэтому любому исследованию предшествует детальный анализ рынка маркетинговой информации на предмет поиска источников данных высокой достоверности и полноты отражения реальных рыночных процессов. Такое определение наиболее точно раскрывает целевую направленность маркетинг-статистики, одной их главных составляющих которой является повышение эффективности использования информационных ресурсов в маркетинговой деятельности предприятий, отраслей и хозяйственных комплексов. Таким образом, маркетинг-статистика предполагает изучение состава и движения информационных ресурсов, необходимых для проведения маркетинговых исследований, методологии расчета и анализа важнейших показателей, используемых в практической работе маркетинговых служб, современных методов обработки и анализа маркетинговой информации, а также системы организации отечественного и зарубежного рынков информационных услуг. Формирование качественных информационных фондов предприятия – процесс сложный. При комплектовании информационных фондов особенно важно учитывать потребности предприятия. Исходя из потребностей определяют какие услуги необходимы. Затем требуемые информационные ресурсы разделяют по секторам информационного рынка и в каждом секторе выбирают возможные варианты баз данных и информационных систем. Комплексное исследование рынка информационных услуг предполагает анализ товарной конъюнктуры, отслеживание уровня цен на информационные услуги, определение потенциальных производителей потребной информации и т.д. Предлагаемая курсовая работа посвящена основным методам и проблемам анализа маркетинговой информации, так как проблема получения и обработки маркетинговой информации – одна из особо значимых проблем современного маркетинга. В этой работе я попытаюсь достаточно полно рассмотреть основные аспекты методов анализа маркетинговой информации, и показать в чем состоят особенности маркетинговой информации, процесса и дизайна маркетинговых исследований.
В маркетинговых исследованиях наряду с важностью выбора методов сбора информации, не менее важным является выбор адекватных методов анализа собранной информации, а от этого в значительной мере зависит не только правильность сделанных выводов, но и их точность и определённость.
Цель работы – рассмотреть обработку и анализ маркетинговой информации.
Задачи работы:
Показать роль маркетинговых исследований в реализации маркетинговой деятельности.
Изучить последовательность шагов при проведении маркетинговых исследований и раскрыть их содержание.
Ознакомиться с содержанием и особенностями использования количественных и качественных методов маркетинговых исследований.
Ознакомиться с методами анализа собранных маркетинговых данных.
Обосновать методы построения выводов из анализа данных в проведенном маркетинговом исследовании.
Объект работы – маркетинговое исследование, предмет - обработка и анализ маркетинговой информации
1.Подготовка данных для маркетинговой информации, критерии выбора шкал
Обычно при проведении маркетинговых исследований используется информация, полученная на основе первичных и вторичных данных.
Первичные данные получаются в результате специально проведенных для решения конкретной маркетинговой проблемы так называемых полевых маркетинговых исследований; их сбор осуществляется путем наблюдений, опросов, экспериментальных исследований, выполняемых, как правило, над частью общей совокупности исследуемых объектов – выборкой [12, C. 154].
Под вторичными данными, применяемыми при проведении так называемых кабинетных маркетинговых исследований, понимаются данные, собранные ранее из внутренних и внешних источников для целей, отличных от целей маркетинговых исследований. Другими словами, вторичные данные не является результатом проведения специальных маркетинговых исследований.
Различают (по отношению к фирме) внешние и внутренние источники для вторичных исследований. В качестве внутренних источников информации могут быть – маркетинговая статистика (характеристика товарооборота, объем сбыта, объем распродаж, импорт, экспорт, рекламации), данные о маркетинговых затратах (по продукту, рекламе, продвижению, сбыта, коммуникациям), прочие данные (о производительности установок, оборудования, прайс-листы на сырье и материалы, характеристика системы складирования, карты потребителей и др.).
В качестве внешних источников выступают:
- публикации национальных и международных официальных организаций;
- публикации государственных органов, министерств, муниципальных комитетов;
- публикации торгово-промышленных палат и объединений;
- ежегодники статистической информации;
- отчеты и издания отраслевых фирм и совместных предприятий;
- книги, сообщения в журналах и газетах;
- публикации учебных, научно-исследовательских, проектных институтов и общественно-научных организаций, симпозиумов, конгрессов, конференций.
Основными достоинствами вторичных исследований являются [16, C. 143]:
- затраты на проведение кабинетных исследований меньше, чем на проведение таких же исследований с помощью полевых исследований;
- большей частью вполне достаточно для решения исследований только вторичной информации, поэтому первичные исследования становятся не нужными;
- возможность использования результатов кабинетного исследования, в случае если поставленная цель маркетингового исследования не достигнута, для определения задач полевого исследования, его планирования и использования выборочного метода.
В тех случаях, когда вторичное исследование не дает нужного результата проводят первичное (полевое) исследование.
Основными методами получения первичных данных являются опрос, наблюдение, эксперимент и панель. Наибольшее распространение получил метод опроса и интервью. Каждый из методов может использоваться в сочетании с другими, полевые исследования почти всегда дороже кабинетных. Поэтому они применяются в случаях, когда:
- в результате вторичного исследования не достигнут требуемый результат и не возможно проведение соответствующего маркетингового мероприятия;
- высокие затраты на полевые исследования могут быть компенсированы значением и необходимостью решения соответствующей задачи.
Полевое исследование может быть полным или сплошным, если им охвачена вся группа интересующих исследователя респондентов и частичным, если им охвачен определенный процент респондентов.
В общем случае проведения кабинетных или полевых исследований следует иметь ввиду, что сбор и обработка данных в процессе исследования осуществляется методами, которые теория маркетинга заимствовала из математики, статистики, психологии, социологии социальной экономики.
Данные, полученные в процессе маркетингового исследования должны пройти процедуру обработки, обобщения и интерпретации. При этом выделяют три области: упорядочения, масштабирования (шкалирования), обобщения и анализа.
Упорядочение данных заключается в распределении данных по категориям, их редактировании и кодировании результатов, а также их табулировании [15, C. 199].
Под редактированием понимается просмотр данных, имея ввиду возможности их использования. Представление просмотренного материала данных в форме таблиц означает их табулирование.
Шкалирование означает классификацию данных по определенным критериям. На практике применяются номинальная шкала (классификационные), порядковая шкала (ранговые) и количественные (метрические).
Анализ и обобщение данных осуществляется методами ручной, компьютерной (полукомпьютерной), когда используется карманный компьютер и электронной (с использованием персонального или большого компьютера) обработки. Для обработки используются как описательные, так и аналитические методы. Среди аналитических методов в маркетинге часто применяются: анализ трендов, методы нелинейной регрессии и коррекции, дискриминантный анализ, кластерный анализ, факторный анализ и другие. Возможные направления применения отдельных аналитических методов показаны в табл. 1.

Таблица 1.
Примеры использования аналитических методов
По общепринятой классификации для субъективных измерений обычно рассматривают четыре основных типа шкал:
1 Классификационная шкала строится на единственном отношении — отношении эквивалентности. Деления на шкале характеризуют критерии, на основании которых производится классификация. Способность человека оценить любой стимул по заданному критерию как принадлежащий или не принадлежащий данному классу настолько очевидна, что возможность построения шкалы наименований для реакций различного уровня сложности обычно не вызывает возражений.
2. Шкала порядка строится на основании сразу двух отношений — эквивалентности и порядка. Естественно, что далеко не все объекты субъективно можно подчинить отношению порядка. Например, сразу очень трудно сказать, что больше — круг или треугольник, однако если выделить в этих объектах такое свойство, как площадь, то установить порядковые отношения для этих объектов уже значительно легче. Такие упорядочивания объектов по их отдельным свойствам широко используются при составлении различных оценочных шкал.
3. Шкала интервалов. Этот тип шкалы требует дополнительной возможности устанавливать равенство попарных различий между двумя парами стимулов, иначе говоря, определять равенство субъективных интервалов. Возможность построения такой шкалы позволяет большую часть свойств существующих числовых систем приписывать тем числам, которые получены на основе субъективных оценок. Построение для реакций шкалы интервалов является в психологии уже значительным достижением. Но, с другой стороны, интуитивно не очевидно, что человек всегда может делать оценки, соответствующие шкале интервалов. Действительно, если субъективные оценки не соответствуют некоторому физически измеряемому свойству, то совсем не очевидно, как можно установить соответствие оцениваемых стимулов шкале интервалов.
4. Шкала отношений получается, когда, кроме уже перечисленных операций: эквивалентности, порядка и сравнения разностей — можно осуществить для объектов сравнение попарных отношений. Это обусловлено возможностью оценивать абсолютное значение величины реакции и требует наличия на шкале нулевой точки, как на шкале температур Кельвина, например.
Последние две шкалы можно назвать "сильными", т.е. по результатам таких измерений можно строить более точные, более однозначные психофизические функции, к ним можно применить более тонкий статистический аппарат, чего нельзя сделать по отношению к первым двум типам шкал. Немаловажное значение имел и тот факт, что все физические измерения приводят обычно именно к "сильным" шкалам. Поэтому для психофизиков большее значение имели методические процедуры построения шкал интервалов и отношений, чем каких-либо других.
Первые две шкалы получили название неметрических, вторые две — метрических. В соответствии с этим в психологии говорят и о двух подходах к психологическим измерениям: метрическом (более строгом) и неметрическом (менее строгом).







2. Сводки и группировки данных, анализ вариационных рядов, табулирование данных
2.1. Применение статистических группировок
В результате статистического наблюдения получают большое количество первичных, разрозненных сведений об отдельных единицах объекта исследования. В дальнейшем главная задача заключается в том, чтобы привести эти материалы в определенный порядок, систематизировать и на этой основе дать сводную характеристику всей совокупности фактов при помощи обобщающих статистических показателей, отражающих сущность социально-экономических явлений и определенные статистические закономерности. Это достигается в результате сводки.
Статистическая сводка – это научно организованная обработка материалов наблюдения, включающая в себя систематизацию, группировку данных, составление таблиц, подсчет групповых и общих итогов, расчет производных показателей (средних, относительных величин).
В сводке статистического материала отдельные единицы статистической совокупности объединяются в группы при помощи метода группировок.
Статистическая группировка – это процесс образования однородных групп на основе расчленения статистической совокупности на части или объединения изучаемых единиц в частные совокупности по существенным для них признакам, каждая из которых характеризуется системой статистических показателей.[1, с.35]
Признак, который кладется в основу образования групп в процессе статистической группировки, называется группировочным или основанием группировки.
Он может быть количественным (возраст) и атрибутивным (уровень образования), в том числе альтернативным (пол).
Метод статистических группировок позволяет разрабатывать первичный статистический материал. На основе группировки рассчитываются сводные показатели по группам, появляется возможность их сравнения, анализа причин различий между группами, изучение взаимосвязей между признаками. Расчет сводных показателей в целом по совокупности позволяет изучить ее структуру.
Кроме того, группировка создает основу для последующей сводки и анализа данных. Этим определяется роль группировок как научной основы сводки.
Метод группировок применяется для решения задач, возникающих в ходе научного статистического исследования: выделение социально-экономических типов явлений; изучение структуры явления и структурных сдвигов, происходящих в нем; изучение связей и зависимостей между отдельными признаками явления.
Группировки классифицируются по следующим признакам:
цель
число группировочных признаков
соподчиненность группировочных признаков
исходная информационная база
В зависимости от цели исследования группировки бывают типологическими, структурными, аналитическими.
Типологическая группировка – разделение качественно разнородной совокупности на качественно однородные группы (классы, типы), при этом под однородностью понимается подчинение всех единиц совокупности одному закону развития в отношении рассматриваемого свойства.[2, с.207] Такие группировки дают возможность в составе массового явления выделить те его части, которые однородны по качеству и условиям развития, в которых действуют одни и те же закономерности, на которые влияют одни и те же факторы.
Структурной группировкой называется группировка, в которой происходит разделение выделенных с помощью типологической группировки типов явлений, однородных совокупностей на группы, характеризующие их структуру по какому-либо варьирующему признаку.[1, с.37]
С помощью структурных группировок изучается состав населения по полу, возрасту, месту проживания; состав предприятий по стоимости основных фондов, численности занятых; структура основных фондов по степени их изношенности.
Анализ структурных группировок, взятых за ряд периодов или моментов времени, показывает изменение структуры изучаемых явлений, т.е. структурные сдвиги. В изменении структуры общественных явлений отражаются важнейшие закономерности их развития.
Структурные группировки являются описательными, так как при их помощи нельзя объяснить причины выявленных закономерностей и их изменения во времени и пространстве. Эти задачи статистика решает другими методами, среди которых основным считается метод аналитических группировок.
Для того, чтобы ориентироваться в сложных причинно-следственных связях, статистика концентрирует свое внимание на изучении связей между главными, решающими факторами и результативными показателями в однородной совокупности. Группировки, применяемые для решения этой задачи, называются аналитическими.
Признак, значения которого влияют на значения другого признака, называется факторным. Зависимый признак называется результативным.
Группировка производится по факторному признаку, рядом с которым фиксируются значения результативного. Производится анализ поведения результативного признака при изменении факторного.
Разделение на три вида, в зависимости от решаемых задач, носит относительный характер, так как группировка нередко бывает универсальной, одновременно выделяя типы, показывая структуру совокупности и отражая закономерности изменения значений одного признака в зависимости от другого.
В зависимости от степени сложности массового явления и от задач анализа группировки могут производиться по одному или нескольким признакам. Если группы образуются по одному признаку, группировка называется простой (например, распределение населения по возрастным группам).
Группировка по двум или нескольким признакам называется сложной.
Сложные группировки, в свою очередь, бывают комбинационными (два – четыре признака) и многомерными (любое число признаков свыше четырех).
Комбинационная группировка позволяет выявить и сравнить различия и связи между исследуемыми признаками, которые нельзя обнаружить на основе изолированных группировок по ряду группировочных признаков. Однако при изучении влияния большого числа признаков применение комбинационных группировок становиться невозможным, поскольку чрезмерное дробление информации затушевывает проявление закономерностей. Даже при наличии большого массива первичной информации приходится ограничиваться двумя – четырьмя признаками.
Использование в статистических исследованиях ЭВМ и статистической теории распознавания образов позволило разработать метод группировки совокупности единиц одновременно по множеству характеризующих признаков. Такие группировки получили название многомерных.
Многомерные группировки позволяют решать целый ряд таких задач экономико-статистического исследования, как формирование однородных совокупностей, выбор существенных признаков, выделение типичных групп и др.
Группируемые данные могут быть не упорядоченными, в этом случае полученная группировка является первичной. Если группировка производится на основании систематизированных в результате первичной группировки данных, то она относится ко вторичной.
Особым видом группировок является классификация.
Классификация – систематизированное распределение явлений и объектов на определенные группы, классы, виды, разряды на основании общих существенных признаков.[2, с.226]
По экономическому содержанию это типологическая группировка, в которой отражены значения группировочного признака, но отсутствует численность единиц в группах. В основе классификации лежат атрибутивные (качественные, описательные) признаки. Классификация выступает в роли своеобразного статистического стандарта, устанавливаемого на определенный промежуток времени, например, ЕГРПО. Общероссийский классификатор видов экономической деятельности, продукции и услуг (ОКПД), классификация основных фондов в промышленности, строительстве, капитальных вложений, затрат на производство и т.д.
Из изложенного о различных видах группировок видно, что основные задачи всех группировок тесно связаны между собой, взаимно переплетаются, дополняют друг друга. Так, выделение социально-экономических типов и размеров связано с изучением структуры явлений общественной жизни, а это в свою очередь дает возможность определять взаимосвязь между установленными типами и признаками, их характеризующими.
При построении группировки вначале следует определить группировочный признак, а затем количество групп.
Если признак атрибутивный (качественный) и имеет мало разновидностей, то количество групп определяется числом этих разновидностей. Таковы, например, группировки населения по полу, семейному положению, образованию; распределение население на городское и сельское.
При составлении группировок на основе количественного признака необходимо определить количество групп с помощью специальных расчетов и интервалы группировки.
Интервал группировки – количественное значение, отделяющее одну единицу (группу) от другой, т.е. интервал очерчивает количественные границы групп.
Как правило, величина интервала представляет собой разность между максимальным и минимальным значениями признака в каждой группе.
Количество групп и величина интервала связаны между собой: чем больше образовано групп, тем меньше интервал, и наоборот. Количество групп зависит от числа единиц исследуемого объекта и степени колеблемости группировочного признака. При небольшом объеме совокупности нельзя образовывать большое число групп, так как группы будут малочисленными.
При определении числа групп необходимо стремиться к тому, чтобы были учтены особенности изучаемого явления. Поэтому число групп должно быть оптимальным, в каждую группу должно входить достаточно большое число единиц совокупности, что отвечает требованию закона больших чисел. Однако в отдельных случаях представляют интерес и малочисленные группы: новое, передовое, пока оно не станет массовым, проявляется в незначительном числе фактов; поэтому задача статистики – выделить эти факты и изучить их.
На количество выделяемых групп существенное влияние оказывает степень вариации группировочного признака: чем она больше, тем больше следует образовать групп.
Ориентировочно определить оптимальное количество групп с равными интервалами можно по формуле американского ученого Стерджесса:
n= 1+3,322 lg N,
где N – численность единиц совокупности.
Формула Стерджесса пригодна при условии, что распределение единиц совокупности по данному признаку приближается к нормальному и при этом применяются равные интервалы в группах. Чтобы получить группы, адекватные действительности, необходимо руководствоваться сущностью изучаемого явления.
Интервалы могут быть равные и неравные. При исследовании экономических явлений могут применяться неравные (прогрессивно возрастающие, прогрессивно убывающие) интервалы. При неравных интервалах промежуток между двумя значениями признака изменяется от одной группе к другой. Возрастающие интервалы, которые увеличиваются от одной группы к другой, убывающие – уменьшаются.
Неравные интервалы чаще применяются при большой вариации группировочного признака.
Группировки с равными интервалами целесообразны в тех случаях, когда вариация проявляется в сравнительно узких границах и распределение является практически равномерным (например, при группировке рабочих одной профессии по размеру заработной платы).
Для группировок с равными интервалами величина интервала находится по следующей формуле:
i = R/n = Xmax – Xmin / n,
где Xmax, Xmin - наибольшее и наименьшее значения признака, n – число групп.
Прибавляя к минимальному значению признака найденное значение интервала, получаем верхнюю границу первой группы. Прибавляя далее величину интервала к верхней границе первой группы, получаем верхнюю границу второй группы, и т.д.
Интервалы групп могут быть закрытыми, когда указаны верхняя и нижняя границы, и открытыми, когда указана одна из границ (обычно в первой и последней группах). Например, при группировке работников по месячной заработной плате первая группа может быть определена до 2500 тыс.руб, а последняя – более 10 000 тыс.руб. В первой группе не обозначена нижняя граница интервала, в последней – верхняя.
Предполагается по данным по 30 предприятиям построить статистический ряд распределения организаций по прибыли от продаж, образовав 5 групп с равными интервалами.
Таблица 1
Исходные данные
Для определения групп предприятий определяем размер интервала по прибыли от продажи:
EMBED Equation.3
i = R / n = хmax – xmin / n
Формируем группы:
Делаем разноску предприятий по группам. Если значение показателя соответствует значению верхней границы интервала одной группы и нижнему значению границы интервала другой группы, то эту организацию мы относим к последнему.
Таблица 2
Разработанная таблица
На основании разработанной таблицы строим ряд распределения.
Таблица 3
Ряд распределения организаций по прибыли
Наибольшее число организаций сосредоточено в группе с прибылью от 5,1 до 8,4 млн.руб. – 12 организаций (40%); 7 организаций (23%) имеют прибыль от 1,8 до 5,1 млн.руб.; 5 организаций (17%) – в 3 группе с прибылью от 8,4 до 11,67 млн.руб. и в пятой группе сосредоточено 3 организации (7%) с выручкой от 11,67 до 14,94 млн.руб.
Построим аналитическую группировку:
Таблица 4
Аналитическая группировка предприятий по объему продаж и сумме ожидаемой прибыли
Из данных таблицы можно сделать вывод о том, что с увеличением объема продаж прибыль от первой к пятой группе увеличиваются. Это свидетельствует о наличии прямой связи между показателями.
В связи с тем, что уровень продаж продукции от первой к пятой группе возрастает в 2,04 раза, прибыль возрастает в 3,72 раза. Это свидетельствует о том, что связь между показателями корреляционная. Данные таблицы свидетельствуют о наличии корреляционной связи между прибылью и объемом продаж.
2.2. Анализ вариационных рядов
Ряды динамики – статистические данные, отображающие развитие во времени изучаемого явления. Их также называют динамическими рядами, временными рядами.
В каждом ряду динамики имеется два основных элемента:
показатель времени t;
соответствующие им уровни развития изучаемого явления y;
В качестве показаний времени в рядах динамики выступают либо определенные даты (моменты), либо отдельные периоды (годы, кварталы, месяцы, сутки).
Уровни рядов динамики отображают количественную оценку (меру) развития во времени изучаемого явления. Они могут выражаться абсолютными, относительными или средними величинами.
Проанализируем объем продаж ООО «Неотек» за 1999 – 2003 гг.
Для количественной оценки динамики социально–экономических явлений применяются статистические показатели: абсолютные темпы роста и прироста, темпы наращивания и т. д.
В основе расчета показателей рядов динамики лежит сравнение его уровней. В зависимости от применяемого способа сопоставления показатели динамики могут вычисляться на постоянной и переменной базах сравнения.
Для расчета показателей динамики на постоянной базе каждый уровень ряда сравнивается с одним и тем же базисным уровнем. Исчисляемые при этом показатели называются базисными. Для расчета показателей динамики на переменной базе каждый последующий уровень ряда сравнивается с предыдущим. Такие показатели называются цепными.
Абсолютный прирост – важнейший статистический показатель динамики, определяется в разностном соотношении, сопоставлении двух уровней ряда динамики в единицах измерения исходной информации. Бывает цепной и базисный :
Базисный абсолютный прирост EMBED Equation.2 определяется как разность между сравниваемым уровнем EMBED Equation.2 и уровнем, принятым за постоянную базу сравнения EMBED Equation.2 (формула 1):
EMBED Equation.2
Цепной абсолютный прирост EMBED Equation.2 – разность между сравниваемым уровнем EMBED Equation.2 и уровнем, который ему предшествует, EMBED Equation.2 :
EMBED Equation.2
Абсолютный прирост может иметь и отрицательный знак, показывающий, насколько уровень изучаемого периода ниже базисного.
Между базисными и абсолютными приростами существует связь : сумма цепных абсолютных приростов EMBED Equation.2 равна базисному абсолютному приросту последнего ряда динамики EMBED Equation.2 :
EMBED Equation.2
Ускорение – разность между абсолютным приростом за данный период и абсолютным приростом за предыдущий период равной длительности:
EMBED Equation.2
Показатель абсолютного ускорения применяется только в цепном варианте, но не в базисном. Отрицательная величина ускорения говорит о замедлении роста или об ускорении снижения уровней ряда.
Темп роста – распространенный статистический показатель динамики. Он характеризует отношение двух уровней ряда и может выражаться в виде коэффициента или в процентах.
Базисные темпы роста EMBED Equation.2 исчисляются делением сравниваемого уровня EMBED Equation.2 на уровень, принятый за постоянную базу сравнения EMBED Equation.2 , по формуле:
EMBED Equation.2
Цепные темпы роста EMBED Equation.2 исчисляются делением сравниваемого уровня EMBED Equation.2 на предыдущий уровень EMBED Equation.2 :
EMBED Equation.2
Если темп роста больше единицы (или 100%), то это показывает на увеличение изучаемого уровня по сравнению с базисным. Темп роста, равный единице (или 100%), показывает, что уровень изучаемого периода по сравнению с базисным не изменился. Темп роста меньше единицы (или 100%) показывает на уменьшение уровня изучаемого периода по сравнению с базисным. Темп роста всегда имеет положительный знак.
Между базисными и цепными темпами роста имеется взаимосвязь: произведение последовательных цепных темпов роста равно базисному темпу роста, а частное от деления последующего базисного темпа роста на предыдущий равно соответствующему цепному темпу роста.
Темпы прироста характеризуют абсолютный прирост в относительных величинах. Исчисленный в процентах темп прироста показывает, на сколько процентов изменился сравниваемый уровень по отношению к уровню, принятому за базу сравнения.
Базисный темп прироста EMBED Equation.2 вычисляется делением сравниваемого базисного абсолютного прироста EMBED Equation.2 на уровень, принятый за постоянную базу сравнения EMBED Equation.2 :
EMBED Equation.2
Цепной темп прироста EMBED Equation.2 - это отношение сравниваемого цепного абсолютного прироста EMBED Equation.2 к предыдущему уровню EMBED Equation.2 :
EMBED Equation.2 = EMBED Equation.2 : EMBED Equation.2
Между показателями темпа роста и темпа прироста существует взаимосвязь, выраженная формулами:
EMBED Equation.2 (%) = EMBED Equation.2 (%) -- 100
(при выражении темпа роста в процентах).
EMBED Equation.2 = EMBED Equation.2 -- 1
(при выражении темпа роста в коэффициентах).
Формулы используют для нахождения темпов прироста по темпам роста.
В статистической практике часто вместо расчета и анализа темпов роста и прироста рассматривают абсолютное значение одного процента прироста. Оно представляет собой одну сотою часть базисного уровня и в то же время – отношение абсолютного прироста к соответствующему темпу прироста: % = 0,01 * yi-1.
Важным статистическим показателем динамики социально–экономических процессов является темп наращивания, который в условиях интенсификации экономики измеряет наращивание во времени экономического потенциала.
Вычисляются темпы наращивания Тн делением цепных абсолютных приростов EMBED Equation.2 на уровень, принятый за постоянную базу сравнения, EMBED Equation.2 по формуле:
EMBED Equation.2
Для получения обобщающих показателей динамики социально-экономических явлений определяются средние величины: средний уровень, средний абсолютный прирост, средний темп роста и прироста и пр.
Средний уровень ряда динамики характеризует типическую величину абсолютных уровней.
В интервальных рядах динамики средний уровень у определяется делением суммы уровней EMBED Equation.2 на их число n:
EMBED Equation.2
В моментном ряду динамики с равноотстоящими датами времени средний уровень определяется по формуле:
EMBED Equation.2
В моментном ряду динамики с неравноотстоящими датами средний уровень определяется по формуле:
EMBED Equation.2 ,
где EMBED Equation.2 – уровни ряда динамики, сохранившиеся без изменения в течение промежутка времени EMBED Equation.2 .
Средний абсолютный прирост представляет собой обобщенную характеристику индивидуальных абсолютных приростов ряда динамики. Для определения среднего абсолютного прироста EMBED Equation.2 сумма цепных абсолютных приростов EMBED Equation.2 делится на их число n:
EMBED Equation.2
Средний абсолютный прирост может определяться по абсолютным уровням ряда динамики. Для этого определяется разность между конечным EMBED Equation.2 и базисным EMBED Equation.2 уровнями изучаемого периода, которая делится на m – 1 субпериодов:
EMBED Equation.2
Основываясь на взаимосвязи между цепными и базисными абсолютными приростами, показатель среднего абсолютного прироста можно определить по формуле:
EMBED Equation.2
Средний темп роста – обобщающая характеристика индивидуальных темпов роста ряда динамики. Для определения среднего темпа роста EMBED Equation.2 применяется формула:
EMBED Equation.2
где Тр1, Тр2 ,..., Трn -- индивидуальные (цепные) темпы роста (в коэффициентах), n -- число индивидуальных темпов роста.
Средний темп роста можно определить и по абсолютным уровням ряда динамики по формуле 19:
EMBED Equation.2

На основе взаимосвязи между цепными и базисными темпами роста средний темп роста можно определить по формуле:
EMBED Equation.2
Средний темп прироста можно определить на основе взаимосвязи между темпами роста и прироста. При наличии данных о средних темпах роста для получения средних темпов прироста используется зависимость, выраженная формулой:
EMBED Equation.2
(при выражении среднего темпа роста в коэффициентах)
Таблица 5
Объем продаж ООО «Неотек»
Анализируя таблицу 1 можно видеть, что в 2004 году наблюдается рост продаж в ООО «Неотек» по отношению к 2003 году, а именно 100,82%. В 2005 году также наблюдается рост продаж – 154,92%, в 2006 - 254,92%, в 2007 г. – 318,85%.
Анализируя цепной темп роста можно видеть, что в 2004 году наблюдается рост продаж по отношению к 2003 году на уровне 100,82%, в 2005 году по отношению к 2004 году - на уровне 26,94%, в 2006 году рост продаж по отношению к 2005 году составил 39,23%, в 2007 г. по отношению к 2006 г. – 18,01%.
Абсолютный прирост в 2004 году составил 123 тыс. руб. по отношению к 2003 году, в 2005 году – 189 тыс. руб., в 2006 году – 311 тыс. руб., в 2007 году – 389 тыс. руб. по отношению к 2003 году.
Относительный прирост базисный показывает, что по отношению к 2003 году наблюдается значительный рост продаж, также прирост продаж показывает относительный прирост цепной.
Абсолютное значение 1% прироста также демонстрирует устойчивый рост продаж в течение 5 лет.
Таблица 6
Объем продаж и аналитические показатели (средние) изменения уровней ряда динамики
Анализируя таблицу 2 можно видеть величину среднего уровня продаж, которая находится на уровне 324,4 тыс. рублей. Средний абсолютный прирост за 5 лет равен 97,2 тыс. руб., средний темп роста – 143,06%, средний темп прироста 43,06%.
3.Методы корреляционного и регрессионного анализа в маркетинговых исследованиях
Корреляционный анализ решает две основные задачи:
Первая задача заключается в определении формы связи, т.е. в установлении математической формы, в которой выражается данная связь.
Это очень важно, так как от правильного выбора формы связи зависит конечный результат изучения взаимосвязи между признаками.
Вторая задача состоит в измерении тесноты, т.е. меры связи между признаками с целью установить степень влияния данного фактора на результат.
Она решается математически путем определения параметров корреляционного уравнения.
Затем проводятся оценка и анализ полученных результатов при помощи специальных показателей корреляционного метода (коэффициентов детерминации, линейной и множественной корреляции и т.д.), а также проверка существенности связи между изучаемыми признаками.
Для определения степени тесноты парной линейной зависимости служит линейный коэффициент корреляции r, для расчета которого можно использовать следующие формулы:

Линейный коэффициент корреляции может принимать значения в пределах от -1 до + 1 или по модулю от 0 до 1. Чем ближе он по абсолютной величине к 1, тем теснее связь. Знак указывает направление связи: «+» - прямая зависимость, «-» имеет место при обратной зависимости.
Общий вид многофакторного уравнения регрессии имеет вид:
y = a + b1x1 + .. + bkxk
Многофакторная система требует не одного, а множества показателей тесноты связей. Основой измерения связей является матрица коэффициентов корреляции. На основе этой матрицы судят о тесноте связи факторов с результативным признаком и между собой. Не рекомендуется включать в уравнение регрессии факторы слабо связанные с результативным признаком, но тесно связанные с другими факторами. Множественный коэффициент корреляции определяется как отношение части вариации результативного признака, объясняемой за счет вариации входящих в уравнение факторов, к общей вариации результативного признака за счет всех факторов. Под вариацией понимается сумма квадратов отклонений индивидуальных значений от расчетных по уравнению регрессии (объясненная вариация) или от общей средней величины признака (общая вариация).
Для случая двух факторов коэффициент множественной детерминации вычисляется по формуле из парных коэффициентов корреляции::
EMBED Equation.3
Коэффициент частной детерминации фактора xm – это доля вариации у, не объясненной ранее включенными факторами. Если обозначить частный коэффициент детерминации ддя фактора xm как EMBED Equation.3 EMBED Equation.3 Тогда EMBED Equation.3
Для характеристики тесноты корреляционной связи между признаками в аналитических группировках межгрупповую дисперсию сопоставляют с общей.
Это сопоставление называйся корреляционным отношением и обозначается:
?2=?2/?2.
Оно характеризует долю вариации результативного признака, вызванной действием факторного признака, положенного в основание группировки. Корреляционное отношение по своему абсолютному значению колеблется в пределах от 0 до 1. Чем ближе корреляционное отношение к 1, тем большее влияние оказывает факторный признак на результативный. Если же факторный признак не влияет на результативный, то вариация, обусловленная им, будет равна нулю (?2= 0) и корреляционное отношение также будет равно нулю (?2= 0), что говорит о полном отсутствии связи. И наоборот, если результативный признак изменяется только под воздействием одного факторного признака, то вариация, обусловленная этим признаком, будет равна общей вариации (?2=?2) и корреляционное отношение будет равно единице (?2= 1), что говорит о существовании полной связи.
Критерий Пирсона можно представить как сумму отношений квадратов расхождений между f' и f к теоретическим частотам: EMBED Equation.3
Вычисленное значение критерия ?2расч необходимо сравнить с табличным (критическим) значением ?2табл. Табличное значение определяется по специальной таблице, оно зависит от принятой вероятности Р и числа степеней свободы k (при этом k = m - 3, где m - число групп в ряду распределения для нормального распределения). При расчете критерия согласия Пирсона должно соблюдаться следующее условие: достаточно большим должно быть число наблюдений (n ? 50), при этом если в некоторых интервалах теоретические частоты меньше 5, то интервалы объединяют для условия больше 5.
Если ?2расч ? ?2табл, то расхождения между эмпирическими и теоретическими частотами распределения могут быть случайными и предположение о близости эмпирического распределения к нормальному не может быть отвергнуто.
Коэффициент ранговой корреляции Спирмена - это непараметрический метод, который используется с целью статистического изучения связи между явлениями. В этом случае определяется фактическая степень параллелизма между двумя количественными рядами изучаемых признаков и дается оценка тесноты установленной связи с помощью количественно выраженного коэффициента.
Корреляционно-регрессионный анализ позволяет количественно оценить взаимосвязи между социально-экономическими явлениями. В модель были включены следующие факторы:
Среднегодовая численность работающих на предприятиях и организациях.
Число крупных и средних предприятий в промышленности.
Объем промышленной продукции.
Результативным фактором был выбран показатель товарооборота предприятий торговли.
Значения этих показателей представлены в таблице:
Таблица 8
Получим, корреляционное поле.
Таблица 9
Проанализируем данные полученной таблицы: наиболее тесная взаимосвязь наблюдается между показателями число крупных и средних предприятий в промышленности и объемом промышленной продукции, наименьшая – между товарооборотом предприятий торговли и среднегодовой численностью работающих на предприятиях и организациях.
Таким образом, в конечную модель будут включены следующие факторы:
Объем промышленной продукции.
Число крупных и средних предприятий в промышленности.
Составим модель, используя статистический пакет.
Таблица 10
Регрессионная статистика
Таблица 11
Дисперсионный анализ
Считается, что уравнение регрессии пригодно для фактического использования в том случаи, если F-расчетное превышает F-табличное не менее чем в 4 раза.
В предложенной модели фактическое значение F-критерия Фишера (0,007), более чем в 4 раза превышает теоретическое, равное 6,319, что свидетельствует о том, что полученная модель адекватна.
Найдем линейное уравнение множественной регрессии. В общем виде оно будет иметь вид: y=а0+а1х1+а2х2+а3х3.
Для нахождения коэффициентов уравнения множественной регрессии (а0….а3) необходимо воспользоваться методом наименьших квадратов, в котором они находятся решением системы нормальных уравнений, где в качестве решений принимается точка минимума сумма квадратов отклонений.
Воспользовавшись статистическим пакетом, встроенным в Microsoft Office, получим:
Таблица 12
Проанализируем полученную модель: таким образом, в нее были включены только те факторы, которые показывают высокую степень тесноты связи между товарооборотом предприятий торговли - числом крупных и средних предприятий в промышленности и объемом промышленной продукции. Показателем тесноты связи между результативным и факторными признаками является совокупный коэффициент множественной корреляции (множественный R в таблице 11). В нашем случае он составляет 0,604, то есть наблюдается заметное одновременное влияние факторных признаков на результативный.
R - квадрат – совокупный коэффициент множественной детерминации, показывает долю вариации изучаемого результативного признака под влиянием факторов, включенных в уравнение множественной регрессии. В нашем случаи он равен 0,365, от есть, факторные признаки на 36,5% повлияли на изменение товарооборота предприятий торговли, а остальные 60,4% - другие, неучтенные в модели факторы.
Таким образом, это влияние заметное, но необходимо проверить полученную модель на адекватность. Для этого используем F-критерий Фишера (т.к. в совокупности 25 единиц).
Таким образом, уравнение множественной регрессии будет иметь следующий вид: y = 3262,614 – 47,984x1+0,363x2, что позволяет сделать вывод о степени влияния каждого из двух факторов на показатель товарооборота предприятий торговли. Параметр a1 = -47,984 свидетельствует о том, что с увеличением количества крупных и средних предприятий в промышленности на 1 следует ожидать снижения товарооборота предприятий торговли на 47,984 рублей (обратная связь). Повышение же объема промышленной продукции на 1 млн. рублей может привести к увеличению товарооборота предприятий торговли на 0,363 млн.рублей.
Заключение
В настоящее время маркетинговые исследования и их надлежащая организация становится инструментом, с помощью которого существенно снижается риск предпринимательства. Проведя заранее исследование, мы уже на ранней стадии можем выявить все возможные проблемы, которые могут возникнуть при осуществлении предпринимательской деятельности, возрастает качество решения задач потребителя.
Главное назначение (результат) маркетинговых исследований - это генерирование маркетинговой информации для принятия решений в области взаимодействия (коммуникаций) субъектов маркетинговой системы, таких решений, которые обеспечивали бы требуемое рынком количество и качество товарных и сервисных сделок, соблюдая требования основных факторов внешней среды и потребителя.
Главная цель маркетинговых исследований заключается в разработке концепции общего представления о структуре и закономерностях динамики рынка и обосновании необходимости и возможностей конкретной фирмы для более эффективной адаптации ее производства, технологий и структуры, а также выводимой на рынок продукции или услуг к спросу и требованиям конечного потребителя.
В соответствии с целями и задачами курсовой работы можно сделать следующие выводы:
Анализ маркетинговой информации является самым важным и основным инструментом получения достаточно достоверных данных о состоянии всех компонентов маркетингового окружения. Причём выбор методов анализа обязательно должен подбираться в соответствии с целями и задачами исследования, от этого в полной мере будет зависеть эффективность и достоверность исследования, его конечные результаты. Хорошо организованное, продуманное исследование – залог успеха на рынке.
Список литературы
Аристархова Н. Маркетинг рынка предметов потребления// Маркетинг, № 6, 2006, с. 24-30
Ассэль Генри. Маркетинг: принципы и стратегия: Учебник для вузов – М.: ИНФРА-М, 2007. – 804 с.
Басовский Л.Е. Маркетинг: курс лекций. М.: ИНФРА-М, 2008. – 219 с.
Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз: Учебное пособие. – М.: Финансы и статистика, 2008. – 320 с.
Березин И.С. Маркетинг и исследование рынка. М.: Русская Деловая Литература, 2003.-416 с.
Благаев В.И. Маркетинг в определениях и примерах. – СПб.: Двадцатый трест, 2003.-377с.
Бревнов А.А. Маркетинг малого предприятия: Практическое пособие.-К.: ВИРА –Р, 2007.-384 с.
Герчикова И. Методика проведения маркетинговых исследований//Маркетинг, №3, 2003, с.31-42
Голубков Е.П. Маркетинговые исследования: теория, методология и практика. 2-ое изд, перераб. И доп. – М.: изд-во «Финпресс», 2006.-464 с.
Горелова А. Маркетинговое исследование: многоаспектный взгляд//маркетинг, № 6, 2006, с. 19-23.
Дорошев В.И. Введение в теорию маркетинга: Учебное пособие.-М.: ИНФРА-М, 2006.-285 с.
Дуровин А.П. Маркетинг предпринимательской деятельности. – Минск.: НПЖ «Финансы, учет, аудит», 2004.-464 с.
Жуков В. Рынок товаров легкой промышленности// Кожевенно-обувная промышленность, №6, 2008, с.5-9
Карпов В. Маркетинговое исследование рынка// Маркетинг, №2, 2004, с.78-88
Ковалев А.И., Войленко В.В. Маркетинговый анализ. – М.: Центр экономики и маркетинга, 2003.-176 с.
Короткий Ю. Формализация подхода к маркетинговым исследованиям//Маркетинг, №2, 2008, с. 65-70
Котлер Ф. Основы маркетинга. Пер. с англ. – М.: Прогресс, 1991.-698 с.
Кротов А. Сегментация по важности свойств продукта// Маркетинг, №5, 2006, с. 30-55
Крылова Г.Д., Соколова М.И. Маркетинг. Теория и 86 ситуаций: Учебное пособие для вузов. – М.: ЮНИТИ – ДАНА, 2007.-519 с.
Лебедев О.Т., Филипова Т.Ю. Основы маркетинга. – СПб.: ИД «МиМ», 2003.-224 с.
Панкрухин А.П. Маркетинг: Учебник.-М.: Институт международного права и экономики им. А.С. Грибоедова, 2008.-398 с.
Попов Е. Планирование маркетинговых исследований на предприятии//Маркетинг, №1,2008, с. 101-108
Романов А.Н., Корлютов Ю.Ю. Маркетинг: Учебник. – М.: Банки и Биржи, 2003.-560 с.
Уткина Э.А. Маркетинг.-М.: Ассоциация авторов и издателей «ТАНДЕМ» Изд-во ЭКМОС, 2007.-320 с.