Оглавление

3. НЕПАРАМЕТРИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ В МАРКЕТИНГЕ

При оценивании качества товаров как совокупности трудно измеряемых свойств очень часто прибегают к экспертным методам. На численном примере (данные взяты из источника [10]) рассматривается методика и последовательность проведения опроса и обработки полученных данных.

Для выявления узлов автомобилей КамАЗ с низкой надежностью свойством, которое является главным показателем качества механических систем, осуществлен опрос экспертов (табл. 19). Они присваивали ранг, равный единице, самому надежному по их мнению узлу и ранг, равный числу объектов, – девяти, наименее надежным. Промежуточные ранги присваивались узлам также в порядке снижения надежности: численное значение ранга увеличивалось по мере снижения надежности. Некоторым объектам присваивались одинаковые ранги, если эксперты считали их надежность одинаковой, соответствующей одному уровню. В принципе, можно было бы присваивать и дробные ранги. Для простоты обработки результатов нужно, чтобы сумма рангов в каждой строке

s = 0,5k(k + 1),  (3.1)

где k – число оцениваемых объектов, в данном случае узлов автомобиля.

По результатам ранжирования вычисляется сумма рангов x_j для каждого объекта, которая и является оценкой исследуемого показателя качества.

Для оценки согласованности мнений экспертов вычисляется коэффициент конкордации. Он представляет собой дробь, в числителе которой сумма квадратов отклонений суммарных рангов x_j от общей средней их величины.

  а = 0,5m(k + 1), (3.2)

где m – число экспертов; k – число ранжируемых узлов.

Сумма квадратов отклонений

  (3.3)

В знаменателе дроби максимально возможная сумма квадратов отклонений, которая могла бы быть при полном совпадении мнений экспертов и отсутствии одинаковых и дробных рангов по строкам, представлена выражением:

      (3.4)

Производим вычисления (см. табл. 19):

a = 0,5m(k+1) = 0,5·9(9 + 1) = 45.

Пример 1.

№ п/п	Эксперты, специалисты, проработавшие в сфере эксплуатации, технического обслуживания и ремонта автомобилей КамАЗ не менее десяти лет	Узлы автомобилей КамАЗ
		Двигатель	Сцепление, делитель, КП	Мосты	Задняя подвеска	Пневмопривод тормозной системы	Узлы электрооборудования	Передняя подвеска	Рулевое управление	Другие механизмы и системы управления
1	Главный инженер	1	4	1	4	8	6	9	5	7
2	Заместитель директора	1	3	2	5	9	7	6	4	8
3	Механик-эксплуатационник	1	2	2	4	6	8	7	6	9
4	Технолог-ремонтник	2	3	1	5	6	7	9	4	8
5	Механик-ремонтник	2	1	3	6	5	9	7	4	8
6	Водитель	3	4	1	2	6	8	7	5	9
7	Водитель	2	1	4	4	6	7	8	4	9
8	Водитель	5	2	1	5	4	8	6	5	9
9	Водитель	2	1	2	6	4	8	9	7	6
	xj	19	21	17	41	54	68	68	44	73
	xj – a	–26	–24	–28	–4	9	23	23	–1	28
	Lj2	676	576	784	16	81	529	529	1	784

Максимально возможная величина суммы квадратов отклонений, которая может иметь место при полном совпадении мнений экспертов с учетом наличия связанных рангов,

  (3.5)

где r – число строк, имеющих связанные ранги; T_u – величина, учитывающая число типов связанных рангов в строке,

где t – число q-х типов равных рангов в u-й строке; n – число типов связанных рангов в строке.

Первая строка табл. 19 имеет два связанных ранга одного типа (связанных по два ранга): 1, 1 и 4, 4, поэтому

Т₁ = (2³ – 2) + (2³ – 2) = 12.

Вторая строка не имеет связанных рангов, Т₂ = 0, третья строка имеет два связанных ранга одного типа: 2, 2 и 6, 6, поэтому

Т₃ = (2³ – 2) + (2³ – 2) = 12.

Четвертая, пятая и шестая строки связанных рангов не имеют и Т₄ = Т₅ = Т₆ = 0, седьмая срока имеет один тип связанных рангов, но отличный от предыдущих (здесь тройная связка 4,4,4), поэтому

Т₇ = (3³ – 3) = 24.

Восьмая строка имеет один трижды связанный ранг: 5,5,5 и Т₈ = (3³ – 3) = 24, а для девятой строки, имеющей связанные ранги 2, 2 и 6, 6 Т₉ = (2³ – 2) + (2³ – 2) = 12, поэтому суммарное значение

Т_u = 12 + 12 + 24 + 24 + 12 = 84.

Коэффициент конкордации

Проверка согласованности мнений экспертов осуществляется с использованием  – мощного критерия (табл. 9 приложения), минимизирующего ошибку второго рода (принятие неверной гипотезы), при уровне значимости α – вероятности забраковать справедливую гипотезу (ошибка первого рода) и числе степеней свободы f.

Значение  – статистики вычисляется по формуле

где m – число экспертов; f – число степеней свободы f =k – 1, W – коэффициент конкордации.

При условии, что величина -статистики превышает критическое значение  при уровне значимости α и числе степеней свободы f, т. е.  гипотеза о согласованности мнений экспертов не отвергается.

В рассматриваемом примере при m = 9, f = 8, α = 0,05, поэтому

χ² = 9(9 – 1)0,829 = 59,688 > χ²_кр(0,05; 8) = 15,507

(по табл. 9 приложения), следовательно, гипотеза о согласованности мнений экспертов не отвергается.

Пример 2. Проранжировать основные виды транспорта (табл. 20) в свете эффективности их использования для крупных отправителей по шести критериям (m = 6). Данные взяты из источника [7].

Таблица 20
Оценки видов транспорта по критериям крупных отправителей

Решение. Сумма рангов по строкам:

S = 0,5k(k + 1) = 0,5·5(5 + 1) = 15.

Общая средняя а = 0,5m(k + 1) = 0,5·6(5 + 1) = 18,

где m – число показателей ранжирования; k – число ранжируемых объектов.

Сумма квадратов отклонений

Максимально возможная сумма квадратов отклонений при отсутствии связанных рангов

Значение коэффициента конкордации

.

Для оценки существенности коэффициента конкордации при числе критериев оценки эффективности транспорта m = 6 и числе степеней свободы, равном числу ранжируемых объектов минус единица (f = k – 1 = 5 – 1 = 4) вычисляется значение -ста-тистики:

 = mfW = 6·4·0,078 = 1,872 < _кр(0,05; 4) = 9,488.

Критическое значение (табл. 9 приложения) превышает найденную величину , гипотеза о справедливости присвоенных рангов видам транспорта, представленным в табл. 20, отклоняется, поскольку ранги, образующие совокупность, неразличимы, отличия между ними несущественны, количество использованной информации для их определения мало. По смыслу задачи можно увеличить число критериев оценки эффективности транспорта и тогда из однородной совокупности оценок можно было бы выделить существенные отличия между ними, если они есть в действительности, в смысле эффективности перевозок в сложившихся условиях.

С другой стороны, данная методика не позволяет использовать всю информацию табл. 20: в формулу оценки существенности W вошли m и f, но не сами ранги, имеющиеся в табл. 20, а это существенная информация, так как количество рангов равно тридцати. Методика также позволяет оценивать согласованность сразу всех суммарных рангов в совокупности, но может оказаться, что некоторые ранги определены экспертами четко и однозначно, а остальные практически не различимые суммарные ранги размывают, затушевывают картину. Поэтому для выделения из совокупности отличного от остальных суммарного ранга применяется способ исключения резко выделяющихся наблюдений, позволяющий использовать большую информацию, чем рассматриваемый способ Кендалла.

Суть заключается в том, что последовательно в вариационном ряду суммарных рангов: 14, 17, 19, 19, 21, определяются резко выделяющиеся значения с помощью специального ζ-критерия (табл. 21). И если таковые окажутся, то они и есть ярко выраженные, по праву занимающие свое место в исследуемом ранжире суммарные ранги. Формула, применяемая для этой процедуры, включает оценку среднего квадратического отклонения, вычисляемого по всем тридцати рангам шестерых экспертов (табл. 4 приложения).

Значение ζ-статистики вычисляется по формуле

,

где η_j – j-й член вариационного ряда;  – среднее значение членов вариационного ряда; s* – среднее квадратическое отклонение членов вариационного ряда.

При ζ(η, s*) > ζ_кр (η, s*) гипотеза о принадлежности η_j к исследуемому вариационному ряду отвергается. Поскольку в данном ряду больше всех выделяется суммарный ранг 14, то значение
ζ-статистики

т. е. гипотеза о принадлежности ранга 14 вариационному ряду отвергается (табл. 4 приложения).

Вторым по величине отклонения от среднего значения  является суммарный ранг 21, для него значение ζ-статистики, вычисленное по той же формуле,

т. е. гипотеза о принадлежности суммарного ранга 21 к исследуемому вариационному ряду также отвергается (табл. 4 приложения) и может быть принята конкурирующая гипотеза о том, что суммарный ранг 21 так же, как и ранг 14, резко выделяется из членов вариационного ряда.

Значение ζ-статистики для остальных членов вариационного ряда (17, 19, 19), имеющих абсолютное отклонение от среднего значения равное 1,

т. е. гипотеза о принадлежности этих трех членов к исследуемому вариационному ряду не отвергается (табл. 4 приложения).

Следовательно, автомобильный транспорт для перевозок грузов крупными отправителями в создавшихся условиях наиболее эффективен, воздушный – самый неэффективный, водный, железнодорожный и трубопроводный по эффективности однородны (безразлично, каким пользоваться) и делят второе, третье и четвертое места.

3.2. Оценивание существенности влияния

рейтинга марки товара на прибыль фирм

От 50 до 90 % статистических данных, используемых в экономике, социологии, медицине, технике, имеют нечисловую природу и могут быть оценены только качественно [8]. Для количественной оценки качественных признаков используются ранги – числа, определяемые эвристическими методами. Ранги приближенно указывают на уровень качества (как совокупности свойств) объекта. Чаще всего при решении практических задач для нахождения их величин используется метод экспертных оценок. В некоторых случаях, когда часть данных – результат маркетинговых измерений, для преобразования натуральных значений экспериментальных данных в соответствующие ранги применяют интервальный метод. Он предусматривает вычисление длины интервала путем деления величины размаха выборки на количество интервалов, принимаемое исследователем, исходя из точности измерений, удобства обработки и представления результатов и т. п., установление соответствия каждого значения данных наблюдений найденным интервалам и присвоение им рангов, соответствующих уровням качества.

Пример. С целью оценки существенности влияния рейтинга марки товара на долю прибыли в объеме продаж [6] для фирм США и Великобритании проведены расчеты, представленные в табл. 22. Для установления согласованности расчетных данных с фактическими значениями рейтинга с позиций доли прибыли в объеме продаж необходимо заменить данные строки 2 соответствующими рангами.

Решение. Учитывая, что количество интервалов k = 4; максимальное значение показателя Х_max в строке 2 равно 17,9, а минимальное Х_min = – 5,9 и размах выборки

R = X_max – X_min,; R = 17,9 – (– 5,9) = 23,8,

получим длину интервала:

d = R/k; d = 23,8/4 = 5,95.

Это позволяет вычислить границы интервалов (табл. 23), например, для первого интервала верхняя граница 17,9, нижняя 17,9 – 5,95 = 11,95 и т. д.

Номер интервала
1	2	3	4
Граница интервала
17,9–11,95	11,95–6,00	6,00–0,05	0,05–(–5,90)

Из табл. 22 и 23 видно, что значение 17,9 попадает в первый интервал, значение 2,8 – в третий интервал, а (–0,9) и (–5,9) – в четвертый. Следовательно, значению 17,9 соответствует ранг 1, значению 2,8 – ранг 3, значению (–0,9) – ранг, равный 4, и, наконец, значению (–5,9) – тоже ранг 4. Поскольку предварительные рейтинги марок, по сути, и есть их ранги, то для дальнейшей обработки данных табл. 22 их следует преобразовать, заменив количественные показатели второй строки соответствующими рангами (табл. 24).

Для оценки согласованности предварительного рейтинга марки и долей прибыли в объеме продаж товара в данном случае может быть использован коэффициент множественной качественной конкордации [8]:

  (3.6)

где n – объем выборки или число объектов; k – число качественных уровней k = 2, 3, …, q; S(v) – сумма вариаций качественных оценок; m – количество признаков.

Параметр m в формулу (3.6) входит неявно, по нему осуществляется суммирование для каждого из признаков, определяющих в конечном счете S(v):

,  (3.7)

где  средние значения рангов по столбцам; средние квадратов рангов по столбцам.

В соответствии с табл. 24 для первого столбца = (1 + 1)/2 = 1, для второго оно равно 2,5, для третьего – 3,5, для четвертого – 4.

Средняя квадратов по столбцам: для первого столбца  = (1² + 1²)/2 = 1, для второго – 6,5, для третьего – 12,5, для четвертого – 16.

Вариации по столбцам: для первого столбца – var₁(x) = 1 – 1² = = 0; для второго var₂(x) = 6,5 – 2,5² = 0,25; для третьего var₃(x) = 12,5 – 3,5² =
= 0,25; для четвертого var₄(x) =16 – 4² = 0.

Сумма вариаций (табл. 25): S(v) = 0 + 0,25 + 0,25 + 0 = 0,5.

Коэффициент множественной качественной конкордации в соответствии с формулой (3.6) при n = 4, k = 4:

Учитывая, что степень согласованности при W(k) < 0,75 – «слабая», при 0,75 < W(k) < 0,85 – «средняя», при 0,85 < W(k) < 0,95 – «выше средней», при W(k) > 0,95 – «сильная», уровни качества товаров с рейтингами 3 и 4 практически не различимы.

Кластер – некоторая совокупность «родственных» объектов, объединенных по набору общих для этих объектов признаков.

В сравнительной характеристике различных видов транспорта (табл. 26) каждому из них присвоены ранги в зависимости от эффективности, определяемой показателями качества перевозок [7]. Ранг 1 присвоен показателям с очень низкой эффективностью, ранг 2 – с низкой эффективностью, 3 – со средней эффективностью, 4 – с хорошей, 5 – с очень хорошей. Анализируются пять видов транспорта по пяти их существенным показателям с целью выявления кластеров для выбора эффективного способа перевозок.

Вид транспорта	Стоимость за милю А1	Скорость поставки А2	Стабильность графика поставок А3	Гибкость обработки груза А4	Месторасположение А5
Воздушный	1	5	3	2	2
Водный	5	1	2	5	3
Жел. дор.	3	4	4	5	4
Автомобильный	2	4	4	3	5
Трубопроводный	3	2	5	1	1

Вычисляется (табл. 27) коэффициент сходства для всей совокупности объектов (для всех пяти видов транспорта) по формуле (3.6):

Средние	2,8	3,2	3,6	3,2	3,0	Сумма
Средние квадратов	9,6	12,4	14	12,8	11,0
Var(x)	1,76	2,16	1,04	2,56	2,0	S(v) = 9,52

Коэффициент при n = 5 и k = 5:

Для формирования матрицы парных свойств рассчитываются коэффициенты сходства для каждой пары объектов.

Например, расчет коэффициента сходства качественных оценок для воздушного и водного транспорта представлен в табл. 28.

Воздушный транспорт	1	5	3	2	2
Водный транспорт	5	1	2	5	3
Средние значения оценок	3	3	2,5	3,5	2,5
Средние квадратов	13	13	6,5	14,5	6,5
Var (x)	4	4	0,25	2,25	0,25

Сумма вариаций качественных оценок

S(v) = 4 + 4 + 0,25 + 2,25 + 0,25 = 10,75,

коэффициент сходства в соответствии с формулой (3.6)

Вычислив коэффициенты сходства для всех пар, получим матрицу парных сходств в виде табл. 29.

Из табл. 29 следует, что первый кластер (А₃, А₄) состоит из элементов с парным коэффициентом сходства, соответствующим «выше средней» плотности оценок. Второй кластер (А₁, А₄, А₅) содержит элементы с парными коэффициентами сходства, соответствующими «средней» плотности.

	А1	А2	А3	А4	А5
А1	1	0,463	0,763	0,838	0,763
А2		1	0,775	0,625	0,575
А3			1	0,925	0,625
А4				1	0,675
А5					1

Коэффициент сходства между кластерами вычисляется по формуле (3.6), элементами расчетной матрицы служат все элементы, образующие эти кластеры: А₁, А₂, А₃, А₄, А₅ (табл. 30).

Вид транспорта	А1	А2	А3	А4	А5
Воздушный	1	5	3	2	2
Жел. дор.	3	4	4	5	4
Автомобильный	2	4	4	3	5
Трубопроводный	3	2	5	1	1
Средние	2,25	3,75	4	2,75	3
Средние квадратов	5,75	15,25	16,5	9,75	11,5
Var(x)	0,69	1,19	0,5	2,19	2,5

Вычисляем S(v) = 0,69 + 1,19 + 0,5 + 2,19 + 2,5 = 7,07.

Коэффициент сходства,

т. е. первый и второй кластеры практически не имеют сходства, являясь независимыми скоплениями сходных между собой оценок.

Центр кластера [8] – некоторый условный объект, координаты которого есть средние значения соответствующих координат всех объектов, входящих в кластер. Например, для кластера (А₃, А₄) средние значения координат составят:

1) (3 + 2 )/2 = 2,5;  2) (4 + 4)/2 = 4;  3) (4 + 4)/2 = 4;  4) (5 + 3)/2 = 4;

5) (4 + 5)/2 = 4,5, т. е. центр кластера будет иметь координаты, приведенные в табл. 31.

А1	А2	А3	А4	А5
2,5	4	4	4	4,5

Для нахождения центра второго кластера (А₁, А₄, А₅) необходимо вычислить координаты пар (табл. 9) А₁, А₄,  А₁, А₅, а затем подсчитать их средние значения. Координаты пар находят так же, как и координаты центра кластера (А₃, А₄). Координаты центра второго кластера – средние по столбцам табл. 32.

Координаты пары А1, А4	1,5	4,5	3,5	2,5	3,5
Координаты пары А1, А5	2,0	3,5	4,0	1,5	1,5

Данные для расчета коэффициента сходства между кластерами (А₃, А₄) и (А₁, А₄, А₅) представлены в табл. 33.

Вычисляем S(v) = 0,14 + 0,02 + 1 + 1 = 2,16.

Коэффициент сходства между центрами первого и второго кластеров

Расстояние между кластерами 1 и 2 вычисляется по формуле

R = 1 – W_Ц.

В данном случае R(1,2) = 1 – 0,892 = 0,108.

Расстояние между кластерами, «сгустками» довольно точно согласующихся ранговых оценок, невелико, тем более, что области с низкой плотностью согласования рангов также невелики.

Вычисления показывают, что рейтинговые оценки и на их основании присвоенные ранги достоверны. Показатели по железнодорожному и автомобильному транспорту наиболее точны. В предположении, что уровень квалификации всех экспертов, оценивающих эффективность данных видов транспорта, достаточно высок, результатами расчета можно руководствоваться при выборе вариантов доставки товаров.