интересно
Предыдущая | Содержание | Следующая

Статистические модели

Статистические модели предполагают проведение нескольких серий измерений, дающих возможность статистическими методами контролировать и анализировать влияние посторонних факторов. Иными словами, несколько одинаковых экспериментов проводится одновременно. Таким образом, на результаты, полученные в рамках статистического моделирования, влияют те же факторы недостоверности, что и на результаты, полученные в рамках базовых моделей. Статистические модели имеют следующие преимущества.

Можно измерить влияние более чем одного независимого фактора.

Конкретные посторонние факторы поддаются статистическому контролю.

Экономически значимые выводы можно сделать при условии, что проводится более одного измерения каждой единицы.

Наиболее распространенными статистическими моделями являются модели случайных Групп, латинского квадрата и факториальные методы.

Модель случайных групп

Модель случайных групп (randomized block design) полезна в тех случаях, когда существует только один значимый посторонний фактор (такой как объем продаж, доходы респондента, размер магазина), способный повлиять на значение зависимой переменной. Единицы наблюдения разбиваются по категориям в зависимости от значений этого постороннего фактора. Исследователь должен иметь возможность определить и измерить разницу в значении постороннего фактора между отдельными категориями. Выделением категорий единиц наблюдения исследователь обеспечивает равное представительство единиц наблюдения из каждой категории в экспериментальных и контрольных группах, формируемых для проведения эксперимента.

Как показывает пример, в большинстве случаев маркетинговых исследований посторонние факторы, такие как объем продаж, размер магазина, тип магазина, его расположение, род занятий и социальный статус респондентов, влияют на значения зависимых переменных. Таким образом, модель случайных групп употребляется чаще, чем модели, основанные на случайном отборе респондентов. Однако основным недостатком этой модели является то, что исследователь с ее помощью может в каждом отдельном случае контролировать только один посторонний фактор. Б ситуациях, когда необходимо контролировать несколько посторонних факторов одновременно, используются модель Латинского квадрата или факториальные модели.