ANALIZA DATELOR DE MARKETING Fişa disciplinei - PDF

Description
Statutul disciplinei: opţional Anul de studii: I Semestrul: 2 ANALIZA DATELOR DE MARKETING Fişa disciplinei Titularul cursului: Conf. dr. ing. Voicu Sucală, Drd. ing. Carmen Maria Trif Numărul de ore/

Please download to get full document.

View again

of 26
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Information
Category:

Reports

Publish on:

Views: 49 | Pages: 26

Extension: PDF | Download: 1

Share
Transcript
Statutul disciplinei: opţional Anul de studii: I Semestrul: 2 ANALIZA DATELOR DE MARKETING Fişa disciplinei Titularul cursului: Conf. dr. ing. Voicu Sucală, Drd. ing. Carmen Maria Trif Numărul de ore/ Verificarea / Credite Curs Seminar Laborator Proiect Examinare Credite E 4 A. OBIECTIVELE - familiarizarea cu noţiunile de bază ale statisticii; - cunoaşterea şi identificarea tipurilor de variabile; - înţelegerea indicatorilor tendinţei centrale şi ai dispersiei; - folosirea cu uşurinţă a SPSS de către toţi participanţii la această disciplină. B. PRECONDIŢII DE ACCES ARE A DISCIPLINEI Nu este cazul C. COMPETENŢ E SPECIFICE - capacitatea de a crea o întreprindere inovativă; - capacitatea de a gestiona o întreprindere competitivă; - capacitatea de a lua decizii manageriale în condiţii de risc ridicat, găsirea de soluţii creative pentru atenuarea conflictelor care apar în mediul organizaţional şi extern. D. CONŢINUTUL DISCIPLINEI a) Curs Capitolul Conţinuturi Nr. ore 1. Noţiuni fundamentale ale statisticii 1.1Colectivităţi statistice 1.2 Unităţi statistice 1.3 Tipuri de scale, variabile 6 2. Indicatori ai tendinţei centrale şi ai dispersiei 3. Prezentarea datelor în SPSS 4. Reprentarea grafică a unei distribuţii 2.1 Indicatori ai tendinţei centrale Media, Mediana, Modulul 2.2 Indicatori ai dispersiei 3.1. Ferestre SPSS 3.2. Meniuri SPSS 3.3. Opţiuni SPSS 3.4. Organizarea datelor 4.1. Infornaţii generale 4.2. Reprezentarea grafică prin bare, linii, suprafeţe sau sectoare de cerc 4.3 Reprezentarea graficăprin histograme 4.4Reprezentarea grafică a norilor de puncte Total ore 14 b) Aplicaţii Tipul de aplicaţie Conţinuturi Nr. ore Laborator 1-4 Introducerea variabilelor, datelor 8 Laborator 5-7 Sistematizarea datelor 6 Laborator 8,9 Tabele 4 Laborator 10 Grafice variabile cantitative -Histograme 2 Laborator 11 Grafice variabile calitative 2 Laborator Indicatori ai tendinţei centrale şi ai dispersiei 6 Total ore 28 Pag E. EVALUARE Mod de examinare: Examenul (E) constă în realizarea unui proiect privind utilizarea unui sistem informatic SPSS. Aplicaţiile (A), prin formele şi metodele de evaluare utilizate (discuţii, dezbateri, studii de caz) permit dobândirea de către studenţi a cunoştinţelor şi competenţelor specifice domeniului sistemelor informatice destinate afacerilor. Componentele notei: N=0.7E + 0.3A; Condiţia de obţinere a creditelor: E 5; A 5 Standarde minime de performanţă: Utilizarea sistemelor informatice destinate afacerilor pentru rezolvarea problemelor unei organizaţii reale. F. REPERE METODOLOGICE Strategia didactică alternează următoarele tipuri de metode didactice: expunerea, metode interactive, problematizarea, prezentări power-point. Materiale de curs folosite: suport de curs, studii de caz, fişe bibliografice, site-uri pe Internet. Resurse folosite: tablă albă, tablă interactivă, retroproiector şi videoproiector, flip-chart. G. BIBLIOGRAFIE 1. Elisabeta Jaba, Ana Grama Analiza statistică cu SPSS sub windows, Editura Polirom, Dennis Howitt, Duncan Cramer Introducere în SPSS pentru psihologie, Editura Polirom, Lucian Pop Statistica Universitatea Bucureşti, Facultatea de filosofie, Spircu, L., Calciu, M., Spircu, T., Analiza datelor de marketing, Editura ALL, Bucuresti, Pag. 306 Drd. ing. Carmen Maria Trif ANALIZĂ DATELOR DE MARKETING Suport de curs Aplicaţia SPSS (Statistical Package for the Social Sciences pachet de programe statistice aplicabile şiinţelor sociale) este cel mai utilizat program de analiză a datelor din domeniu şi este disponibil în toată lumea. După 30 de ani de la crearea sa, SPSS este aplicat în peste 2500 de universităţi şi instituţii de învăţământ superior, şi în peste de instituţii din diverse sectoare (administraţie, educaţie, lumea afacerilor etc). Exploatarea programului SPSS este foarte important pentru obţinerea, în timp util, a unei informaţii statistice de calitate. Spre exemplu, se poate fundamenta pe baza unei anchete statistice, în timp real, decizii de politică economic, socială şi nu numai. Un alt aspect pozitiv al acestui program este faptul că utilizatorii nu trebuie să cunoască formule de calcul, oferindu-le posibilitatea de prelucrare statistică cu facilităţi proprii programelor de calcul tabular, pentru condensarea datelor în tabele şi reprezentarea lor grafică. Cap. 1. NOȚ IUNI FUNDAMENTALE ALE STATISTICII 1.1 Colectivităţi statistice Noţiunea de populaţie statistică, respectiv colectivitate statistică, despăşeşte cadrul strict al demografiei şi se poate referi la cele mai divesrse domenii, de la mulţimea indivizilor dintr-o ţară la mulţimea stelelor dintr-o galaxie, la un moment dat, sau la cifra de afaceri obţinută de o firmă într-o anumită perioadă de timp. O colectivitate statistică, respectiv o populaţie sau un univers statistic, reprezintă o aso ciaţie de elemente unite între ele printr-o trăsătură esenţial comună, numită omogenitate. Omogenitate statistică. Delimitarea colectivităţii statistice se face ţinȃ nd cont de omogenitatea statistică a elementelor. Omogenitatea statistică a elementelor unei colectivităţi presupune proprietatea acestora de a fi, esenţial, de aceeaşi natură calitativă, de a aparţine aceluiaşi teritoriu şi aceluiaşi timp. Subcolectivităţi. Subcolectivităţile sunt grupuri de elemente diferenţiate între ele, în cadrul colectivităţii statistice, din punct de vedere al unei caracteristici calitative. Au un grad de omogenitate mai ridicat faţă de alte grupuri de elemente din aceeaşi colectivitate. Clasificarea colectivităţilor statistice. Pentru a delimita corect o colectivitate statistică este necesar să se cunoască natura şi numărul elementelor componente, precum şi formele de manifestare ale acestora. a. În funcţie de natura elementelor, colectivităţile pot fi formate din elemente cu un conţinut material sau din elemente cu un conţinut imaterial. Fiinţele şi lucrurile formează colectivităţi de stări şi se definesc la un moment anume, în timp ce evenimentele, faptele formează colectivităţi de mişcări, care se produc în mod continuu, definindu-se pe o perioadă de timp. b. În funcţie de nu mărul elementelor componente, pot fi: colectivităţi totale, care cuprind totalitatea elementelor componente, şi colectivităţi parţiale, care cuprind un număr reprezentativ de unităţi extrase dintr-o colectivitate totală. 1.2 Unităţi statistice Unităţile statistice reprezintă elementele proprii unei colectivităţi statistice. Spre exemplu, unităţile statistice ale populaţiei unei ţări sunt indivizii. Unităţile statistice sunt elemente de observare, măsurare şi înregistrare, altfel spus cu ajutorul lor se observă, măsoară şi înregistrează o populaţie. Clasificarea unităţilor statistice. De regulă, se folosesc două criterii de clasificare a unităţilor statistice, şi anume: gradul de complexitate şi rolul pe care îl au în procesul înregistrării statistice. a. După gradul de complexitate sau componenţa lor, pot fi unităţi statistice simple şi unităţi statistice complexe. Cele simple sunt formate dintr-un singur element şi depind de starea lor naturală de existenţă, în timp ce unităţile complexe sunt alcătuite din două sau mai multe unităţi simple şi depind de modul lor de organizare. b. Avȃ nd în vedere rolul lor în procesul înnregistrării statistice, pot fi unităţi statisce active şi unităţi statistice pasive. Cele active transmit direct date statistice atȃ t asupra lor, cȃ t şi asupra unităţilor statistice pe care le reprezintă. Pag. 307 1.3 Tipuri de scală Thorndike consideră că tot ceea ce există se găseşte într-o anumită cantitate . McCall merge mai departe afirmând că tot ce se găseşte într-o anumită cantitate poate fi măsurat . Prin variabilă se înţelege o anumită categorie care a fost cuantificată. Potrivit celei mai des întâlnite clasificări sunt patru tipuri de variabilei: nominale (categoriale), ordinale, de tip interval şi de tip raport. Primele două tipuri sunt calitative, ultimele două cantitative (numerice). Scalele nominale reprezintă un prim mod de măsurare a variabilelor. Aceste variabile nu au nicio implicaț ie numerică. Spre exemplu, genul are două categorii nominale: bărbat şi femeie. Ele pot fi notate cu cifre (0-feminin; 1-masculin) însă acestea nu pot fi procesate în termeni de cantitate sau ordine Alte câteva exemple de variabile măsurate la nivel nominal sunt: statutul ocupaţional al indivizilor (agricultor, salariat, mic întreprinzător, şomer etc.), religia (ortodox, romano-catolic,greco-catolic etc.) apartenenţa etnică (român, maghiar, rrom etc.) mediul de rezidenţă (rural, urban) ş.a.m.d Starea civilă: căsătorit, divorţat, văduv, necăsătorit; reprezintă exemple de scală nominală. Valorile acestui tip de variabile nu pot fi ordonate, sau altfel spus nu există o ierarhie şi în consecinţă problema distanţei sau a intervalelor dintre valori nici nu poate fi pus ă. Cu atât mai puţin putem discuta despre existenţa unui zero absolut (exemplu: fiecare individ are un statut ocupaţional sau aparţine unei etnii, sau altfel spus absenţacaracteristicilor statut ocupaţional sau apartenenţă etnică este imposibilă). Scalele ordinale sunt tot calitative. În acest caz, numerele sunt ierarhii şi exprimă locul sau ordinea într-un şir de date. Un exemplu banal este locul ocupat de cineva la o competitie anumita (primul, al doilea,, ultimul). În acest caz, numerele pot fi comparate între ele în termeni de mai mult, mai pu ţin sau egal . Trebuie însă subliniată valoarea ordinală a numerelor. Dacă un subiect ocupă locul doi, nu putem spune că el este la egală distanţă între locul unu şi locul trei. Să luăm exemplul unui student care a obţinut 9,80 la examenul de admitere şi a ocupat locul al doilea. Locul unu ar fi ocupat de un alt student care a avut media de 9.85, în timp ce pe locul trei s-a situat o persoană cu media În cazul datelor ordinale, diferenţa numerică în clasament nu este necesar egală cu diferenţa numerică exprimată în unitatea de măsură utilizată în acel caz (cinci sutimi, respectiv cincizeci de sutimi). Cele două tipuri de măsurători amintite până acum presupun întotdeauna utilizarea unor teste statistice neparametrice. Un al treilea tip de scală este de interval. Acest tip de măsurătoare permite comparaţia dintre date. Diferenţa dintre două rezultate 4 şi 2 este egală cu difereț ta dintre 6 si 4. În cazul unui test de inteligenț ă diferenț a între 100 IQ si 50 IQ este egală cu diferenţa dintre 100 IQ si 150 IQ. Deficienţa majoră a acestei scale este că valorile respective nu pot fi multiplicate sau divizate. As tfel noi nu putem concluziona că un subiect care a obţinut 150 IQ este de 1,5 ori mai inteligent decât un altul care a obţinut 100 IQ şi nici de 3 ori mai inteligent decât unul care a obţinut 50 IQ. Cele mai multe instrumente psihometrice sau educaţionale implicate în măsurarea variabilelor cognitive sau comportamentale se găsesc la aceste trei nivele (nominale, ordinale, de interval). Un ultim tip de măsuratori sunt scalele de raport. Acestea posedă toate calităţile unei scale de interval şi are în plus două noi. Permite multiplicarea sau divizarea datelor (2 kg sunt jumătate din 4kg ş i dublul unui kg). Acest tip de măsurare indică de asemenea valoarea zero absolut, ce arată lipsa totală a cantităţii măsurate. Cele mai multe caracteristici fizice (greutate; înălţime; timp de reacţie; nivelul adrenalinei) pot fi măsurate astfel. Ultimele două tipuri de scale (de interval, respectiv de raport) sunt expresii cantitative ale variabilelor care pot fi supuse analizei statisticii parametrice cu mici excepţii. Pentru a aplica tehnicile de statistiăa parametrică în cazul variabilelor măsurate prin scale numerice (de interval sau de raport) trebuie să vedem dacă: Variabilele implicate sunt distribuite normal în cazul eşantionului selectat; Dispersia variabilelor de interes în cadrul eşantionului selectat trebuie să fie asemănătoare cu dispersia variabilei pentru întreaga populaţie care îndeplineşte caracteristicile eşantionului. În plus, unele metode parametrice necesita conditii suplimentare. Daca condiţiile sunt îndeplinite, este de preferat să utilizăm tehnicile parametrice (cantitative) deoarece sunt mai solide. Aceasta înseamnă creşterea şansei de a respinge o falsă ipoteză nulă. Pag. 308 Cap. 2. INDICATORI AI TENDINȚ EI CENTRALE ȘI AI DISPERSIEI 2.1 Indicatori ai tendinţei centrale Media, Mediana, Modulul În cadrul parametrilor tendinț ei centrale sunt incluse acele procedee care oferă o valoare reprezentativă (centrala) pentru ș irul de date masurat. Exista trei estimatori care pot fi utiliza ț i în acest sens: media, mediana ș i modul. În cadrul parametrilor varianț ei sunt incluse procedeele care ne arată în ce măsura datele sunt omogene sau nu, măsurând împraș tierea lor ș i implicit diferenț ierile care există în interiorul ș irului de date. Vor fi abordaț i în acest capitol urmatorii indicatori ai variantei: amplitudinea, abaterea standard si dispersia. Va fi introdus si un coeficient de variabilitate V pentru a ne da seama în ce masura un grup de date este omogen sau eterogen. Valorile standard z, necesare descrierii unei valori dintr-un sir de date, sunt de asemenea prezentate. Complementar, sunt prezentati indicatorii de asimetrie si de boltire care caracterizeaza o distributie a datelor si staninele, ca modalitate de clasificare a datelor. Media Media este un indicator care caracterizează un eș antion (o populatie) din punctul de vedere al unei caracteristici studiate. Există mai multe notări pentru medie: M ș i x barat reprezintă media unui eș antion, iar μ (miu) este media unei populaț ii. Media se calculează simplu, adunând toate valorile dintr-un ș ir de date ș i împărț ind totalul la numărul de date: M = Σ X / N Se dă ș irul de date: X = (4, 8, 6, 7, 9, 11, 9, 9, 12, 7) Media acestui ș ir de date este: M = ( ) / 10 = 82 / 10 = 8,2. În cazul în care ș irul de date este prezentat într-un tabel de frecvenț e vom aplica o altă formulă: Caracteristicile mediei: ț ine seama de toate cazurile ș i este afectată de valorile lor; poate fi calculată fâră ordonarea prealabilă a datelor. Mediana Mediana este acel parametru care prin poziț ia sa, se afla în mijlocul seriei de date. Ea reprezintă punctul central al seriei, deoarece la stânga ș i la dreapta ei se situează câte 50% din totalitatea datelor. Mediana coincide cu media în cazul unei distribuț ii teoretice normale ș i se îndepartează mult de aceasta dacă distribuț ia este asimetrică. Pentru a calcula mediana în cazul distributiei simple a datelor există două situaț ii: a. când n este impar locul medianei se stabileș te astfel: loc mediana = (n+1) / 2 b. când n este par sunt adunate valorile din centrul seriei ș i se împart la doi. Să luăm mai întâi ș irul de date utilizat ș i pentru calcularea mediei: X = (4, 8, 6, 7, 9, 11, 9, 9, 12, 7) Este necesar mai întâi aranjarea datelor ș irului într-o ordine fie crescătoare, fie descrescătoare: Astfel, X devine (4, 6, 7, 7, 8, 9, 9, 9, 11, 12). Observăm ca n este par (n=10). În acest caz vom lua valorile care se găsesc pe locurile din mijlocul seriei, este vorba de locurile 5 ș i 6. Cele doua valori care se găsesc pe aceste locuri sunt 8 ș i 9. Pentru a calcula mediana adunam cele două valori găsite ș i împărț im rezultatul la doi. Astfel, Md = (8+9) / 2 = 8,5 Dacă am fi renunț at la un număr din ș ir, să spunem 12, am fi obț inut un ș ir de nouă numere (4, 6, 7, 7, 8, 9, 9, 9, 11). În acest caz, locul medianei este stabilit dupa formula dată (n+1) / 2, în acest caz cinci. Mediana este valoarea care se găseș te pe poziț ia din mijlocul ș irului ordonat de date (poziț ia 5 în cazul de faț ă). Consultând ș irul de date observăm că mediana ar fi 8. În cazul în care ș irul de date este prezentat într-un tabel de frecvenț e vom aplica formula: Pag. 309 Unde: l este limita inferioară a intervalului de clasă care conț ine mediana; fc este frecvenț a cumulată precedând clasa care conț ine mediana; fi este frecvenț a clasei intervalului care conț ine mediana; N este numărul total al cazurilor; j este mărimea intervalului (i) care cuprinde mediana. Caracteristicile medianei: ț ine seama de toate cazurile, dar nu este afectată de cazurile (valorile) extreme; necesită ordonarea ș irului de date. Modul Modul este parametrul care corespunde celei mai mari frecvenț e, adica este valoarea cea mai frecvent întâlnită. Astfel, pentru ș irurile de date simple modul se afla cautând valoarea cel mai des întâlnită. Pentru ș irul dat drept exemplu: X = (4, 8, 6, 7, 9, 11, 9, 9, 12, 7). După ordonarea datelor obț inem X = (4, 6, 7, 7, 8, 9, 9, 9, 11, 12). Se observă că valoarea cea mai întâlnită este 9 (apare de trei ori). Ca urmare modul pentru acest ș ir este: Mo = 9 Caracteristicile modului: nu ț ine seama decât de măsurile cele mai reprezentative; necesită ordonarea datelor corespunde unuia sau mai multor elemente ale seriei (în caz de frecvenț e egale). Tinând cont de aceste caracteristici, media este recomandată în cazul variabilelor numerice care îndeplinesc conditiile parametrice (distribuț ie normală, omogenitate s.a.). Mediana se recomandă pentru cazurile în care nu sunt îndeplinite condiț iile parametrice (distribuț ii asimetrice, etc) ș i în cazul variabilelor de tip ordinal. Modul este utilizat mai rar pentru date numerice, fiind îns ă foarte util în cazul variabilelor de tip categorial (date calitative, nominale), deoarece nu putem calcula ceilalț i parametrii centrali. 2.2 Indicatori ai dispersiei Amplitudinea Este un parametru care arată distanț a dintre valoarea minimă ș i valoarea maximă din cadrul unui ș ir de date: A = (Xmax Xmin) Pentru a calcula amplitudinea ș irului de date: X = (7, 5, 10, 4, 8, 5, 8, 9, 7) vom avea: 10-4 = 6. Abaterea standard Este cea mai cunoscută ș i utilizată măsură a variabilităț ii datelor. În cazul distributț iei simple, formulele de calcul sunt: a) pentru abaterea standard a unei populaț ii b) pentru abaterea standard a unui eș antion Unde: X sunt valorile individuale; M este media eș antionului; este media populaț iei n este numărul de subiecț i observaț i. O altă formulă care poate fi aplicată în ambele cazuri este: Pag. 310 Se cunoaș te că există diferenț e mici între media ș i dispersia unei populaț ii ș i media ș i dispersia unui eș antion din cadrul populaț iei respective. Rareori este posibil să calculam parametrii pentru o populaț ie întreagă ori pentru un eș antion foarte mare. De aceea, în anumite situaț ii se obiș nuieș te să se calculeze un estimator a lui sigma, estimator notat cu s mic. Se observă ca s se apropie foarte mult de calculul lui S, existând doar o singură diferenț ă la numitor: (n-1) în cazul lui s ș i n în cazul lui S. Se obiș nuieste pentru eș antioane mai mici de 30 de subiecț i să se realizeze o corecț ie în calcularea abaterii standard utilizând tocmai aceast estimator. El poate fi calculat utilizând o altă formulă, dar efectuând aceeaș i ajustare. Pentru date grupate vom folosi formula: Observaț ii: Amplitudinea este de obicei de două pâna la cinci, ș ase ori mai mare decât abaterea standard. În acest mod veț i putea depista greș elile mari în calculul abaterii standard. X²este suma pătratelor, formula utilizată frecvent în tehnicile ANOVA Dispersia Nu este foarte utilă în statistica descriptivă,
Related Search
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks