Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Модели и методы обработки и прогнозирования нечисловых данных маркетинговых исследований тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Мокшина, Светлана Ивановна
Место защиты Воронеж
Год 2005
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Модели и методы обработки и прогнозирования нечисловых данных маркетинговых исследований"

На правахрукописи

МОКШИНА Светлана Ивановна

^сс^-

МОДЕЛИ И МЕТОДЫ ОБРАБОТКИ И ПРОГНОЗИРОВАНИЯ

НЕЧИСЛОВЫХ ДАННЫХ МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ

Специальность 08.00.13 -Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Воронеж 2005

Работа выпонена в Воронежском государственном университете

Научный руководитель доктор экономических наук,

профессор

Давние Валерий Владимирович

Официальные оппоненты: доктор экономических наук,

кандидат физико-математических

наук, профессор

Попова Елена Витальевна;

кандидат экономических наук, доцент

Буховец Алексей Георгиевич

Ведущая организация Курский государственный

технический университет

Защита диссертации состоится л13 апреля 2005года в 14 часов на заседании диссертационного совета ДМ 212.037.09 при Воронежском государственном техническом университете по адресу: 394026 Г. Воронеж, Московский проспект, 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан л11 марта 2005года.

Ученый секретарь

диссертационного совета ^ Мяснянкина О.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Сегодня можно с уверенностью говорить о всё возрастающей роли маркетинговых исследований в практической деятельности хозяйствующих субъектов. И это неслучайно. Ведь такие исследования ориентированы прежде всего на снижение информационной неопределенности и уровня коммерческого риска.

Об интересе к ним свидетельствуют также большое число публикаций, посвященных различным аспектам маркетинговых исследований: 1) принципам, формам и видам (Ф. Котлер, Е.П. Голубков, Г.Л. Багиев, И.К. Белявский, С.Г. Божук, Л.Н. Ковалик и др.); 2) особенностям их проведения в Интернете (В. Хомогоров, И. Успенский, Т.П. Данько и др.); 3) необходимости и существующих возможностях использования математических методов и моделей в задачах обработки и анализа результатов маркетинговых исследований (Н.К. Махотра, С.Г. Светуньков, Е.Б. Галицкий, Г.А. Черчиль и др.).

Однако то, что довольно часто результаты маркетинговых исследований представляются в номинальных шкалах, вызывает определенные затруднения в их обработке и анализе. Естественно, такая актуальная проблема не могла оставить равнодушными специалистов в области экономико-математического моделирования. Правда, к сожалению, интенсивные разработки в этой области были проведены и проводятся зарубежными, а не отечественными исследователями. Наиболее существенный вклад в развитие теории и методов анализа моделей дискретного выбора внес нобелевский лауреат 2000г. Д. Макфадден.

Благодаря его работам, а также разработкам других исследователей (Дж Тобина, У. Грина, Л. Кинга, Д. Пауэрса, У. Ксая, Д. Коха, И. Снэла, С. Мански и др.) в настоящее время уже можно говорить о существовании некоторого аппарата, позволяющего моделировать качественные переменные. Более того, самостоятельным разделом эконометрики признана Эконометрика качественных зависимых переменных (Ч. Гурьерукс).

В целом, модели качественных переменных нашли широкое применение в экономическом анализе деятельности зарубежных хозяйствующих субъектов, чего нельзя сказать о российской практике предпринимательства. Особенно вызывает удивление тот факт, что актуальность применения подобного рода моделей в отечественных маркетинговых исследованиях по-прежнему остается незамеченной.

Между тем, результаты маркетинговых исследований, имея в своей основе стратегическую направленность, помогают руководителю ориентироваться в сложнейших ситуациях современного бизнеса. В то же время естественная граница, существующая между настоящим и будущим, явля-

ется тем барьером, который мешает ему предвидеть условия реализации принятого решения. Желание хоть что-то увидеть за этим барьером приводит к необходимости разработки прогнозных решений на основе результатов маркетинговых исследований.

Недооценка руководителем важности прогнозных решений в преодолении этого барьера свидетельствует о его неспособности рассмотреть основные ориентиры будущего, что, в свою очередь, приводит к так называемому шоку будущего. Поэтому роль прогнозирования и масштабы его практического применения в современной экономике существенно выросли, что стимулирует развитие методов прогнозирования. В маркетинговых же решениях особое место занимает проблема предсказания благоприятных и неблагоприятных событий, предпочтений, рисков, т.е. ситуаций, описание которых требует введения качественных переменных.

И если арсенал математических методов прогнозирования числовых данных уже достаточно богат, то на пути предсказания ожидаемых значений качественных переменных делаются только первые шаги. Все это приводит к тому, что отечественные маркетологи испытывают острый недостаток в адекватном математическом обеспечении своей аналитической деятельности, а руководители - в корректном формализованном обосновании принимаемых прогнозных решений. В этой связи настоящее диссертационное исследование, направленное на воспонение этого пробела, представляется весьма актуальным.

Работа выпонялась в соответствии с комплексной программой научных исследований кафедры информационных технологий и математических методов в экономике Воронежского государственного университета Математическое моделирование и информационные технологии в управлении экономическими процессами.

Цели и задачи исследования. Целью диссертационной работы является развитие математического аппарата анализа и прогнозирования нечисловых данных маркетинговых исследований на основе комбинирования интуитивного и аналитического подходов в задачах обоснования маркетинговых решений.

Цель исследования предопределила необходимость решения следующих основных задач:

Х анализ отечественных и зарубежных подходов к проведению маркетинговых исследований и обработке их результатов;

Х систематизация современных методов анализа и прогнозирования результатов маркетинговых исследований;

Х изучение способов измерения и представления маркетинговой информации;

Х разработка метода построения адаптивной дискриминантной функции для обоснования маркетинговых решений;

Х предложение методики формирования псевдовыборочных совокупностей и ее использования в прогнозных расчетах;

Х разработка моделей прогнозирования экспертных суждений и предпочтений массовых потребителей;

А Т1ГГ* ТТО ТТ/Т") 1 тгтта ТТПШГЯО ПТПДУ ЛМГТЛТ1Т1 МСДЗСЙ бм'дирИСГС ыы<бс

ра для решения задач маркетинга;

Х применение методов моделирования нечисловых данных в реальных маркетинговых исследованиях.

Объектом исследования являются результаты отечественных маркетинговых исследований, проводимых в последнее время как на уровне отдельного предприятия, региона, округа, так и страны в целом.

Предмет исследования - математический аппарат обработки и прогнозирования данных маркетинговых исследований, измеренных в номинальных и ранговых шкалах.

Теоретической и методологической основой исследования являются современные достижения экономической и математической науки (труды отечественных и зарубежных ученых по вопросам методологии проведения маркетинговых исследований, экономико-математического моделирования, прогнозирования социально-экономических процессов, экспертного оценивания, а также применения принципов адаптации в экономической сфере). Была использована справочная и методическая литература, материалы периодической печати, Интернет-ресурсы, а также нормативные и законодательные акты.

При выпонении диссертационной работы применялись эконометри-ческие и многомерные статистические методы, а также методы адаптивного прогнозирования и обработки экспертной информации.

Фактографический материал составили официальные данные, полученные от Воронежского областного комитета государственной статистики и Главного управления экономического развития Администрации Воронежской области. Этот материал был обработан с использованием современного программного обеспечения.

Диссертационная работа выпонена в рамках п. 1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни... паспорта специальности 08.00.13 - Математические и инструментальные методы экономики.

Научная новизна исследования состоит в разработке математического аппарата прогнозирования нечисловых данных, основу которого состав-

ляют: 1) адаптивный дискриминантами анализ; 2) модели бинарного выбора, построенные с использованием псевдовыборочных совокупностей.

Научная новизна подтверждена следующими, наиболее существенными, выносимыми на защиту научными результатами, полученными автором в ходе диссертационного исследования:

Х проведена классификация методов и моделей обработки результатов маркетинговых исследований в зависимости от шкал, в которых измерены эти результаты;

Х разработан метод построения адаптивной дискриминантной функции, механизм которой позволяет автоматически отслеживать эффективность распознавания и в случае, когда снижается классифицирующая способность, корректировать параметры дискриминант-ной функции;

Х предложена методика факторного анализа динамических эффектов, воздействующих на маркетинговую деятельность, что способствует получению допонительной информации для обоснования бизнес-решений;

Х сформирован новый взгляд на обработку экспертной информации, позволивший построить модель бинарного выбора для прогнозирования субъективных суждений.

Апробация результатов работы. Основные результаты работы докладывались и обсуждались на: семинарах и научных сессиях в Воронежском государственном университете; 24-й международной школы-семинара им. С.С. Шаталина Системное моделирование социально-экономических процессов (Воронеж, 2001); 25-й юбилейной международной школы-семинара им. С.С. Шаталина (Королев, 2002); Межрегиональной научно-практической конференции Электронный бизнес: опыт и перспективы (Воронеж, 2002); IV Международной научно-практической конференции Методы и агоритмы прикладной математики в технике, медицине и экономике (Новочеркасск, 2004); Всероссийской научно-практической конференции Экономическое прогнозирование: модели и методы-2004 (Воронеж, 2004); Третьей международной научно-практической конференции Управление изменениями в социально-экономических системах (Воронеж, 2004); 2 7-й международной школы-семинара им. С.С. Шаталина (Орел, 2004).

Практическая значимость работы выражается в разработке методов и моделей, которые можно использовать в задачах выбора наиболее перспективных регионов для реализации инвестиционных проектов и моделировании вероятностных распределений ожидаемых результатов маркетинговой деятельности на их территории.

Отдельные результаты диссертационного исследования используются при подготовке экономистов и менеджеров на экономическом факультете

Воронежского госуниверситета в курсах: Методы социально-экономического прогнозирования, Эконометрика, Многомерные статистические методы, что подтверждается соответствующим актом о внедрении.

Публикации. По теме диссертационного исследования опубликовано 7 печатных работ, которые указаны в конце автореферата. Лично соискателю принадлежат [2, 3]. Работы [1, 4-7] выпонены в соавторстве. В [1] соискатель провел анализ результатов опроса предпринимателей. В [4] он предложил метод построения адаптивной дискриминантной функции. В [5] соискателю принадлежит классификация методов анализа и прогнозирования в зависимости от шкалы, в которой измерены результирующий признак и объясняющие переменные. В [6] он разработал методику формирования псевдовыборочной совокупности для построения модели бинарного выбора. В [7] соискатель дал оценку современным методам и моделям, которые можно использовать в задачах прогнозирования данных, измеренных в номинальных шкалах.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Основной текст изложен на 169 страницах машинописного текста, содержит 30 таблиц, 7 рисунков.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обоснована актуальность темы диссертации, определены предмет и объект исследования, сформулирована цель и поставлены задачи, решение которых необходимо для ее достижения, раскрыта научная новизна работы и практическая значимость результатов исследования.

В первой главе Современные маркетинговые исследования: специфика и проблемы нашли отражение специфика и проблемные аспекты современных маркетинговых исследований. Сегодня на практике применяют разнообразные формы проведения таких исследований. Однако наиболее надежными, хотя и довольно затратными признаются полевые исследования.

В диссертации реализация маркетинговых полевых исследований в системе поддержки принятия решений представлена в виде спирали, изображенной на рис. 1. И это неслучайно. Во-первых, потому что каждый пройденный этап (виток спирали) очевидным образом повышает уровень наших знаний об изучаемой проблеме и возможных путях ее решения. Во-вторых, процесс реализации каждого этапа устроен таким образом, что предусматривает взаимодействие со всеми факторами внешней и внутренней среды, существующими методиками маркетинговых исследований, ресурсным и организационным обеспечением и др. компонентами, представленными на этом рисунке. Причем, как правило, каждый этап выпоняется, повторяя круг таких взаимодействий на более высоком уровне.

Рис. 1. Спираль реализации маркетинговых исследований в системе поддержки принятия решений

В практике маркетинговых исследований, как правило, приходится оперировать с тремя типами переменных: количественными, ранговыми и номинальными. Поэтому предварительная обработка исходных данных, также как и использование прогнозных оценок в перспективном анализе требуют специальных подходов в зависимости от типа переменных. Процедуры сравнения и обработки данных в этих подходах со всей очевидностью дожны адекватно учитывать природу и характер исходной и расчетной информации. Причем, в отдельных ситуациях сравнение осуществляется только по некоторым свойствам, используемым для установления определенного отношения, в котором находятся сравниваемые объекты. В других же случаях для сравнения используются числовые величины, соответствующие ожидаемым свойствам, фактам и т.п. Все это требует многообразия шкал, в которых представимы реальные экономические величины.

В диссертации проведен достаточно подробный анализ современных методов и моделей анализа и прогнозирования результатов маркетинговых исследований. Их классификация в зависимости от шкал, в которых измерены объясняемая и объясняющие переменные, представлена на рис. 2. Суть этих методов, а также перечень маркетинговых задач, решаемых с помощью каждого из них, приведены в специальной таблице диссертационной работы. Анализ указанного рисунка и таблицы позволил сделать, по крайней мере, два вывода. Во-первых, современному бизнесу приходится решать весьма большое число маркетинговых задач, которые требуют применения математических методов анализа и прогнозирования. Во-вторых, имеется пробел в математическом аппарате, призванном обеспечить получение достаточно надежных прогнозных оценок величин, измеренных в номинальных и ранговых шкалах.

Поэтому вторая глава Математический аппарат обоснования маркетинговых решений посвящена математическому аппарату прогнозирования данных, измеренных именно в этих шкалах.

Сформированный в диссертации взгляд на дискриминантный анализ как аппарат прогнозных расчетов является достаточно новаторским и, по всей вероятности, дискуссионным. Круг задач, решаемых с его помощью, ограничен статическими прогнозами, т.е. такими прогнозами, когда не учитывается динамика характеристик объекта, а границы классов считаются неизменными. Другими словами, процедура прогнозных расчетов сводится к распознаванию объектов, характеристики которых не использовались при построении дискриминантной функции.

В действительности, как правило, распознающие свойства такой функции с течением времени постепенно ухудшаются, все чаще появляются ошибки классификации, в итоге - ее применение становится некорректным. Это происходит в силу того, что изучаемые объекты испытывают воздействие динамических эффектов, меняются также представления о хорошем и плохом, луспешном и неуспешном, а границы самих клас-

Рис. 2. Классификация методов и моделей анализа и прогнозирования результатов маркетинговых исследований

сов деформируются. Наступает момент, когда необходимо строить новую дискриминантную функцию, что связано с проведением достаточно большого объема вычислительных работ.

Однако существует и другой путь решения этой проблемы, основанный на идее наделения дискриминантной функции адаптивным механизмом. Адаптивный механизм позволяет автоматически отслеживать эффективность распознавания и в случае, когда снижается классифицирующая способность, корректировать параметры дискриминантной функции. При этом удается осуществлять мониторинг распознающей силы факторов, что, в свою очередь, способствует получению допонительной информации для обоснования маркетинговых решений.

Возможность построения адаптивной функции основана на связи дис-криминантного анализа с множественным регрессионным. В этом случае множественный регрессионный анализ, в котором зависимую переменную кодируют как фиктивную переменную

Г-1, X] принадлежит 1-му классу ^ 1 1, X] принадлежит 2-му классу ' приводит к частным коэффициентам регрессии,

Ь = (Х'Х)-1Х'у, (2)

пропорциональным коэффициентам соответствующей дискриминантной функции.

Часто данные маркетинговых исследований имеют панельную структуру, когда одна и та же группа объектов рассматривается в динамике. Эта ситуация эквивалентна тому, что каждый раз в качестве вновь поступающего наблюдения рассматривается не один, а группа объектов, и, следовательно, коэффициенты дискриминантной функции необходимо корректировать с учетом всей совокупности вновь поступивших объектов.

Для этих целей можно использовать многошаговую адаптивную дискриминантную процедуру, основные этапы которой указаны на рис. 3.

Как ранее отмечалось, модели качественных переменных нашли широкое применение в экономическом анализе деятельности зарубежных хозяйствующих субъектов, чего нельзя сказать о российской практике предпринимательства. Однако вызывает удивление тот факт, что актуальность применения подобного рода моделей в отечественных маркетинговых исследованиях по-прежнему остается незамеченной.

Наиболее веской причиной сложившейся ситуации, на наш взгляд, является небольшое число публикаций на русском языке, освещающих проблемы моделирования качественных показателей.

3 -еВ о я в

Получение прогнозных оценок принад лежности объектов к тому или иному классу

1, еслих/+}Ь{ >0

-1, еслихг+1Ьг<0

IV ЭТАП- интерпретация результатов 1. Интерпретация результатов построения адаптивной дискрими-натной функции. 2. Анализ динамики коэффициентов, характеризующих классифицирующие способности построенной функции.

1.Постраспознавание объектов в момент времени й.

2. Расчет ошибки постраспознавания объектов.

3. Корректировка коэффициентов дискриминантной функции.

4. Повторение 1-3 шагов данного этапа для /2, /3,..., Г.

5. Суммирование ошибок.

6. Изменение параметра ад на величину заданного шага к.

7. Повторение 1-6 шагов данного этапа для а\, а^,..., 1.

8. Выбор оптимального параметра адаптации а* по критерию минимальной суммарной ошибки.

Нахождение начальных значений ковариационной матрицы

^ю =(х;ох,0),

коэффициентов регрессии

Ь*о = (х'гох/о) ' хмУю и параметра адаптации ац.

1. Формулировка целей и задач анализа.

2. Определение зависимой (классифицирующей) и независимых переменных.

3. Разделение выборки на две части. Первая предназначена для вычисления начальных параметров адаптивной дискриминантной функции, вторая же часть представляет собой контрольно-обучающую выборку.

4. Кодирование зависимой переменной как фиктивной 1, Xj принадлежит 1-му классу 1, принадлежит 2 - му классу

Рис. 3. Этапы многошагового адаптивного дискриминантного анализа

Несомненно, для того чтобы модели дискретного выбора получили такое же широкое распространение и в отечественной практике анализа и прогнозирования нечисловых данных, необходимо проведение исследований по разработке различных методик, используемых в маркетинговой деятельности. Преследуя цель воспонить указанный пробел, в диссертации детально изложены те аспекты моделирования качественных переменных, которые не достаточно подробно описаны в переводной литературе, и продемонстрированы прикладные возможности моделей бинарного выбора для решения маркетинговых задач.

Каждый раз, когда маркетолог не может получить количественную информацию, или отсутствует тот объем и то качество информации, которые могли бы гарантировать однозначность результатов принимаемых решений, или нет времени для сбора информации, а маркетинговое решение необходимо принять очень быстро, он вынужден обращаться к экспертным оценкам. Поэтому в диссертации приведено детальное описание наиболее сложных процедур экспертного оценивания.

В третьей главе Применение методов моделирования нечисловых данных в реальных маркетинговых исследованиях продемонстрированы прикладные возможности предлагаемого аппарата для решения реальных маркетинговых задач.

Одной из таких задач явилась задача выбора наиболее перспективных регионов Центрального федерального округа РФ для реализации инвестиционных проектов ОАО Спектр, осуществляющего розничную торговлю через есть супермаркетов. Ее решение было получено с помощью адаптивной дискриминантной функции, использование которой предоставило возможность для проведения более глубоких исследований динамики маркетинговых ситуаций, связанной с качественными изменениями характеристик регионов.

Свойства адаптивного механизма построенной функции позволили изучить следующие эффекты: 1) динамику взаимодействия факторов и моделируемого показателя; 2) разделение степени влияния каждого фактора на две составляющие, которые получили название кволитивной (качественной, интенсивной) и квонтативной (количественной, экстенсивной). Эти эффекты становятся очевидными и легко объяснимыми, если дрейф коэффициентов адаптивной модели считать результатом изменяющейся эффективности соответствующих факторов.

С помощью методики адаптивного факторного анализа по результатам моделирования удалось сделать следующие выводы: 1) изменение распознающей силы дискриминантной функции в большей степени определяется кволитивной составляющей, нежели квонтативной; 2) рост интенсивной составляющей объясняется, главным образом, увеличением коэффициента

плотности автомобильных дорог; 3) увеличение экстенсивной составляющей в значительной степени обусловлено ростом средней величины соотношения среднедушевых доходов и среднедушевого прожиточного минимума; 4) более привлекательными для компании ОАО Спектр являются те регионы, которые характеризуется небольшим объемом розничного товарооборота, поскольку существует возможность его увеличения. Коммерческий ишерсс Дл КОмПаййИ ПрСДСТаБЛЯЮТ ТаКЖС Су(5ъС1СТЫ Ц,ФО С ПС большим объемом инвестиций в основной капитал, так как это свидетельствует о благоприятных условиях для реализации инвестиционных проектов. Высокий коэффициент плотности автомобильных дорог позволит обеспечить достаточный уровень мобильности для осуществления интенсивной торговой деятельности ОАО Спектр. Кроме того, чем больше величина соотношения среднедушевых доходов и среднедушевого прожиточного минимума, тем привлекательнее регион, поскольку в этом случае он обладает довольно надежным потенциалом платежеспособного спроса.

Особое внимание в этой главе уделено методике формирования псевдовыборок для прогнозирования субъективных суждений с помощью моделей бинарного выбора. Главное отличие псевдовыборки от выборки в том, что в ее данных содержится информация, которую эксперты сумели обнаружить и связать своими субъективными оценками со значениями зависимой переменной. В основе предлагаемой методики лежит идея, состоящая в том, чтобы экспертную информацию использовать для построения модели, с помощью которой будут получены оценки, а не для непосредственного получения самих оценок.

Способы формирования псевдовыборки зависят от смыслового содержания решаемой задачи. Это не совсем строго формализованные процедуры и поэтому для их успешного применения в каждом конкретном случае требуется адаптивное вмешательство. В диссертации рассматриваются три типовые ситуации, которые чаще других возникают в практике анализа и прогнозирования бизнес-процессов. Для каждой из ситуаций автором предложен свой способ формирования псевдовыборки.

В первой ситуации псевдовыборку формируют непосредственно из выборочной совокупности с известными значениями зависимой (дихотомической) и независимыми переменными. Это тот случай, когда взаимосвязь между и наборами существует, но эксперты не уверены в абсолютной правомерности и надежности такой связи. Применяя принцип усиления взаимосвязей субъективными мнениями, они своими оценками уточняют возможность появления соответствующего значения при заданном наборе . Уточняющие оценки удобно, хотя и не обязательно, получать в балах, пользуясь для этого сто бальной шкалой. Таким образом, в результате опроса эксперта каждому наблюдению будет

приписано определенное количество балов. Причем, чем выше, по мнению эксперта, реальность наблюдаемого значения У( при соответствующем наборе объясняющих переменных X,-, тем больше балов приписывается данному наблюдению. Количество балов удобно интерпретировать как частоту (число случаев), с которой данное наблюдение тиражируется в выборочной совокупности.

Вторая ситуация предусматривает случаи, когда выборочное множество состоит только из объясняющих переменных и требуется на основе принципа субъективной идентификации взаимосвязей восстановить значения бинарной зависимой переменной. В соответствии с этим принципом эксперт каждому набору объясняющих переменных выборочной совокупности ставит в соответствие одно из возможных значений зависимой переменной: 0 или 1.

В сформированной таким образом псевдовыборке, как нетрудно понять, содержится информация, отражающая субъективное мнение по поводу того, какие условия, описываемые объясняющими переменными, благоприятствуют появлению некоторого события, а какие - нет. Другими словами, экспертами сгенерированы значения бинарной переменной в зависимости от значений объясняющих переменных. Естественно, модель, построенная по данным так сформированной псевдовыборки, будет являться довольно грубым приближением к той зависимости, которую эксперты пытались описать своими предпочтениями в процессе формирования дискретной зависимой переменной. Поэтому желательно провести некоторые уточнения, используя для этого, например, принцип усиления взаимосвязей субъективными мнениями.

Особенность третьей ситуации в том, что исследуемые объекты имеют не только описание в виде набора показателей, но и имена. Например, это могут быть города, районы области, фирмы, товары и т.п. Предполагается, что эксперты знакомы с этими объектами до такой степени, что способны указать свои предпочтения относительно их использования в определенных целях. В принципе им могут быть известны и показатели, задающие формальное описание объектов. Но вне зависимости от уровня информированности экспертов, вне зависимости от поноты информационного описания этих объектов эксперты имеют субъективное представление об интегрированной ценности каждого объекта. Это как раз тот случай, когда для формирования псевдовыборки следует применять принцип субъективных предпочтений.

Реализация разработанного подхода предполагает введение бинарной переменной со следующим смыслом:

{1, если по мнению эксперта событие дожно произойти О, в противном случае.

Будем считать, что значение этой переменной, характеризующей появление интересующего нас события, зависит от оцениваемого нами набора показателей и существует некоторое множество различных вариантов этих наборов

отличающихся друг от друга всеми или некоторыми своими компонентами (оцениваемыми показателями). Предполагается, что у каждого эксперта есть представление о том, при реализации каких вариантов ожидаемое событие будет иметь место, а при реализации каких - нет. Математически это предположение записывается в виде зависимости

У1=%хй,Х12)...,х1т) + е{, (3)

где у^ - ожидаемое значение бинарной зависимой переменной, которое - ый эксперт связывает с набором оцениваемых показателей;

- индексная функция, т.е. функция, принимающая всего два значения 0 и 1;

( - ошибка, которую может допустить к -ый эксперт, оценивая влияние набора на появление ожидаемого события.

Теперь становится понятной реализация основанной на модельном подходе идеи получения экспертных решений. Сначала в результате целевого опроса экспертов формируется псевдовыборка, объединяющая в себе субъективные мнения по поводу интересующих нас закономерностей, предпочтений, рейтингов, прогнозных оценок и т.п. Затем по данным псевдовыборки строится регрессионная зависимость (3), связывающая субъективные мнения с одновременным их усреднением в единую формализованную зависимость. Построенная таким образом модель, по сути, является концентрированным выражением обобщенного мнения экспертов по изучаемой проблеме и может использоваться для анализа и получения всевозможных оценок.

Модель в качестве результата опроса, а не разовые экспертные оценки, является главной особенностью данного подхода. Благодаря этой особенности удается получить прогнозные оценки экспертных суждений, т.е. оценки субъективного характера относительно тех событий или объектов, о которых эксперты не знали или не имели представления в момент формирования псевдовыборки.

Разработанная в диссертации методика прогнозирования субъективных ожидании прошла верификацию и показала свою работоспособность при моделировании вероятностных распределений ожидаемых ре-

зультатов маркетинговой деятельности ОАО Радуга в районах Воронежской и Курской областей.

В заключении на основе выпоненных теоретических и прикладных исследований в области обработки и прогнозирования нечисловых данных получены результаты и сформулированы выводы, состоящие в следующем:

Х Показана возросшая роль маркетинговых исследований в современных условиях хозяйствования и представлен авторский взгляд на логику их проведения, позволивший сделать вывод, что если не будут увеличены возможности для тщательного изучения рынка, то и усилия любой компании по производству и последующему маркетингу продукта (услуг) окажутся напрасными. Поэтому востребованность маркетологами результатов различных научно-методических разработок, посвященных проблемным аспектам маркетинговых исследований, будет постоянно возрастать.

Х Проанализирован современный аппарат прогнозирования и проведена классификация методов и моделей, составляющих его основу. Результаты анализа позволили сделать вывод о том, что современные маркетологи испытывают острый недостаток в адекватном математическом обеспечении своей аналитической деятельности. Возможность обрабатывать и прогнозировать нечисловые данные маркетинговых исследований значительно повысит эффективность их деятельности.

Х Обоснован новаторский взгляд на дискриминантный анализ как аппарат прогнозных расчетов. Процедура прогнозных расчетов сводится в данном случае к распознаванию объектов, параметры которых не использовались при построении дискриминантной функции. Такой взгляд расширяет возможности получения объективных прогнозных оценок в номинальных шкалах.

Х Предложен метод построения адаптивной дискриминантной функции, основанный на связи дискриминантного анализа с множественным регрессионным. Он позволяет осуществлять мониторинг распознающей силы факторов, результаты которого используются в методике адаптивного факторного анализа. Все это способствует получению допонительной информации для обоснования маркетинговых решений.

Х Детально изложены те аспекты моделирования качественных переменных, которые не достаточно подробно описаны в переводной литературе. Как известно, модели качественных переменных нашли широкое применение в экономическом анализе деятельности зарубежных хозяйствующих субъектов, чего нельзя сказать о российской практике предпринимательства. Проведенное исследование по разработке различных методик их построения и применения способствует тому, чтобы эти модели получили

Х Разработаны модели прогнозирования субъективных суждений на основе моделей бинарного выбора. Для их построения предложены специ-

альные процедуры формирования псевдовыборок экспертным путем. Эти модели, являясь результатом комбинирования интуитивного и аналитического подходов, обеспечивают получение достаточно надежных прогнозных оценок нечисловых данных маркетинговых исследований.

По теме диссертации опубликованы следующие работы:

1. Мокшина СИ. Некоторые социальные проблемы предпринимателей (по материалам социологического исследования) / СИ. Мокшина, А.И. Стеценко // Системное моделирование социально-экономических процессов / Тезисы докладов 24-й междунар. школы-семинара им. С.С. Шаталина на тему: Предпринимательский потенциал российской экономики: актуальные проблемы, концепции, методы управления, г. Воронеж, 4-6 октября 2001. - Воронеж: ВГУ, 2001. - 4.2. - С. 155-156.

2. Мокшина СИ. О некоторых особенностях статистической обработки нечисловой информации / СИ. Мокшина // Электронный бизнес: опыт и перспективы: Материалы межрегион, науч.-практ. конф., г. Воронеж, 18-19 декабря 2002г. - Воронеж: ВГУ, 2002. - С. 22-24.

3. Мокшина СИ. Логлинейный анализ в маркетинговых исследованиях // Системное моделирование социально-экономических процессов. Ч. 1. / Тезисы докладов 25-й юбил. междунар. школы-семинара им. С.С Шаталина, г. Королев Московской области, 24-28 мая 2002г. - М.: ЦЭМИ РАН, 2002.-4.2.-С 31-32.

4. Давнис В.В. Адаптивный дискриминантный анализ в прогнозных расчетах / В.В. Давние, В.И. Тинякова, СИ. Мокшина // Методы и агоритмы прикладной математики в технике, медицине и экономике: Материалы IV междунар. науч.-практ. конф., г. Новочеркасск, 23 января 2004г.: В 4 ч./ Юж.-Рос. гос. техн. ун-т ЩПИ). - Новочеркасск: ЮРГТУ, 2004. -4.4. - С. 39-42.

5. Мокшина СИ. Методы статистического анализа социально-экономических изменений / СИ. Мокшина, В.И. Тинякова // Управление изменениями в социально-экономических системах: Сборник статей Третьей междунар. науч.-практ. конф. / Под ред. И.Е. Рисина, Ю.И. Трещевского. -Воронеж: ВГУ, 2004. - С. 120-126.

6. Тинякова В.И. Прогнозирование лингвистических переменных с помощью моделей бинарного выбора / В.И. Тинякова, СИ. Мокшина // Экономическое прогнозирование: модели и методы - 2004: Материалы Всерос. науч.-практ. конф., г. Воронеж, 18-19 марта 2004г.: В 2 ч. / Под ред. В.В. Давниса. - Воронеж: ВГУ, 2004. - 4.2. - С. 296-301.

7. Давние В.В. Модели и методы прогнозирования социально-экономических данных, измеренных в номинальных шкалах /В.В. Давние, В.И. Тинякова, СИ. Мокшина // Математические и инструментальные методы экономики: Сб. научных трудов. Вып. 1 / Под ред. д.т.н., проф. Матвеева М.Г. - Воронеж, ВГТА, 2004. - С 27- 36.

Воронежский государственный университет

Лицензия ИД №00437 от 10 11 99. Заказ №346 от 4 03 05 Тир 100 экз. Отпечатано на множительной технике

экономического факультета ВГУ. 3940Ь8 г. Воронеж, ул Хользунова, 40.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Мокшина, Светлана Ивановна

Глава 1. Современные маркетинговые исследования: специфика и проблемы Ю

з1.1. Основные аспекты проведения маркетинговых исследований

з 1.2. Способы измерения и представления маркетинговой информации

з 1.3. Классификация методов обработки и прогнозирования результатов маркетинговых исследований

Глава 2. Математический аппарат обоснования маркетинговых решений

з2.1. Адаптивный дискриминантный анализ в прогнозных задачах маркетинга

з 2.2. Эконометрические модели маркетинговых прогнозных решений в номинальных шкалах

з 2.3. Методы экспертного оценивания в маркетинговых исследованиях

Глава 3. Применение методов моделирования нечисловых данных в реальных маркетинговых исследованиях

з 3.1. Адаптивно-дискриминантный анализ в задачах выбора наиболее перспективных регионов ЦФО России для реализации инвестиционных проектов

з 3.2. Методика формирования псевдовыборок для прогнозирования субъективных суждений с помощью моделей бинарного выбора

з 3.3. Моделирование вероятностных распределений ожидаемых результатов маркетинговой деятельности в областях ЦЧР РФ 155 Заключение

Диссертация: введение по экономике, на тему "Модели и методы обработки и прогнозирования нечисловых данных маркетинговых исследований"

Актуальность темы исследования. Сегодня можно с уверенностью говорить о всё возрастающей роли маркетинговых исследований в практической деятельности хозяйствующих субъектов. И это неслучайно. Ведь такие исследования ориентированы прежде всего на снижение информационной неопределенности и уровня коммерческого риска.

Об интересе к ним свидетельствуют также большое число публикаций, посвященных различным аспектам маркетинговых исследований:

1) принципам, формам и видам (Ф. Котлер, Е.П. Голубков, Г.Л. Багиев, И.К. Белявский, С.Г. Божук, Л.Н. Ковалик и др.);

2) особенностям их проведения в Интернете (В. Хомогоров, И. Успенский, Т.П. Данько и др.);

3) необходимости и существующих возможностях использования математических методов и моделей в задачах обработки и анализа результатов маркетинговых исследований (Н.К. Махотра, С.Г. Светуньков, Е.Б. Галиц-кий, Г.А. Черчиль и др.).

Однако то, что довольно часто результаты маркетинговых исследований представляются в номинальных шкалах, вызывает определенные затруднения в их обработке и анализе. Естественно, такая актуальная проблема не могла оставить равнодушными специалистов в области экономико-математического моделирования. Правда, к сожалению, интенсивные разработки в этой области были проведены и проводятся зарубежными, а не отечественными исследователями. Наиболее существенный вклад в развитие теории и методов анализа моделей дискретного выбора внес нобелевский лауреат 2000г. Д. Макфадден.

Благодаря его работам, а также разработкам других исследователей (Дж. Тобина, У. Грина, Л. Кинга, Д. Пауэрса, У. Ксая, Д. Коха, И. Снэла, С. Ман-ски и др.) в настоящее время уже можно говорить о существовании некоторого аппарата, позволяющего моделировать качественные переменные. Более того, самостоятельным разделом эконометрики признана Эконометрика качественных зависимых переменных (Ч. Гурьерукс).

В целом, модели качественных переменных нашли широкое применение в экономическом анализе деятельности зарубежных хозяйствующих субъектов, чего нельзя сказать о российской практике предпринимательства. Особенно вызывает удивление тот факт, что актуальность применения подобного рода моделей в отечественных маркетинговых исследованиях по-прежнему остается незамеченной.

Между тем, результаты маркетинговых исследований, имея в своей основе стратегическую направленность, помогают руководителю ориентироваться в сложнейших ситуациях современного бизнеса. В то же время естественная граница, существующая между настоящим и будущим, является тем барьером, который мешает ему предвидеть условия реализации принятого решения. Желание хоть что-то увидеть за этим барьером приводит к необходимости разработки прогнозных решений на основе результатов маркетинговых исследований.

Недооценка руководителем важности прогнозных решений в преодолении этого барьера свидетельствует о его неспособности рассмотреть основные ориентиры будущего, что, в свою очередь, приводит к так называемому шоку будущего. Поэтому роль прогнозирования и масштабы его практического применения в современной экономике существенно выросли, что стимулирует развитие методов прогнозирования. В маркетинговых же решениях особое место занимает проблема предсказания благоприятных и неблагоприятных событий, предпочтений, рисков, т.е. ситуаций, описание которых требует введения качественных переменных.

И если арсенал математических методов прогнозирования числовых данных уже достаточно богат, то на пути предсказания ожидаемых значений качественных переменных делаются только первые шаги. Все это приводит к тому, что отечественные маркетологи испытывают острый недостаток в адекватном математическом обеспечении своей аналитической деятельности, а руководители - в корректном формализованном обосновании принимаемых прогнозных решений. В этой связи настоящее диссертационное исследование, направленное на воспонение этого пробела, представляется весьма актуальным.

Работа выпонялась в соответствии с комплексной программой научных исследований кафедры информационных технологий и математических методов в экономике Воронежского государственного университета Математическое моделирование и информационные технологии в управлении экономическими процессами.

Цели и задачи исследования. Целью диссертационной работы является развитие математического аппарата анализа и прогнозирования нечисловых данных маркетинговых исследований на основе комбинирования интуитивного и аналитического подходов в задачах обоснования маркетинговых решений.

Цель исследования предопределила необходимость решения следующих основных задач: анализ отечественных и зарубежных подходов к проведению маркетинговых исследований и обработке их результатов; систематизация современных методов анализа и прогнозирования результатов маркетинговых исследований; изучение способов измерения и представления маркетинговой информации; разработка метода построения адаптивной дискриминантной функции для обоснования маркетинговых решений; предложение методики формирования псевдовыборочных совокупностей и ее использования в прогнозных расчетах; разработка моделей прогнозирования экспертных суждений и предпочтений массовых потребителей; исследование прикладных возможностей моделей бинарного выбора для решения задач маркетинга; применение методов моделирования нечисловых данных в реальных маркетинговых исследованиях.

Объектом исследования являются результаты отечественных маркетинговых исследований, проводимых в последнее время как на уровне отдельного предприятия, региона, округа, так и страны в целом.

Предмет исследования - математический аппарат обработки и прогнозирования данных маркетинговых исследований, измеренных в номинальных и ранговых шкалах.

Теоретической и методологической основой исследования являются современные достижения экономической и математической науки (труды отечественных и зарубежных ученых по вопросам методологии проведения маркетинговых исследований, экономико-математического моделирования, прогнозирования социально-экономических процессов, экспертного оценивания, а также применения принципов адаптации в экономической сфере). Была использована справочная и методическая литература, материалы периодической печати, Интернет-ресурсы, а также нормативные и законодательные акты.

При выпонении диссертационной работы применялись эконометриче-ские и многомерные статистические методы, а также методы адаптивного прогнозирования и обработки экспертной информации.

Фактографический материал составили официальные данные, полученные от Воронежского областного комитета государственной статистики и Главного управления экономического развития Администрации Воронежской области. Этот материал был обработан с использованием современного программного обеспечения.

Диссертационная работа выпонена в рамках п. 1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни. паспорта специальности 08.00.13 - Математические и инструментальные методы экономики.

Научная новизна исследования состоит в разработке математического аппарата прогнозирования нечисловых данных, основу которого составляют: 1) адаптивный дискриминантный анализ; 2) модели бинарного выбора, построенные с использованием псевдовыборочных совокупностей.

Научная новизна подтверждена следующими, наиболее существенными, выносимыми на защиту научными результатами, полученными автором в ходе диссертационного исследования: проведена классификация методов и моделей обработки результатов маркетинговых исследований в зависимости от шкал, в которых измерены эти результаты; разработан метод построения адаптивной дискриминантной функции, механизм которой позволяет автоматически отслеживать эффективность распознавания и в случае, когда снижается классифицирующая способность, корректировать параметры дискриминантной функции; предложена методика факторного анализа динамических эффектов, воздействующих на маркетинговую деятельность, что способствует получению допонительной информации для обоснования бизнес-решений; сформирован новый взгляд на обработку экспертной информации, позволивший построить модель бинарного выбора для прогнозирования субъективных суждений.

Апробация результатов работы. Основные результаты работы докладывались и обсуждались на: семинарах и научных сессиях в Воронежском государственном университете; 24-й международной школы-семинара им. С.С. Шаталина Системное моделирование социально-экономических процессов (Воронеж, 2001); 25-й юбилейной международной школы-семинара им. С.С. Шаталина (Королев, 2002); Межрегиональной научно-практической конференции Электронный бизнес: опыт и перспективы (Воронеж, 2002); IV Международной научно-практической конференции Методы и агоритмы прикладной математики в технике, медицине и экономике (Новочеркасск, 2004); Всероссийской научно-практической конференции Экономическое прогнозирование: модели и методы-2004 (Воронеж, 2004); Третьей международной научно-практической конференции Управление изменениями в социально-экономических системах (Воронеж, 2004); 27-й международной школы-семинара им. С.С. Шаталина (Орел, 2004).

Практическая значимость работы выражается в разработке методов и моделей, которые можно использовать в задачах выбора наиболее перспективных регионов для реализации инвестиционных проектов и моделировании вероятностных распределений ожидаемых результатов маркетинговой деятельности на их территории.

Отдельные результаты диссертационного исследования используются при подготовке экономистов и менеджеров на экономическом факультете Воронежского госуниверситета в курсах: Методы социально-экономического прогнозирования, Эконометрика, Многомерные статистические методы, что подтверждается соответствующим актом о внедрении.

Публикации. По теме диссертационного исследования опубликовано 7 печатных работ, которые указаны в конце автореферата. Лично соискателю принадлежат [2, 3]. Работы [1, 4-7] выпонены в соавторстве. В [1] соискатель провел анализ результатов опроса предпринимателей. В [4] он предложил метод построения адаптивной дискриминантной функции. В [5] соискателю принадлежит классификация методов анализа и прогнозирования в зависимости от шкалы, в которой измерены результирующий признак и объясняющие переменные. В [6] он разработал методику формирования псевдовыборочной совокупности для построения модели бинарного выбора. В [7] соискатель дал оценку современным методам и моделям, которые можно использовать в задачах, прогнозирования данных, измеренных в номинальных шкалах.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Основ

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Мокшина, Светлана Ивановна

-168-ЗАКЛЮЧЕНИЕ

В диссертационной работе на основе выпоненных теоретических и прикладных исследований в области обработки и прогнозирования нечисловых данных получены результаты и сформулированы выводы, заключающиеся в следующем: Показана возросшая роль маркетинговых исследований в современных условиях хозяйствования и представлен авторский взгляд на логику их проведения, позволивший сделать вывод, что если не будут увеличены возможности для тщательного изучения рынка, то и усилия любой компании по производству и последующему маркетингу продукта (услуг) окажутся напрасными. Поэтому востребованность маркетологами результатов различных научно-методических разработок, посвященных проблемным аспектам маркетинговых исследований, будет постоянно возрастать. Проанализирован современный аппарат прогнозирования и проведена классификация методов и моделей, составляющих его основу. Результаты анализа позволили сделать вывод о том, что современные маркетологи испытывают острый недостаток в адекватном математическом обеспечении своей аналитической деятельности. Возможность обрабатывать и прогнозировать нечисловые данные маркетинговых исследований значительно повысит эффективность их деятельности. Обоснован новаторский взгляд на дискриминанатный анализ как аппарат прогнозных расчетов. Процедура прогнозных расчетов сводится в данном случае к распознаванию объектов, параметры которых не использовались при построении дискриминантной функции. Такой взгляд расширяет возможности получения объективных прогнозных оценок в номинальных шкалах. Предложен метод построения адаптивной дискриминантной функции, основанный на связи дискриминантного анализа с множественным регрессионным. Он позволяет осуществлять мониторинг распознающей силы факторов, результаты которого используются в методике адаптивного факторного анализа. Все это способствует получению допонительной информации для обоснования маркетинговых решений. Детально изложены те аспекты моделирования качественных переменных, которые не достаточно подробно описаны в переводной литературе. Как известно, модели качественных переменных нашли широкое применение в экономическом анализе деятельности зарубежных хозяйствующих субъектов, чего нельзя сказать о российской практике предпринимательства. Проведенное исследование по разработке различных методик их построения и применения способствует тому, чтобы эти модели получили такое же широкое распространение и в отечественной практике. Разработаны модели прогнозирования субъективных суждений на основе моделей бинарного выбора. Для их построения предложены специальные процедуры формирования псевдовыборок экспертным путем. Эти модели, являясь результатом комбинирования интуитивного и аналитического подходов, обеспечивают получение достаточно надежных прогнозных оценок нечисловых данных маркетинговых исследований.

Диссертационное исследование, являясь заметным вкладом в развитие теоретических основ анализа и прогнозирования нечисловых данных, расширяет арсенал методов, которыми пользуются современные маркетологи при выявлении отношения покупателей к оказываемой услуге или продаваемому товару, повышении эффективности коммуникационных рыночных мероприятий, определении оптимальных сегментов позиционирования товаров (услуг), оценке стратегической и тактической деятельности фирмы, снижении финансовых и коммерческих рисков и т.д. Разработанные методы обеспечивают решение ранее не рассматриваемых в практике маркетинга задач, таких как прогнозирование экспертных суждений, моделирование вероятностных распределений ожидаемых результатов деятельности и др. Все это способствует повышению надежности и эффективности принимаемых маркетинговых решений.

Диссертация: библиография по экономике, кандидат экономических наук , Мокшина, Светлана Ивановна, Воронеж

1. Аакер Д. Маркетинговые исследования / Д. Аакер, В. Кумар, Дж. Дэй. СПб.: Питер, 2004. - 848 с.

2. Айвазян С.А. Классификация многомерных наблюдений / С.А. Айвазян, З.И. Бежаева, О.В.Староверов. -М.: Статистика, 1974. 240 с.

3. Айвазян С.А. Прикладная статистика и основы эконометрики: Учеб. / С.А. Айвазян, B.C. Мхитарян. М.: ЮНИТИ, 1998. - 220 с.

4. Айвазян С.А. Прикладная статистика: исследование зависимостей / С.А. Айвазян, И.С. Енюков, Л.Д. Мешакин. М.: Финансы и статистика, 1985.-487 с.

5. Айвазян С.А. Прикладная статистика, классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешакин. М.: Финансы и статистика, 1989. - 607 с.

6. Алексеев A.A. Маркетинговые исследования рынка услуг / A.A. Алексеев. (Ссыка на домен более не работаетread/ml7/index.htm).

7. Алексунин В.А. Исследование рынка винной продукции / В.А. Алек. сунин, К.С. Шамшурин // Маркетинг в России и за рубежом. 2002.6(32).-С. 30-36.

8. Андерсон Т. Введение в многомерный статистический анализ / Т. Андерсон. М.: Физматгиз, 1963. - 500 с.

9. Аптон Г. Дж. Г. Анализ таблиц сопряженности / Г. Дж. Г. Аптон. Ч М.: Финансы и статистика, 1982. 143 с.

10. Ю.Аренков И.А. Маркетинговые исследования: основы теории и методики: Учеб. пособие. / И.А. Аренков. СПб: СПбУЭФ, 1992. - 40 с.

11. Багиев Г.Л. Маркетинг: Учеб. / Г.Л. Багиев, В.М. Тарасевич, Х.Анн. -М.: Экономика, 1999.-703 с.

12. Багиев Г.Л. Основы маркетинговых исследований: Учеб. пособие / Г.Л. Багиев, И.А. Аренков. СПб: СПбУЭФ, 1996. - 93 с.

13. Бадалян Л.Г. Количественный анализ номинальных признаков / Л.Г. Бадалян // Математические методы в социологических исследованиях. М.: Институт социологических исследований АН СССР, 1984. -С. 88-111.

14. Баран В.И. Определение рыночной доли на основе парных сравнений / В.И. Баран // Маркетинг в России и за рубежом. 2001. - №3(32). -С. 12-14.

15. Батыршин И.З. Принятие решений на базе нечетких отношений предпочтения и функций выбора / И.З. Батыршин // Нечеткие системы поддержки принятия решений. Калинин: КГУ, 1989. - С. 29-35.

16. Башина О.Э. Применение метода опросов покупателей в анализе и прогнозировании покупательского спроса / О.Э. Башина, Н.Ю. Иванова // Вопросы статистики. 2000. - №10. - С. 28-32.

17. Беленов О.Н. Поведение потребителей: Учеб. пособие / О.Н. Беленов.- Воронеж: ВГУ, 2001. 224 с.

18. Белман Р. Принятие решений в расплывчатых условиях / Р. Белман, Л.Заде. В кн: Вопросы анализа и процедуры принятия решений. -М.: Мир, 1976. - С.172-215.

19. Белявский И.К. Маркетинговые исследования: информация, анализ, прогноз. М.: Финансы и статистика, 2002. - 320 с.

20. Бешелев С.Д. Математико-статистические методы экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич. М.: Статистика, 1980. - 263 с.

21. Божук С.Г. Маркетинговые исследования / С.Г. Божук, Л.Н. Ковалик.- СПб.: Питер, 2004. 304 с.

22. Боч Б. Многомерные статистические методы в экономике / Б. Боч, К. Хуань. М.: Статистика, 1979. - 317 с.

23. Борисов А.Н. Принятие решений на основе нечетких моделей. Примеры использования / А.Н. Борисов, O.A. Крумберг, И.П. Федоров. -Рига: Зинатне, 1990. 184 с.

24. Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов / В. Боровиков. СПб.: Питер, 2001. - 655 с.

25. Бугакова И.Н. Адаптивно-имитационное моделирование прогнозных оценок предкризисных ситуаций / И.Н. Бугакова, В.В. Давние // Энергия. -2001.-№4(46). -С. 100-105.

26. Бушуева Л.И. Применение методов анализа взаимосвязей между признаками в маркетинговых исследованиях / Л.И. Бушуева // Маркетинг в России и за рубежом. 2004. - №2(40). - С.70-80.

27. Галицкий Е.Б. Методы маркетинговых исследований / Е.Б. Галицкий. М.: Институт фонда Общественное мнение, 2004. - 398 с.

28. Галицкий Е.Б. Возможности процедур многомерного статистического анализа при изучении ценностной дифференциации общества / Е.Б. Галицкий, С.Г. Климова // Социологический журнал. 2002. - №3. -С. 69-67.

29. Голубков Е.П. Маркетинговые исследования / Е.П. Голубков. -(Ссыка на домен более не работаетmarket/arhiv/2000/5/8 .html).

30. Голубков Е.П. Использование Интернета в маркетинге / Е.П. Голубков // Маркетинг в России и за рубежом. 2002. - № 3. - С. 109-116.

31. Голубков Е.П. Маркетинговые исследования: теория, методология и практика / Е.П. Голубков. М.: Финпресс, 2003. - 496 с. .

32. Гохман О.Г. Экспертное оценивание: Учеб. пособие / О.Г. Гохман. -Воронеж: ВГУ, 1991. 152 с.

33. Давние В.В. Адаптивное прогнозирование: модели и методы / В.В. Давние. Воронеж: ВГУ, 1997. - 196 с.

34. Давнис В.В. Основы эконометрического моделирования / В.В. Давние, В.И. Тинякова. Воронеж: АОНО ИММиФ, 2003. - 155 с.

35. Давнис В.В. Прогноз и стратегический выбор / В.В. Давние, Е.К. Нагана, В.И. Тинякова, В.А. Ищенко. Воронеж: Изд-во Воронеж, гос. ун-та, 2004.- 216 с.

36. Давние В.В. Эконометрический и логико-аналитический подходы к задачам и ситуациям по управлению персоналом / В.В. Давние, И.Б. Дуракова. Воронеж: ВГУ, 2000. - 50 с.

37. Дейвисон М. Многомерное шкалирование / М. Дейвисон. М.: Финансы и статистика, 1988. - 253 с.

38. Докторов Б.З. Онлайновые опросы: обыденность наступившего столетия / Б.З. Докторов // Телескоп: наблюдения за повседневной жизнью петербуржцев. 2000. - №4. - С. 16-31.

39. Дрейпер Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. М.: Статистика, 1973. - 394 с.

40. Дубров A.M. Компонентный анализ и эффективность в экономике /

41. A.M. Дубров. М.: Финансы и статистика, 2002. - 352 с.

42. Дубров A.M. Многомерные статистические методы: Учеб. / A.M. Дубров, B.C. Мхитарян, Л.И. Трошин. М.: Финансы и статистика, 1998.-352 с.

43. Дуброва Т.А. Статистические методы прогнозирования в экономике: Учеб. пособие / Т.А. Дуброва. М.: МЭСИ, 2003. - 52 с.

44. Евланов Л.Г. Экспертные оценки в управлении / Л.Г. Евланов, В.А. Кутузов. -М.: Экономика, 1978. 133 с.

45. Емельянов A.A. Имитационное моделирование экономических процессов: Учеб. пособие / A.A. Емельянов, Е.А. Власова, Р.В. Дума. -М.: Финансы и статистика, 2004. 368 с.

46. Иберла К. Факторный анализ / К. Иберла. М.: Статистика, 1980. -400 с.

47. Кендал М. Дж. Статистические выводы и связи / М.Дж. Кендал, А. Стьюарт. М.: Наука, 1973. - 900 с.

48. Кобелев Н.Б. Основы имитационного моделирования сложных экономических систем: Учеб. пособие / Н.Б. Кобелев. М.: Дело, 2003. Ч 336 с.

49. Козина A.B. Кластерный анализ в пространстве нечисловых признаков / A.B. Козина // Математические методы и модели в социологии. Вып. 1.-М.: ИСАИ СССР, 1991.-С. 117-131.

50. Котлер Ф. Основы маркетинга / Ф. Котлер. М.: Вильяме, 2002. -1152 с.

51. Котлер Ф. Основы маркетинга / Ф. Котлер, Г. Армстронг, Д. Сондерс,

52. B. Вонг. М.: Вильяме, 2003. - 944 с.

53. Кофман А. Введение в теорию нечетких множеств / А. Кофман. М.: Радио и связь, 1982. - 432 с.

54. Кравченко Т.К. Методы и модели описания неформализованных процедур в процессе разработки плана / Т.К. Кравченко. М.: Высшие экономические курсы при Госплане СССР, 1989. - 126 с.

55. Крылова Г.Д. Маркетинг. Теория и практика / Г.Д. Крылова, М.И. Соколова. -М.: ЮНИТИ, 2004. 655 с.

56. Ларичев О.И. Качественные методы принятия решений: Вербальный анализ решений / О.И. Ларичев, Е.М. Мошкович. М.: Физматлит, 1996.-207 с.

57. бов Г.С. Методы обработки разнотипных экспериментальных данных / Г.С. бов. Новосибирск: Наука, 1981. - 155 с.

58. Литвак Б.Г. Экспертная информация: Методы получения и анализа / Б.Г. Литвак. М.: Радио и связь, 1982. - 184 с.

59. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов / Ю.П. Лукашин. М.: Финансы и статистика, 2003. -416с.

60. Мазманова Б.Г. Методические вопросы прогнозирования сбыта / Б.Г. Мазманова // Маркетинг в России и за рубежом. 2000. - №1. -С.105-124.

61. Махотра Н.К. Маркети нговые исследования. Практическое руководство / Н.К. Махотра. М.: Изд. дом Вильяме, 2003. - 960 с.

62. Маркетинг: Учеб. / А.Н. Романов, Ю.Ю. Корлюгов, С.А. Красильни-ков и др.; Под ред. А.Н. Романова. М.: Банки и биржи, ЮНИТИ, 1996.-560 с.

63. Маркетинг: Учеб. / Н.Д. Эриашвили, К. Ховард, Ю.А. Цыпкин и др.; Под ред. Н.Д. Эриашвили. М.: ЮНИТИ-ДАНА, 2000. - 623 с.

64. Маркетинговые исследования потребительского рынка / В. Анурин, И. Муромкина, Е. Евтушенко. СПб.: Питер, 2004. - 270 с.

65. Мешакина Ю.В. Интернет как источник маркетинговой информации / Ю.В. Мешакина // Маркетинг в России и за рубежом. 2003. - № 2. -С. 87-101.

66. Миркин Б.Г. Анализ качественных признаков и структур / Б.Г. Мир-кин. М.: Статистика, 1980. - 319 с.

67. Миркин Б.Г. Проблема группового выбора / Б.Г. Миркин. М.: Наука, 1974.-256 с.

68. Молодцов Д.А. Описание зависимостей при помощи мягких множеств / Д.А. Молодцов // Известия Академии наук. Теория и системы управления. 2001. - №6. - С. 137-144.

69. Мостелер Ф. Анализ данных и регрессия / Ф. Мостелер, Дж. Тьэки. М.: Финансы и статистика, 1982. - 239 с.

70. Мотышина М.С. Методы и модели маркетинговых исследований: Учеб. пособие / М.С. Мотышина. СПб: СПбУЭФ, 1996. - 109 с.

71. Никифоров A.M. Методы и агоритмы преобразования типов признаков в задачах анализа данных / A.M. Никифоров, Ш.Х. Фазылов. -Ташкент: Фан, 1988. 132 с.

72. Патругин Ю.А. Об измерении качественных признаков / Ю.А. Патру-гин // Моделирование социальных процессов. Ч М.: Наука, 1970. С. 103-108.

73. Перминов С.Б. Имитационное моделирование процессов управления в экономике / С.Б. Перминов. Новосибирск: Наука, 1981. - 214с.

74. Прикладные нечеткие системы: Пер. с япон. / К. Асаи, Д. Ватада, С. Иваи и др.; под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. -368 с.

75. Пфанцагль И. Теория измерений / И. Пфанцагль. М.: Мир, 1976. -248 с.

76. Родионов А.Ю. Экономико-статистический анализ поведения потребителей в сфере электронного бизнеса (на примере Казахстана) / А.Ю. Родионов // Электронный журнал Исследовано в России -(Ссыка на домен более не работаетarticles/2002/024.pdf).

77. Сатаров Г.А. Методика анализа конкурирующих предпочтений / Г.А. Сатаров, Л.И. Тихомиров // Социология: 4М. 1991. - №1. - С. 32-48.

78. Светуньков С.Г. Методы маркетинговых исследований / С.Г. Све-туньков. СПб.: ДНК, 2003. - 352 с.

79. Сошникова Л.А. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Л.А. Сошникова, В.Н. Тамашевич, Г. Уе-бе, М. Шеффер / Под ред. проф. В.Н. Тамашевича. М.: ЮНИТИ-ДАНА, 2000. - 598 с.

80. Статистические методы измерения анализа информации в социологических исследованиях / Под ред. Г.В. Осипова. М.: Наука, 1979. -320 с.

81. Статистическое измерение качественных характеристик. М.: Статистика, 1972.-176 с.

82. Сулицкий В.Н. Методы статистического анализа в управлении: Учеб. пособие / В.Н. Сулицкий. М.: Дело, 2002. - 520 с.

83. Теория прогнозирования и принятия решений: Учеб. пособие / Под ред. С.А. Саркисяна. -М.: Высш. школа, 1977. 351 с.

84. Тейл Г. Экономические прогнозы и принятие решений / Г. Тейл. М.: Статистика, 1971. - 488 с.

85. Терехина А.Ю. Анализ данных методами многомерного шкалирования / А.Ю. Терехина. М.: Наука, 1986. - 168 с.

86. Тинякова В.И. Адаптивно-рациональное моделирование в задачах прогнозирования социально-экономических процессов: Дис. . канд. экон. наук / Тинякова Виктория Ивановна. Воронеж, 2003. - 203 с.

87. Тихомиров Н.П. Эконометрика: Учеб. / Н.П. Тихомиров, Е.Ю. Доро-хина. М.: Экзамен, 2003. - 512 с.

88. Тостова Ю.Н. Измерение в социологии / Ю.Н. Тостова. М.: ИН-ФРА-М, 1998. - 224 с.

89. Тостова Ю.Н. Методология математического анализа данных / Ю.Н. Тостова // Социс. 1999. - № 6. - С. 77-87.

90. Ю1.Торгенсон У.С. Многомерное шкалирование. Теория и метод / У.С. Торгенсон // Статистическое измерение качественных характеристик. -М.: Статистика, 1972. С. 95-118.

91. Удовенко А.Н. Торговля в сети Интернет: история и измерение / А.Н. Удовенко // Вопросы статистики. 2002. - №4. - С, 61-65.

92. Успенский И. Энциклопедия Интернет-бизнеса / И. Успенский. -СПб.: Питер, 2001. 432 с.

93. Ханк Д.Э. Бизнес-прогнозирование / Д.Э. Ханк, Д.У. Уичерн, А.Дж. Райте. М.: Вильяме, 2003. - 656 с.

94. Хованов Н.В. Математические основы теории шкал измерения качества / Н.В. Хованов. Д.: ГУ, 1982. - 188 с.

95. Хомогоров В. Интернет-маркетинг / В. Хомогоров. СПб.: Питер, 2002. - 272 с.

96. Хэнсон У. Интернет-маркетинг: Учеб.-практ. пособие / У. Хэнсон. -М.: ЮНИТИ-ДАНА, 2001. 527 с.

97. Черчиль Г.А. Маркетинговые исследования / Г.А. Черчиль. -СПб.: Питер, 2000. 752 с.

98. Чесноков C.B. Детерминационный анализ социально-экономических данных / C.B. Чесноков. -М.: Наука, 1982. 168 с.-180110. Четыркин Е.М. Статическое измерение качественных характеристик / Е.М. Четыркин. М.: Статистика, 1972. - 172 с.

99. Чубинец М.В. Использование Интернета при проведении маркетинговых исследований / М.В. Чубинец // Маркетинг в России и за рубежом. 2001 .-№ 2. - С. 53-56.

100. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989. - 215 с.

101. Шашнов С.А. О применении метода инструментальных переменных в факторном анализе качественных признаков / С.А. Шашнов // Математические методы в социологических исследованиях. М.: Институт социологических исследований АН СССР, 1984-С. 152-163.

102. Шеффе Г. Дисперсионный анализ / Г. Шефе. М.: Наука, 1963.

103. Эконометрика: Учеб. / Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2005. - 576 с.

104. Электронный маркетинг: Учеб. пособие / Под ред. Т.П. Данько, Н.Б. Завьяловой, О.В. Сатиновой. М.: ИНФРА-М, 2003. - 377 с.

105. Ярных Э.А. Проблемы развития электронной торговли и ее статистического наблюдения / Э.А. Ярных // Вопросы статистики. 2003. -№ 1.-С. 33-41.

106. Amemiya Т. The Estimation of a Simultaneous-Equation Tobit Model // International Economic Review. 1979. - Vol. 20. - No. 1. - Pp. 169181.

107. Anderson S.P. A Representative Consumer Theory of the Logit Model / S.P. Anderson, A. De Palma, J.-F. Thisse // International Economic Review. 1988. - Vol. 29. - No. 3. - Pp. 461-466.

108. Burns A.C. Marketing Research and SPSS 11.0, 4th ed. / A.C. Burns, R.F. Bush. New Jersey: Prentice Hall, 2002. - 688 p.

109. Cox D. R. The analysis of binary data, 2nd ed. / D.R. Cox, E.J. Snell-London: Chapman and Hall, 1989.

110. ESOMAR Guidelines on Conducting Marketing and Opinion Research Using the Internet (Ссыка на домен более не работаетindex.php).

111. Furrer O. Internet marketing research: opportunities and problems / O. Furrer, Sudharshan D. // Qualitative Market Research. 2001. - Vol. 4. -Pp.123-129.

112. Gourieroux Ch. Econometrics of Qualitative Dependent Variables / Ch. Gourieroux- Cambridge: The Pitt Building, 2000. 371 p.

113. Green W.H. Econometric Analysis, 4th ed. / W.H. Green New York: Macmillian Publishing Company, 2000. - 1004p.

114. Hausman J. Specification Tests for the Multinomial Logit Model / J. Hausman, D. McFadden // Econometrica. 1984. - Vol. 52. - No. 5. -Pp. 1219-1240.

115. Hensher A. D. Sequential and Full Information Maximum Likelihood Estimation of Nested Logit Model / A. D. Hensher // The Review of Economics and Statistics. 1986. - Vol. 68. - No. 4. - Pp. 657-667.

116. ICC/ESOMAR International Code of Marketing and Social Research Practice. (Ссыка на домен более не работаетindex.php).

117. Introduction to Marketing ResearchСсыка на домен более не работаетLessons/lessonmarketingresearch.htm)

118. King L.J. Discriminant Analysis: A Review of Recent Theoretical Contributions and Applications // Economic Geography. 1970. - Vol. 46 (Supplement: Proceedings. International Geographical Union. Commission on Quantitative Methods) - Pp. 367-378.

119. Maddala G.S. Introduction to Econometrics. 3rd ed. / G.S. Maddala. -New York: John Wiley & Sons Ltd., 2001. 636p.

120. Manski C.F. Structural Analysis of Discrete Data and Econometric Applications / Charles F. Manski and Daniel L. McFadden (Eds.). Cambridge: The MIT Press, 1981. - p. xxvii. -(Ссыка на домен более не работаетusers/mcfadden/discrete.html).

121. Park J. Y. Nonstationary Binary Choice / J. Y. Park, P. C. B. Phillips // Econometrica. 2000. - Vol. 68. - No. 5. - Pp. 1249-1280.

122. Powers D. Statistical Methods for Categorical Data Analysis / D. Powers, Y. Xie. Academic Press, 1999. -(Ссыка на домен более не работаетresearch/faculty/dpowers/book).

123. Semon T. T. Marketing Research Needs Basic Research / T.T. Semon // Marketing News. March 14, 1994.-P. 12.

124. The Market Research Society -(Ссыка на домен более не работаетmrindustry/index.htm)

125. Tull D.S. Marketing research: Measurement and method: A text with cases, 2nded. / D.S. Tull, D.I. Hawkins. New York; London: Macmillan, 1980.- 796p.

126. Zadeh L.A. The concept of linguistic variable and its application to approximate reasoning. Part 1, 2, 3 / L.A. Zadeh // Information Sciences. -1975. -№8. -P.199-249, P. 301-357; №9. P.43-80/

Похожие диссертации