интересно
Предыдущая | Содержание | Следующая

Модель латинского квадрата

Модель латинского квадрата (Latin square design) позволяет наряду с манипуляциями с независимой переменной контролировать два невзаимосвязанных посторонних фактора. В зависимости от значений каждого из двух контролируемых посторонних, или категориальных, факторов выделяется одинаковое количество категорий респондентов. Одновременно выделяется такое же количество значений независимого фактора. Модель латинского квадрата можно представить в виде таблицы (табл. 7.5), в которой колонки и строки представляют собой отдельные категории респондентов, выделенные в зависимости от значений каждого из посторонних факторов. Таким образом, каждая ячейка таблицы представляет группу респондентов, удовлетворяющую одновременно условиям принадлежности к одной из категорий каждого из двух контролируемых посторонних факторов. Затем устанавливается соответствие между значениями независимой переменной и группами респондентов, попавшими в каждую ячейку таблицы. Правило установления соответствия заключается в том, что каждое значение независимого фактора должно появляться только один раз в каждой строке и в каждом столбце, как показано в табл. 7.5.

Примечание. А, В и С — три образца рекламных роликов, выполненных соответственно в серьезном стиле, в легком юмористическом и шуточном стиле.

Хотя модель латинского квадрата весьма популярна в маркетинговых исследованиях, она все же не свободна от недостатков. Ее применение требует выделения одинакового количества категорий респондентов по обоим контролируемым посторонним факторам и такого же количества значений базисного фактора, что иногда проблематично. Примечательно, что в приведенном примере потребовалось объединить покупателей, редко совершающих покупки в универмаге, и лиц. не являющихся покупателями универмага, в.одну категорию для того, чтобы применение модели латинского квадрата стало возможным. Кроме того, можно контролировать одновременно только два посторонних фактора. Контроль большего количества посторонних факторов возможен при применении одного из вариантов этой модели, модели греко-латинского квадрата- Кроме того, модель латинского квадрата не позволяет определить характер взаимодействия посторонних факторов между собой или с независимым фактором. Для анализа взаимодействий такого рода необходимо использовать факторные модели.

Факторная модель

Факторная модель (factorial design) измеряет влияние различных значений двух и больше независимых переменных. В отличие от модели случайных групп и латинского квадрата, факторная модель допускает взаимодействие между независимыми факторами 121). Взаимодействие между факторами возникает, если их совместное воздействие отличается от простого суммарного воздействия обоих факторов. Например, респондент может назвать своим любимым напитком кофе, а отдавать предпочтение охлажденным напиткам. Однако это не значит, что данный респондент изо всех напитков предпочитает холодный кофе, что свидетельствует о наличии эффекта взаимодействия между анализируемыми независимыми факторами.

Факторную модель также можно представить в виде таблицы. Если в анализе участвуют два независимых фактора, то каждое значение одного из них будет представлено в отдельной строке, а каждое значение другого — в отдельной колонке таблицы. Если факторов больше двух, то таблица становится многомерной. Каждая ячейка в факторной таблице представляет собой респондента или группу респондентов, которой демонстрировалась определенная комбинация значений независимых факторов.

Предположим, что в дополнение к исследованию фактора наличия юмора в рекламном ролике из предшествующего примера исследователь заинтересован также в исследовании фактора количества информации об универмаге. Количество информации об универмаге можно варьировать по трем категориям: значительное, среднее и незначительное. Как показано в табл. 7.6, в этом случае потребуется 3 хЗ = 9 ячеек таблицы.

Респондентов нужно отобрать случайным образом и таким же образом распределить по девяти группам (ячейкам). Респондентам в каждой группе (ячейке) будет продемонстрирована различная комбинация независимых факторов. Например, респондентам в левой верхней ячейке будет показан рекламный ролик, выполненный в серьезном стиле и содержащий незначительное количество информации об универмаге. Результаты исследования свидетельствуют о значительной взаимосвязи между двумя независимыми факторами. Респонденты, которым представили ролики с незначительным количеством информации об универмаге, предпочли выполненный в шуточном стиле (С). Респонденты, которым демонстрировались ролики со значительным содержанием информации об универмаге, предпочли выполненный в серьезном стиле (А). Примечательно, что хотя табл. 7.6 может показаться чем-то похожей на табл. 7.4. тем не менее случайный отбор респондентов и характер анализа данных очень отличают факторную модель от модели случайных групп. Еще один пример применения факторной модели приведен ниже.

Основной недостаток факторной модели в том, что количество различных комбинаций независимых факторов возрастает в геометрической прогрессии с ростом количества факторов и категорий, или уровней, в них выделяемых. В примере с Burke Marketing Services, если бы цена устанавливалась по шести категориям ($0,99, $1,07, $1,27, $1,47, $1,67 и $1,99), а информация о конкурентных продуктах — по трем (отсутствие информации, частичная информация, полная информация), то количество ячеек в таблице подскочило бы с 5 до 18-ти. При этом включение всех возможных комбинаций независимых факторов необходимо в том случае, если нужна информация о влиянии всех факторов и их взаимодействии. Если исследователь заинтересован в информации лишь о некоторых комбинациях факторов, можно использовать фрагментарную факторную модель. Как видно из названия, эта модель представляет собой лишь фрагмент, или часть соответствующей полной факторной модели.