Մխիթարյա՞ն, Հա՞րդի, թե՞ Մաքրոն․ CONJOINT վերլուծություն

Խնդիր.
Անհրաժեշտ է պարզել, թե ամուսին/կին ընտրելիս ո՞ր հատկանիշներն են ամենից շատ կարևորվում:

Խնդրի հեշտ, բայց սխալ լուծումը.
Հարցվողներին հարցնել, թե որքանով են կարևորում այս կամ այն հատկանիշը, հետո հաշվել ու համեմատել մեդիանաները կամ միջինները: Վե՛րջ, խնդիրը լուծվեց:

Այստեղ հիշում ենք, որ բոլոր հեշտ ճանապարհները մոլորեցնող են:


Ի՞նչումն է խնդիրը.
Գործնականում ստացվում է այնպես, որ բոլոր հատկանիշներն էլ կարևոր են: Խելքը՝ կարևոր է, բարի լինելը՝ կարևոր է, ազնվությունը՝ կարևոր է, և այսպես շարունակ: Արդյունքում հատկանիշների միջինները կարող են իրարից շատ չնչին տարբերվել և այն էլ՝ տարբերությունը կարող է պարզվել վիճակագրորեն ոչ նշանակալի:

Մյուս կողմից, հաճախ հարցվողները նշում են, որ այս կամ այն հատկանիշը կարևոր է, սակայն գործնականում, երբ անհրաժեշտ է ընտրություն կատարել, նրանք անտեսում են այդ «կարևոր» հատկանիշը:


Ի՞նչ անել.
CONJOINT մեթոդը ստեղծված է հենց նմանատիպ խնդիրներ լուծելու համար: Այն ամենից շատ տարածված է մարքեթինգային հետազոտություններում, երբ պատվիրատուն ցանկանում է նոր արտադրանք ստեղծել, սակայն չի կողմնորոշվում, թե ինչ հատկանիշներով պետք է այն օժտված լինի, որպեսզի լինի մաքսիմալ եկամտաբեր:

Մեթոդը ստիպում է հարցվողին կանգնել ընտրության առջև և ի վերջո կողմնորոշվել, թե իր համար ավելի կարևոր է, որ, օրինակ, կողակիցը լինի խելացի և բարի, թե՞ գեղեցիկ ու աշխատասեր: Պատահականորեն հատկանիշները համադրելով և ընտրության քարտեր ստանալով՝ ի վերջո CONJOINT-ը հնարավորություն է տալիս չափել յուրաքանչյուր հատկանիշի ուժը:

Ընտրության քարտերը ունենում են հետևյալ տեսքը՝

card

Կարելի է նկատել, որ վերոնշյալ օրինակում հատկանիշների մակարդակները ընտրված չեն պատահականորեն: CONJOINT-ը հենց հնարավորություն է տալիս խառնել հատկանիշների ընդունած արժեքները, օրինակ՝ ստանալ Հենրիկ Մխիթարյան, որը դերասան է ԱՄՆ-ից և ամուսնացած չէ։ Այսպիսի տարբերակների մեջ ընտրություն կատարելը հնարավորություն է տալիս պարզել առանձին հատկանիշների և դրանց կրած արժեքների կարևորությունը:


Ինչպե՞ս վերլուծել տվյալները․
Եթե մեթոդը կիրառում ենք SPSS-ում, ապա ստանում ենք հետևյալ output-ը:
Նախ և առաջ պարզում ենք, թե հատկանիշներից որոնք են ամենակարևորները հարցվողների համար:

output1.png

Այս օրինակում հարցվողները ամենից շատ կարևորություն են տվել զբաղվածության ոլորտին, բրենդը և երկիրը ունեն գրեթե հավասար կարևորություն, իսկ ամուսնական կարգավիճակը պարզվում է՝ ամենաանկարևորն է /2,9%/:

Այնուհետև նայում ենք, թե միևնույն հատկանիշի ներսում ո՞ր արժեքներն են առավել նախընտրելի կամ ունեն ամենաբարձր «օգտակարությունը»:

output2

Բրենդ հատկանիշի ամենաօգտակար արժեքը Հարդին է, իսկ Մխիթարյանը և Մաքրոնը ունեն բացասական օգտակարություն: Ամուսնական կարգավիճակում հարցվողների համար առավել նախընտրելի է չամուսնացած կարգավիճակը, սակայն հղում անելով նախորդ աղյուսակին՝ կարող ենք փաստել, որ այն ընտրության համար այնքան էլ կարևոր հատկանիշ չէ:

Շարունակելով՝ Ֆրանսիան ունի ամենամեծ օգտակարությունը, Հայաստանը՝ ամենացածր: Զբաղվածության ոլորտում ամենամեծ օգտակարությունը ունի սպորտը, արվեստը երկրորդ տեղում է, իսկ քաղաքականության օգտակարությունը բացասական է:

Օգտվելով այս տվյալներից՝ մենք կարող ենք ստեղծել հարցվողների համար տղամարդու «իդեալական» տարբերակը: Ըստ հետազոտության արդյունքների՝ իդեալական տղամարդը Թոմ Հարդին է, ով զբաղվում է սպորտով, Ֆրանսիայից է և ամուսնացած չէ:

Իհարկե, պետք է նշել, որ մեթոդը օգտակար է կիրառել, երբ իսկապես հնարավորություն կա հատկանիշների արժեքները խառնելու: Այսինքն՝ եթե հետազոտության օբյեկտ լիներ, օրինակ, գարեջուրը, և նպատակ ունենայինք նոր ապրանքանիշ ստեղծելու, ապա այս դեպքում հնարավոր և տրամաբանական կլիներ հատկանիշների տարբեր մակարդակների համակցությունը: Մարդկանց դեպքում հնարավոր չէ, սակայն երևակայությանը երբեմն արժե երես տալ:


Ամենավերջում, չենք մոռանում գնահատել կառուցված մոդելի որակը:

output3

R^2 — ցույց է տալիս ռեգրեսիոն մոդելի կանխատեսած արժեքների և իրական արժեքների միջև կորելացիայի քառակուսին:
Sig. — ռեգրեսիոն մոդելի նշանակալիությունն է:
Տվյալ դեպքում արժեքները ուժեղ կորելացված են, այսինքն՝ մոդելը որակյալ է, իսկ sig.-ը փոքր է 0.05-ից, ինչը նշանակում է՝ մոդելը վիճակագրորեն նշանակալի է:

Հ.Գ. Հետազոտության արդյուքնները հորինված են՝ մեթոդն ավելի հասկանալի դարձնելու համար:
Իսկ դու ի՞նչ սոցիալական խնդիրներ կլուծեիր այս մեթոդով:


Մեթոդը հնարավորություն է տալիս

  1. Մարքեթինգային հետազոտություններում՝
    • Պարզել ապրանքանիշի կարևոր հատկանիշները և ստեղծել նոր, օպտիմալ պրոդուկտ։
    • Կանխատեսել ապրանքանիշի պահանջարկը։
    • Սահմանել ապրանքի ամենաօպտիմալ գինը։
  2. Սոցիալական հետազոտություններում՝
    • Դասակարգել գործոնները ըստ կարևորության:

Մեթոդի կիրառումը/իրացումը IBM SPSS փաթեթում:

• Նախ անհրաժեշտ է ստեղծել ընտրության քարտերը, այնուհետև դուրս գալ դաշտ, հավաքել ինֆորմացիա և հաջորդ քայլում միայն վերլուծել:
IBM SPSS/ Data/ Orthogonal Design/ Generate
• Երբ դաշտային փուլն ավարտված է, իսկ տվյալները՝ մուտքագրված, ապա սկսում ենք վերլուծության փուլը: Ցավոք, CONJOINT վերլուծությունը SPSS-ում հասանելի է միայն սինթաքսում։

PLAN=’D:\CONJOINT\PLAN.SAV’
/DATA=’D:\CONJOINT\DATA.SAV’
/SCORE=CARD1 TO CARD8.

Առաջին տողում հղում ենք անում ընտրության քարտերին: Երկրորդ տեղում հղում ենք անում տվյալների բազային: Երրորդ տողում կիրառում ենք SCORE, եթե հարցվողները գնահատել են տարբերակները՝ ըստ սանդղակի:


Հեղինակ՝
Զարուհի Սիմոնյան

Advertisements

Մեկնաբանել

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Փոխել )

Google+ photo

You are commenting using your Google+ account. Log Out /  Փոխել )

Twitter picture

You are commenting using your Twitter account. Log Out /  Փոխել )

Facebook photo

You are commenting using your Facebook account. Log Out /  Փոխել )

Connecting to %s

Blog at WordPress.com.

Up ↑

%d bloggers like this: