Лабораторная работа: Принятие решений на основе попарного сравнения альтернатив

Федеральное агентство по образованию

Государственное образовательное учреждение
высшего профессионального образования

«ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ УПРАВЛЕНИЯ»

Институт Информационных систем управления

Специальность: «Менеджмент организации» - 080507
Специализация: «Экономико-математическое моделирование управления бизнес системами» - 080507 83
Форма обучения: очная

Лабораторная работа

«Принятие решений на основе попарного сравнения альтернатив»

Москва 2010 г.

Наша фирма работает на рынке продажи и сервисного обслуживания автомобилей. Мы продаем и обслуживаем несколько марок автомобилей. Мы являемся официальным дилером.В настоящее время объёмы продаж автомобилей класса В одной из наших марок (Fiat) снизились. Необходимо провести исследования для того, чтобы выявить возможность увеличения объема продаж.

Агентство маркетинговых исследований (АМИ) получило в связи с этим заказ на проведение обследования рынка для выяснения, почему потребители предпочитают одни марки автомобилей другим и каковы обобщенные модели их поведения.

Сводная информация по всем торговым маркам:

Для проведения маркетинговых исследований АМИ решило воспользоваться весьма распространенным методом – методом многомерного шкалирования. В соответствии с этим респондентам было предложено оценить степень различия «непохожести» отдельных марок йогуртов, продающихся в регионе в шкале 0-10 (0- практически неразличимы, 10- абсолютная противоположность).

Результаты опросов:

В результате была получена усредненная матрица различий между марками товара:

Анализ полученных результатов.

С использованием SPSS Statistics 17.0 проводим многомерное шкалирование в одно-, дву-, трехмерном пространстве.

Raw (unscaled) Data for Subject 1

1 2 3 4 5 6

1 ,000

2 4,000 ,000

3 4,000 8,000 ,000

4 6,000 9,000 8,000 ,000

5 4,000 8,000 8,000 7,000 ,000

6 7,000 8,000 7,000 6,000 6,000 ,000

Iteration history for the 2 dimensional solution (in squared distances)

Young's S-stress formula 1 is used.

Iteration S-stress Improvement

1 ,25021

2 ,15617 ,09404

3 ,11277 ,04341

4 ,10761 ,00515

5 ,10729 ,00032

Iterations stopped because

S-stress improvement is less than ,001000

Stress and squared correlation (RSQ) in distances

RSQ values are the proportion of variance of the scaled data (disparities)

in the partition (row, matrix, or entire data) which

is accounted for by their corresponding distances.

Stress values are Kruskal's stress formula 1.

For matrix

Stress = ,09635 RSQ = ,92268

Configuration derived in 2 dimensions

Stimulus Coordinates

Dimension

Stimulus Stimulus 1 2

Number Name

1 VAR00001 ,3720 ,0820

2 VAR00002 2,0601 ,4770

3 VAR00003 ,2811 -1,6328

4 VAR00004 -1,4521 ,5208

5 VAR00005 -,6314 1,0860

6 VAR00006 -,6297 -,5329

Optimally scaled data (disparities) for subject 1

1 2 3 4 5 6

1 ,000

2 1,502 ,000

3 1,502 2,805 ,000

4 1,502 3,512 2,805 ,000

5 1,502 2,805 2,805 1,502 ,000

6 1,502 2,805 1,502 1,502 1,502 ,000

>Примечание # 14692

>You specified that the data are unconditional, but there is only one input

>matrix. ALSCAL will treat data as matrix conditional.

Raw (unscaled) Data for Subject 1

1 2 3 4 5 6

1 ,000

2 4,000 ,000

3 4,000 8,000 ,000

4 6,000 9,000 8,000 ,000

5 4,000 8,000 8,000 7,000 ,000

6 7,000 8,000 7,000 6,000 6,000 ,000

>Предупреждение # 14655

>The total number of parameters being estimated (number of stimulus coordinates

>plus number of weights, if any) exceeds the number of data values. Either

>decrease the number of parameters to estimate (e.g. request fewer dimensions)

>or increase the number of observed values. This ALSCAL solution is being

>skipped.

>Number of parameters is 18. Number of data values is 15

При попытке провести многомерное шкалирование в трехмерном пространстве SPSS выдал ошибку, указанную выше.

Поэтому для дальнейшего исследования будем использовать результаты двумерного шкалирования (т.к. значение стресса ниже).

При помощи программы SelAxis находим факторы описания исходных объектов сравнения, которые в наилучшей степени объясняли субъективные различия тех же объектов, полученные методом МНШ.

Таким образом, наиболее важными характеристиками, определяющими различие марок в глазах покупателя, являются количество дилеров, расположенных в регионе и максимальная скорость.

Приоритеты можно разделить на три сегмента.

1. Марки, имеющие большое кол-во дилеров, автомобили которых обладают низкой максимальной скоростью, сопоставимой со стоимостью автомобиля – Suzuki Splash, Opel Corsa.

2. Марки, автомобили которых обладают хорошей максимальной скоростью и развитой дилерской сетью в регионе – Citroen C3.

3. Марки, автомобили которых обладают хорошей максимальной скоростью и неразвитой дилерской сетью в регионе – Seat Ibiza, Chery M11, Fiat Punto Evo.

В качестве рекомендации компании Автолайт можно предложить следующее:

1. Провести дополнительные маркетинговые исследования для более объективных результатов.

2. Увеличить количество дилерских центров Fiat в регионе до 3-х в собственности.