[email protected]

Ricerche di mercato sull'analisi discriminante

Ricerche di mercato sull'analisi discriminante

Ricerche di mercato sull'analisi discriminante

Cos'è l'analisi discriminante?

L'Analisi Discriminante (DA) è una tecnica utilizzata in Statistica per classificare i risultati. Inseriscono questi risultati in gruppi non sovrapposti in base ai punteggi su una o più variabili predittive quantitative. Come suggerisce il nome, è un modo per discriminare o classificare i risultati. Tre persone condividono il merito di aver dato alla luce la DA. Questi sono Mahalanobis in India, Fisher nel Regno Unito e Hotelling negli Stati Uniti.

Un medico può eseguire un DA per trovare pazienti ad alto o basso rischio di ictus. L’analisi potrebbe classificarli in gruppi ad alto o basso rischio. Può basare questi gruppi su attributi personali come la massa corporea o il livello di colesterolo. Oppure possono basarlo sui comportamenti legati allo stile di vita. Ad esempio, può classificarli in base al numero di sigarette consumate al giorno o alle sessioni di allenamento settimanali.

È possibile utilizzare DA per obiettivi predittivi o descrittivi. I passaggi coinvolti sono i seguenti:

  • Trova il problema
  • Stimare i coefficienti della funzione discriminante
  • Scopri l'importanza di queste funzioni discriminanti
  • Interpretare i risultati
  • Valutare la validità dei risultati

Perché è importante l’analisi discriminante?

I ricercatori utilizzano il processo di analisi discriminante per aiutarli a comprendere la connessione tra una “variabile dipendente” e una o più “variabili indipendenti”. Una variabile dipendente è quella che un ricercatore cerca di spiegare o prevedere dai valori delle variabili indipendenti. A volte la variabile dipendente è divisa in più categorie (variabile categoriale).

DA prende variabili indipendenti continue e sviluppa una relazione o equazioni predittive. I ricercatori utilizzano queste equazioni per posizionare le variabili dipendenti in gruppi.

Quando la variabile dipendente ha due categorie, il tipo utilizzato è l'analisi discriminante a due gruppi. Se ha tre o più categorie, il tipo utilizzato è l'analisi discriminante multipla. C'è anche l'analisi discriminante lineare (LDA) e l'analisi discriminante quadratica (QDA).

Ecco la distinzione principale tra i tipi di analisi discriminante. Per due gruppi è possibile derivare solo una funzione discriminante. Questo tipo di DA è noto come analisi della funzione discriminante. Nel caso di analisi discriminanti multiple, è possibile calcolare più di una funzione discriminante.

DA si propone di rispondere alle seguenti domande:

  • Dove differiscono i raggruppamenti attesi e osservati?
  • Quanto è statisticamente significativo il divario tra i due?

È un solido strumento di ricerca e analisi, soprattutto quando i ricercatori cercano di capire in che modo differiscono i gruppi (coorti di età, clienti) o gli articoli (articoli, marchi).

Perché le aziende hanno bisogno dell'analisi discriminante

L’analisi discriminante presenta molti vantaggi, soprattutto oggi nell’era dei dati. Questo metodo è un vantaggio comprovato. Grazie a ciò, molte aziende possono ora promuovere la crescita, i profitti e la competitività.

Molti esempi possono spiegare quando si adatta DA. Ad esempio, puoi usarlo per capire in che modo i consumatori leggeri, medi o pesanti di bevande analcoliche differiscono nel consumo di cibi surgelati.

È uno strumento popolare perché ha un uso diffuso in diversi settori. Le aziende possono utilizzarlo per analizzare problemi specifici. Devono determinare quale variabile indipendente ha il risultato più significativo su una variabile dipendente.

Informazioni sull'analisi discriminante

È possibile confrontare l'analisi discriminante con l'analisi di regressione per come individua il grado in cui gli oggetti aderiscono alle condizioni di determinati gruppi.

Puoi anche confrontarlo con l'analisi dei cluster, che è l'apprendimento non supervisionato. Al contrario, DA è un apprendimento supervisionato. Il ricercatore stabilisce la categoria dell'oggetto prima di avviarla.

DA ha molti usi. Ad esempio, puoi sfruttarlo per determinare quali variabili predittive sono correlate alla variabile dipendente. Puoi anche utilizzare DA per prevedere il valore di quest'ultimo e sviluppare mappe percettive.

SIS International Research assiste le aziende di tutto il mondo nella loro pianificazione strategica. Offriamo servizi di ricerche di mercato e utilizziamo l'analisi discriminante in tutti i settori. Possiamo aiutarvi con le vostre ricerche di mercato qualitative e quantitative. SIS fornisce anche ricerche di mercato su UX e strategie e analisi della concorrenza.

Espanditi a livello globale con fiducia. Contatta SIS International oggi stesso!

parlare con un esperto