در سال های اخیر شاهد پیشرفت های قابل توجهی در سخت افزار کامپوتر بوده ایم.ظرفیت سرعت و ذخیره pcs هر هجده ماه دو برابر می شود و این در حالی است که هزینه آن کاهش می یابد.
بسته های نرم افزاری آماری با ویندوزهای کاربر نقش مهمی را در عصرclik-and-point ایفا می کنند.سالیان متوالی داده ها حاصل بررسی های گوناگون بودند امروزه در انبار داده ها انبوهی از اطلاعات ذخیره شده است به گونه ای که می توان اطلاعات ارزشمندی راجع به مشتریان و کارکنان کسب نمود.تعدادی از این اطلاعات را می توان به وسیله روش های آماری ساده تجزیه و تحلیل نمود.اما در اکثر مواقع نیازمند تکنیک های پیچیده تری هستیم.امروزه اکثر محققان علاقمند به استفاده از بیش از متغیر ه هستند و بنابراین وجود تکنیک های چند متغیره آماری ضروری میباشد.
علاوه براین، تصمیم گیر ندگان تجاری و مصرف کنندگان به منظور اتحاذ تصمیم و انتخاب تمایل دارند از اطلاعات زیادی استفاده کنند.در نتیجه تاثیرات بالقوه بر رفتار مصرف کننده و واکنش های تجاری فراوان می باشد. تکنیک های چند متغیره ناشی از نیاز تجار به توجه نمودن به برخی پیچیدگی ها است.
تجزیه چند متغیره چیست؟
تجزیه چند متغیره به گروهی از شیوه های آماری اشاره دارد که مقیاس های چندگانه هر ویژگی با شیء مورد بررسی را به طور همزمان تجزیه و تحلیل می کند.شیوه های آماری چند متغیره که در این فصل به بحث راجع به آن خواهیم پرداخت شیوه های آماری یک متغیره و دو متغیره گسترده شده هستند که در فصل پیشین نکاتی راجع به آنها ارائه نمودیم.تحلیل چند متغیره در تحقیقات بازاریابی به دلیل اینکه بیشتر مشکلات تجاری چند بعدی هستند بسیار مهم می باشد.به ندرت شرکت ها و مشتریانشان بر اساس یک بعد توصیف می شوند اتخاذ تصمیم در بازدید از یک رستوران اغلب به فاکتورهایی از قبیل کیفییت،تنوع و هزینه غذا؛ محل رستوران و خدمات بستگی دارد. هنگامی که شرکت ها برای ارائه خدمات بهتر به مشتریان خود پایگاه داده ای راه اندازی می کنند، این پایگاه ها اغلب شامل اطلاعات گسترده ای مانند جمعیت شناسی،شیوه زندگی،کد پستی و شیوه خرید مشتریان می باشد.
طبقه بندی شیوه های چند متغیره:
چالش موجود در میان محققان بازاریابی تعیین شیوه آماری مناسب برای مشکل مذکور می باشد.چندین شیوه پیشنهاد شده است. طبقه بندی سودمندی از بیشتر تکنیک ها ی آماری چند متغیره در کادر 1-18 ارائه شده است.
کادر 1-18 طبقه بندی شیوه های چند متغیره
شیوه های وابسته یا بر همبستگی؟
اگر برای توضیح متغیر وابسته بر اساس دو یا چند متغیر مستقل از تکنیک چند متغیره استفاده کنیم به تجزیه و تحلیل و درک وابستگی مبارات نموده ایم.شیوه وابسته را می توان به عنوان شیوه هی تعریف نمود که در آن یک متغیر به وسیله متغیرهای مستقل دیگر توضیح داده می شود. تکنیک های وابسته شامل تجزیه رگرسیون چندگانه،تحلیل مبین (ممیز)، manova ، تحلیل همیشه می باشد.کادر 2-18
خلاصه شیوه های چند متغیره گزینش شده:
رگراسیون چندگانه محققان بازاریابی را در پیش بینی یک متغیره متری وابسته از دو یا چند متغیر مستقل که از نظر متری سنجش شده اند را توانمند می سازد.
تحلیل مبین:چندگانه می تواند یک متغیر غیر متری وابسته را از میان دو یا چند متغیر مستقل متری پیش بینی کند.
تحلیل فاکتوری:در خلاصه نمودن اطلاعات موجود شمار گسترده ای از متغیرها زیر مجموعه های کوچکتر یا فاکتور ها استفاده می شود.
تحلیل خوشه ای:در طبقه بندی نمودن پاسخ دهندگان یا اشیاء (به عنوان مثال فراورده ها،ذخایر)به گروه هایی که یکنواخت هستند استفاده می شود.
تحلیل همبسته:در بر آورد نمودن ارزش (کارائی) محصولات مختلف و خدمات ار نظر پاسخ دهنده به کار می رود.
باز نمایی ادراکی:در سنجش دادن بینش های پاسخ دهنده از محصولات، نشان های تجاری ویژه،شرکت ها،و . . . که به طور بصری می باشد استفاده می گردد.
تاثیر مقیاس های سنجش:ماهیت مقیاس های سنجش درست مانند شیوه های دیگر تحلیل،تعیین تکنیک چند متغیره در تحلیل داده می باشد. گزینش شیوه چند متغیره صحیح نیازمند بررسی نوع سنجش های استفاده شده در متغیرهای وابسته و مستقل می باشد.وقتی متغیر وابسته به صورت غیر متری سنجش می شود. شیوه های مناسب تحلیل مبین و همبسته هستند و زمانیکه متغیر وابسته به طور متری اندازه گیری می شود تکنیک های مؤثر رگرسیون چندگانه،MANOVA.ANOVA و همبسته می باشند.تحلیل رگراسیون چندگانه و مبین معمولا نیارمند متغیرهای مستقل متری هستند ،اما می توانند از متغیرهای مصنوعی غیر متری نیز استفاده کنند.تحلیل های MANOVA.ANOVA و همبسته متناسب با متغیر های مستقل غیر متری می باشند. تکنیک های بر همبستگی تحلیل فاکتوری و تحلیل خوشه ای به طور پیوسته با متغیر های متری بکار می روند،اما تطبیقات غیرمتری نیز امکان پذیز است.
تکنیک های بر همبستگی:بحث راجع به تکنیک های خاص چند متغیره را با تحلیل شیوه های بر همبستگی آغاز خواهیم نمود.هدف تکنیک هایی از قبیل تحلیل فاکتور و خوشه ای پیش بینی متغیری از یک سری متغیرهای مستقل نیست.بلکه خلاصه نمودن و ارائه درکی روشن از تعداد زیادی متغیر می باشد.
تحلیل فاکتور:تکنیک آماری چند متغیری است که به منظور خلاصه نمودن اطلاعات موجود شمار گسترده ای از متغیر ها در زیر مجموعه های کوچکتر یا فاکتورها استفاده می شود.هدف تحلیل فاکتور ساده نمودن داده ها می باشد با وجود تحلیل فاکتوری تفاوتی بین متغیرهای وابسته و مستقل وجود ندارد. امروزه اکثر مشکلات پیشاروی تجار اغلب در نتیجه ترکیب چند چند متغیر می باشد. به عنوان مثال،اگر امتیاز دهنده محلی ام سی دونالد به ارزیابی رضایت مشتری علاقمند باشد،اکثر متغیرهای علاقه را باید بسنجد. متغیرهایی مانند تازه بودن غذا، زمان انتظار، مزه، دمای غذا، تمیزی و رفتار محبت آمیز پرسنل از طریق تعدادی سؤال درجه بندی شده اندازه گیری خواهد شد. اجازه دهید به مثال اولیه از تحلیل فاکتور بپردازیم. داده های پنج مشتری که رستوران فست فود را در شش ویژگی توصیف نموده اند در کادر3-18 ارائه شده است.
مشتریانی که کمترین امتیاز را به زمان انتظار داده اند،برای تمیزی و پرسنل نیز امتیاز کمی در نظر گرفته اند سه مشخصه دیگر یعنی تازگی، مزه، دما الگوی دیگری پدید آورده اند.
در این مورد امتیازات در هر سه متغیر بالا می باشد. بر اساس الگوی داده ها می توان این شش مقیاس را در دو مقیاس مختصر یا فاکتور کمیت خدمات و غذا ترکیب نمود.(کادر 4-18)