Понятие корреляционного анализа и его место в обработке данных маркетингового исследования
Корреляция – это мера зависимости переменных.
Корреляционный анализ – это метод обработки статистических данных, позволяющий обнаружить зависимость между несколькими случайными переменными.
Иначе говоря, корреляционный анализ может быть определен качестве количественного метода определения направления и тесноты взаимосвязи между выборочными переменными величинами. Практическим результатом его проведения выступает определение корреляции. Корреляция, в свою очередь, характеризуется тремя направлениями. В общем виде они представлены на рисунке 1.
Рисунок 1. Характер связи между переменными. Автор24 — интернет-биржа студенческих работ
Как видно из рисунка 1, корреляция по форме своей может быть линейной и нелинейной. В зависимости от правления выделяют прямую и обратную корреляцию. Наконец, сила корреляции измеряется в пределах от –1 до +1. Фактическая корреляция определяется при помощи соответствующего коэффициента. Его расчет и оценка как раз-таки и представляют собой корреляционный анализ.
Корреляционный анализ, хоть и относится к методам математической статистики, но все же находит свое применение в различных отраслях наук. Не является исключением и маркетинг. Часто методика корреляционного анализа применяется при обработке результатов маркетинговых исследований. По сути, корреляционный анализ является одним из логических этапов обработки данных практически любого маркетингового исследования. В то же время корреляционный анализ используется наряду с факторным и дисперсионным анализом для проверки выдвинутых исследовательских гипотез.
В рамках обработки данных маркетингового исследования корреляционный анализ призван решать следующие задачи:
- определение формы связи между показателями маркетингового исследования.
- измерение тесноты связи между показателями маркетингового исследования.
Решение первой задачи предполагает необходимость установления математической формы связи, в которой она может быть выражена. Правильный выбор формы связи оказывает прямое влияние на конечный результат изучения взаимосвязи между признаками. Вторая задача связана с необходимостью определения меры связи между признаками в целях установления степени влияния фактора на конечный результат. Решение данной задачи обеспечивается за счет математического определения параметров корреляционного уравнения, после чего при помощи специальных показателей производится оценка и анализ полученных результатов, а также проводится проверка существенности связи между изучаемыми признаками.
В целом справедливо говорить о том, что проведение корреляционного анализа позволяет произвести количественную оценку степени согласованности различных переменных. Наличие корреляции между двумя показателями означает, что при изменении одного результата второй также изменится (в большую или меньшую сторону).
Основы обработки данных маркетингового исследования с использованием корреляционного анализа
Корреляционный анализ, проводимый в рамках обработки результатов маркетингового исследования, предполагает необходимость расчета коэффициента корреляции. С его помощью определяется степень тесноты линейной связи между двумя переменными. Рассчитывается данный показатель как отношение ковариации этих переменных к произведению их средних квадратических отклонений.
Коэффициент корреляции отражает корреляцию, т.е. связь между данными маркетингового исследования. Эта связь является линейной и по своему характеру условно подразделяется на два основных вида:
- положительная линейная корреляция;
- обратная линейная корреляция.
Прямая связь между показателями предполагает, что обе переменные изменяются (возрастают или убывают) пропорционально друг другу. Обратная же связь означает, что возрастание одного показателя сопровождается убыванием другого показателя и наоборот. В том случае, если связи между показателями нет, то нет и коэффициента корреляции.
Таким образом, значение коэффициента корреляции может изменяться в пределах от +1 до –1, то есть он может иметь положительный или отрицательный знак. Также коэффициент корреляции может быть равен 0. Рассмотрим, что же означают те или иные его значения более подробно.
В том случае, если значение коэффициента корреляции меньше 0, справедливо говорить о том, что переменные характеризуются строгой отрицательной зависимостью. Соответственно, чем выше значение одного показателя, тем ниже значение другого. Если же переменные характеризуются строгой положительной зависимостью (чем выше значение одного показателя, тем выше значение другого показателя), то значение коэффициента корреляции будет принимать положительную величину. В том же случае, когда значение коэффициента корреляции достигнет нулевой отметки, справедливо говорить об отсутствии связи между переменными.
Также при обработке данных маркетингового исследования посредством проведения корреляционного анализа определяется вид связи между переменными. По своему виду эта связь может быть:
- прямой причинно-следственной, когда переменная Х определяет значение переменной У;
- обратной причинно-следственной, когда переменная У определяет значение переменной Х;
- вызванной третьей (скрытой) переменной;
- вызванной несколькими скрытыми переменными;
- случайностью наблюдаемой зависимости, когда связь фактически отсутствует.
Таким образом, связь между данными маркетингового исследования, если таковая вообще есть, может быть простой или множественной (рисунок 2).
Рисунок 2. Пример простой и множественной взаимосвязи переменных при корреляционном анализе. Автор24 — интернет-биржа студенческих работ
Сегодня для проведения корреляционного анализа в рамках обработки данных маркетингового исследования достаточно средств Microsoft Excel. Обычно для этого используются специальные график рассеяния. Дополняется корреляционный анализ проведением регрессионного анализа.
Корреляционно-регрессионный анализ проводится в несколько этапов. Сначала производится сбор данных. Далее рассчитывается и анализируется коэффициент корреляции. Затем производится расчет параметров, и строятся регрессионные модели, т.е. определяется статистическая значимость. Если полученная модель является статистически значимой, она может быть использована для дальнейшего прогнозирования, управления и/или объяснения.
